/ /

Lenguaje de definición relacional de documentos

El MongoDB Connector for Business Intelligence para Atlas y en instalaciones locales alcanza el final de su vida útil (EOL) y ya no será compatible después de septiembre de 2026. Para todos los nuevos proyectos, recomendamos utilizar la nueva Interfaz SQL de MongoDB para conectarse a Atlas o a implementaciones de Enterprise Advanced. La Interfaz SQL ofrece un rendimiento mejorado, una configuración simplificada y funcionalidades mejoradas. Para aprender más, consulta Conéctate con SQL.

Lenguaje de Definición Relacional de Documentos (DRDL) define una vista relacional de un esquema de MongoDB.

mongodrdl toma muestras de documentos de sus colecciones de MongoDB y deriva un DRDL archivo de esos documentos. luego utiliza el esquema definido enmongosqld los DRDL archivos para permitir que los clientes MySQL consulten sus datos de MongoDB.

Formato de archivo

El DRDL archivo enumera sus bases de datos, tablas y columnas en YAML formato.

schema:
- db: <database name>
  tables:
  - table: <SQL table name>
    collection: <MongoDB collection name>
    pipeline:
    - <optional pipeline elements>
    columns:
    - Name: <MongoDB field name>
      MongoType: <MongoDB field type>
      SqlName: <mapped SQL column name>
      SqlType: <mapped SQL column type>

Ejemplo

Dados documentos de la siguiente forma en la colección abc en la base de datos test:

{
    "_id": ObjectId(),
    "close": 7.45,
    "detail": { "a": 2, "b": 3 }
}

Ejecute mongodrdl para generar un esquema basado en esta colección:

mongodrdl -d test -c abc -o schema.drdl

El archivo de esquema generado (schema.drdl) es similar al siguiente:

schema:
- db: test
  tables:
  - table: abc
    collection: abc
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: close
      MongoType: float64
      SqlName: close
      SqlType: numeric
    - Name: detail.a
      MongoType: float64
      SqlName: detail.a
      SqlType: numeric
    - Name: detail.b
      MongoType: float64
      SqlName: detail.b
      SqlType: numeric

tipos de campo

BI Connector mapea campos que siempre contienen el mismo tipo de datos en el modelo relacional. La generación de esquemas se ocupa especialmente de los siguientes casos:

Numeric	BI Connector utiliza el tipo numérico más preciso que coincide con los documentos muestreados. Si un campo de una colección siempre tiene el mismo tipo de datos, BI Connector utiliza ese tipo. Si un campo de una colección puede contener valores de punto flotante o números enteros, BI Connector utiliza el tipo `numeric`.
Fechas	BI Connector trata cualquier campo de tipo `data_date` como de tipo SQL `timestamp`.
Marcas de tiempo	BI Connector ignora cualquier campo de tipo `data_timestamp`.
ObjectID	BI Connector trata cualquier campo de tipo `data_oid` como el tipo SQL `varchar`.
UUID	BI Connector trata cualquier campo de tipo UUID como el tipo SQL `varchar`.
Geoespacial	Si una colección contiene un índice geoespacial, BI Connector asigna el campo indexado a una matriz de coordenadas numéricas de longitud y latitud. Consulte Geospatial Data como ejemplo. BI Connector no reconoce los campos geoespaciales al leer de una vista.
Campos heterogéneos	Si un campo contiene tipos inconsistentes, BI Connector elige el tipo que se muestrea con mayor frecuencia. Si un campo puede contener un tipo o una matriz de ese tipo, el esquema generado siempre especifica que el campo contiene una matriz. Para obtener más información, consulte ¿Cómo puedo omitir datos incompatibles con mi definición de tipo DRDL?.

Documentos incrustados

El BI Connector asigna documentos incrustados a campos simples que tienen un carácter separador ., haciéndolos aparecer similares a la forma en que los referiría utilizando la notación de puntos en una query de MongoDB.

Mientras que Tableau cita correctamente los identificadores, dentro de expresiones SQL ad-hoc se debe entrecomillar dos veces cada identificador que contenga . caracteres o caracteres en mayúsculas/minúsculas mezcladas.

Ejemplo

Considere el siguiente documento:

{
    "_id": 1,
    "familyName": "Partridge",
    "hometown" : "Hollywood Hills",
    "address" : { "street": "123 Main Street",
                  "city" : "Hollywood",
                  "state" : "CA",
                  "zip" : "90210" },
    "members_since" : ISODate("2002-04-12T00:00:00Z")
}

Ejecutando mongodrdl en una colección que contiene este documento, se obtienen los siguientes campos en el esquema generado:

`_id`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`
`address.street`	`varchar`
`address.city`	`varchar`
`address.state`	`varchar`
`address.zip`	`varchar`
`members_since`	`timestamp`

Arreglos

BI Connector expone arreglos a las herramientas de business intelligence usando dos colecciones: una sin el arreglo y la otra teniendo un documento por cada elemento del arreglo.

Ejemplo

Si ejecutas mongodrdl en una colección llamada families que contiene el siguiente documento:

{
   "_id": 1,
   "familyName": "Partridge",
   "hometown" : "Hollywood Hills",
   "familyMembers" : [
     {
         "firstname" : "Shirley",
         "age" : 42,
         "attributes" : [
             { "name" : "instrument", "value" : "singer" },
             { "name" : "role", "value" : "mom" }
         ]
     },
     {
         "firstname" : "Keith",
         "age" : 18,
         "attributes" : [
             { "name" : "instrument", "value" : "guitar" },
             { "name" : "role", "value" : "son" }
         ]
     },
     {
         "firstname" : "Laurie",
         "age" : 16,
         "attributes" : [
             { "name" : "instrument", "value" : "keyboard" },
             { "name" : "role", "value" : "sister" }
         ]
     }]
}

Esto da como resultado las tres tablas siguientes:

families

`_id`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`

families_familyMembers

`_id`	`numeric`
`familyMembers.age`	`numeric`
`familyMembers.firstname`	`varchar`
`familyMembers_idx`	`numeric`

families_familyMembers_attributes

`_id`	`numeric`
`familyMembers.attributes.name`	`varchar`
`familyMembers.attributes.value`	`varchar`
`familyMembers.attributes_idx`	`numeric`
`familyMembers_idx`	`numeric`

Puedes unir estas tablas para ver los datos en un formato desnormalizado. Por ejemplo, puedes listar a las personas nombradas en el esquema anterior junto con su información familiar utilizando la siguiente query:

SELECT f.*, m.`familyMembers.firstname`
FROM families_familyMembers m
JOIN families f
ON m._id = f._id;

Pre adhesión

Si proporcionas la opción --preJoined a mongodrdl, el BI Connector agregará los campos del documento contenedor al documento de cada elemento del arreglo, "preuniendo" así la tabla.

En el ejemplo anterior, las tablas contendrían las siguientes columnas adicionales:

families_familyMembers

`familyName`	`varchar`
`hometown`	`varchar`

families_familyMembers_attributes

`familyMembers.age`	`numeric`
`familyMembers.firstname`	`varchar`
`familyMembers_idx`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`

Filtros personalizados

Puedes añadir una columna del tipo mongo.Filter a una colección en tu archivo DRDL. Este tipo de columna le permite realizar una $match query personalizada.

Por ejemplo, dado el siguiente esquema que describe una nube de puntos con hasta tres componentes:

schema:
- db: test
  tables:
  - table: points
    collection: points
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: x
      MongoType: float64
      SqlName: x
      SqlType: numeric
    - Name: "y"
      MongoType: float64
      SqlName: "y"
      SqlType: numeric
    - Name: z
      MongoType: float64
      SqlName: z
      SqlType: numeric
    - Name: filter
      MongoType: mongo.Filter
      SqlName: filter
      SqlType: varchar

Solo puedes seleccionar puntos tridimensionales utilizando la siguiente query:

SELECT x, y, z
FROM points
WHERE filter='{"z": {"$exists": true}}';

Pipeline de agregación

Pipeline de agregación usando vistas

MongoDB 3.4 presenta vistas de solo lectura que puede utilizar para filtrar datos incompatibles.

Por ejemplo, puedes crear una vista en la base de datos test que contenga solo documentos que contengan un número en el campo grade de una colección grades:

db.runCommand( { create: "numericGrades", viewOn: "grades", pipeline: [ { "$match": { "grade": { "$type": "number" } } } ] } )

Luego puedes usar mongodrdl para generar un esquema a partir de esta vista como lo harías con una colección:

mongodrdl -d test -c numericGrades

Canalizaciones de agregación en DRDL

BI Connector puede usar pipelines de agregación como parte del esquema para transformar documentos de la colección en la forma adecuada para las tablas relacionales.

Por ejemplo, considera un documento simple en una colección llamada simpleFamilies:

{
   "_id": 1,
   "familyName": "Partridge",
   "familyMembers" : [ "Shirley", "Keith", "Laurie"]
}

mongodrdl genera un esquema con las tablas simpleFamilies y simpleFamilies_familyMembers.

La tabla simpleFamilies_familyMembers enumera cada miembro de la familia y tiene el siguiente pipeline:

pipeline:
- $unwind:
    includeArrayIndex: familyMembers_idx
    path: $familyMembers

Este pipeline utiliza $unwind para crear un nuevo registro para cada nodo de familyMembers. El esquema rastrea el índice del arreglo en el campo familyMembers_idx.

Datos geoespaciales

Si una colección contiene un 2d o 2dsphere Índice geoespacial, BI Connector mapea el campo indexado a un arreglo de coordenadas numéricas de longitud y latitud.

Ejemplo

Dada la siguiente colección:

db.points.createIndex( { pos : "2dsphere" } )
db.points.insertOne({
    pos : { type: "Point", coordinates: [ -73.97, 40.77 ] },
    name: "Central Park",
    category : "Parks"
})

BI Connector genera el siguiente esquema:

schema:
- db: test
  tables:
  - table: points
    collection: points
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: category
      MongoType: string
      SqlName: category
      SqlType: varchar
    - Name: name
      MongoType: string
      SqlName: name
      SqlType: varchar
    - Name: pos.coordinates
      MongoType: geo.2darray
      SqlName: pos.coordinates
      SqlType: numeric[]

BI Connector no reconoce los campos geoespaciales al leer de una vista.

Volver

Configura TLS para BI Connector

Mensajes de registro