Vistas materializadas on-demand

Indexes

Las vistas estándar utilizan los índices de la colección subyacente. Como resultado, no puede crear, descartar ni reconstruir índices generales directamente en una vista estándar, ni obtener una lista de índices generales en la vista.

MongoDB almacena los índices de búsqueda y los índices de búsqueda vectoriales en disco. En consecuencia, se pueden crear índices de búsqueda de MongoDB e índices de búsqueda vectorial en vistas compatibles que contengan solo las siguientes etapas:

• $addFields

• $set

• $match que envuelve una operación $expr

También puede crear índices directamente en las vistas materializadas on-demand, porque MongoDB almacena esos índices en el disco.

Rendimiento

Las vistas materializadas on-demand ofrecen un mejor rendimiento de lectura que las vistas estándar porque se leen desde el disco en lugar de calcularse como parte de la query. Este beneficio en el rendimiento aumenta en función de la complejidad del pipeline y del tamaño de los datos que se están agregando.

1. Define la vista materializada on-demand

La siguiente función updateMonthlySales define una monthlybakesales vista materializada que contiene la información acumulada de ventas mensuales. En el ejemplo, la función toma un parámetro de fecha para actualizar únicamente la información de ventas mensuales a partir de una fecha específica.

updateMonthlySales = function(startDate) {
   db.bakesales.aggregate( [
      { $match: { date: { $gte: startDate } } },
      { $group: { _id: { $dateToString: { format: "%Y-%m", date: "$date" } }, sales_quantity: { $sum: "$quantity"}, sales_amount: { $sum: "$amount" } } },
      { $merge: { into: "monthlybakesales", whenMatched: "replace" } }
   ] );
};

• La etapa de $match filtra los datos para procesar solo aquellas ventas que son mayores o iguales a startDate.

• La etapa $group agrupa la información de ventas por año-mes. Los documentos generados por esta etapa tienen el formato:

  { "_id" : "<YYYY-mm>", "sales_quantity" : <num>, "sales_amount" : <NumberDecimal> }

• La etapa $merge guarda la salida en la colección monthlybakesales.

  Basado en el campo _id (lo por defecto para las colecciones de salida no particionadas), la etapa verifica si el documento en los resultados de la agregación coincide con un documento existente en la colección:

  • Cuando hay una coincidencia (es decir, ya existe un documento con el mismo año-mes en la colección), la etapa reemplaza el documento existente con el documento de los resultados de la agregación.

  • Cuando no hay coincidencia, la etapa inserta el documento de los resultados de la agregación en la colección (el comportamiento por defecto cuando no hay coincidencia).

2. Realizar la ejecución inicial

Para la ejecución inicial, puedes pasar una fecha de new ISODate("1970-01-01"):

updateMonthlySales(new ISODate("1970-01-01"));

Después de la ejecución inicial, monthlybakesales contiene los siguientes documentos; es decir, db.monthlybakesales.find().sort( { _id: 1 } ) devuelve lo siguiente:

{ "_id" : "2018-12", "sales_quantity" : 41, "sales_amount" : Decimal128("506") }
{ "_id" : "2019-01", "sales_quantity" : 86, "sales_amount" : Decimal128("896") }

3. Refrescar la vista materializada

Supón que para la primera semana de febrero de 2019, la colección bakesales se actualiza con información de ventas más reciente; específicamente, ventas adicionales de enero y febrero.

db.bakesales.insertMany( [
   { date: ISODate("2019-01-28"), item: "Cake - Chocolate", quantity: 3, amount: Decimal128("90") },
   { date: ISODate("2019-01-28"), item: "Cake - Peanut Butter", quantity: 2, amount: Decimal128("32") },
   { date: ISODate("2019-01-30"), item: "Cake - Red Velvet", quantity: 1, amount: Decimal128("20") },
   { date: ISODate("2019-01-30"), item: "Cookies - Chocolate Chip", quantity: 6, amount: Decimal128("24") },
   { date: ISODate("2019-01-31"), item: "Pie - Key Lime", quantity: 2, amount: Decimal128("40") },
   { date: ISODate("2019-01-31"), item: "Pie - Banana Cream", quantity: 2, amount: Decimal128("40") },
   { date: ISODate("2019-02-01"), item: "Cake - Red Velvet", quantity: 5, amount: Decimal128("100") },
   { date: ISODate("2019-02-01"), item: "Tarts - Apple", quantity: 2, amount: Decimal128("8") },
   { date: ISODate("2019-02-02"), item: "Cake - Chocolate", quantity: 2, amount: Decimal128("60") },
   { date: ISODate("2019-02-02"), item: "Cake - Peanut Butter", quantity: 1, amount: Decimal128("16") },
   { date: ISODate("2019-02-03"), item: "Cake - Red Velvet", quantity: 5, amount: Decimal128("100") }
] )

Para actualizar los datos de monthlybakesales de enero y febrero, ejecuta de nuevo la función para volver a ejecutar la canalización de agregación, comenzando por new ISODate("2019-01-01").

updateMonthlySales(new ISODate("2019-01-01"));

El contenido de monthlybakesales se ha actualizado para reflejar los datos más recientes en la colección bakesales; es decir, db.monthlybakesales.find().sort( { _id: 1 } ) devuelve lo siguiente:

{ "_id" : "2018-12", "sales_quantity" : 41, "sales_amount" : Decimal128("506") }
{ "_id" : "2019-01", "sales_quantity" : 102, "sales_amount" : Decimal128("1142") }
{ "_id" : "2019-02", "sales_quantity" : 15, "sales_amount" : Decimal128("284") }