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 vectorial en disco. En consecuencia, puedes crear índices MongoDB Search e índices MongoDB Vector Search en vistas compatibles que contengan sólo 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 updateMovieStats define una vista materializada movieYearStats que contiene el recuento y la calificación promedio de IMDb de películas por año. La función acepta un parámetro de startYear para actualizar las estadísticas de las películas estrenadas a partir de ese año.

updateMovieStats = function(startYear) {
   db.movies.aggregate( [
      { $match: { year: { $gte: startYear } } },
      { $group: {
           _id: "$year",
           movieCount: { $sum: 1 },
           avgRating: { $avg: "$imdb.rating" }
      } },
      { $merge: { into: "movieYearStats", whenMatched: "replace" } }
   ] );
};

• La fase $match filtra películas para procesar solo aquellas con un valor de year mayor o igual que startYear.

• La etapa $group agrupa películas por year. Los documentos que se producen en esta etapa tienen la siguiente forma:

  { "_id" : <year>, "movieCount" : <num>, "avgRating" : <num> }

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

  La etapa compara las en el campo _id y verifica si cada resultado de agregación coincide con un documento existente:

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

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

2. Realizar la ejecución inicial

Para la ejecución inicial, pasa un año de inicio para llenar movieYearStats con datos de ese año en adelante:

updateMovieStats(2015);

Después de la ejecución inicial, db.movieYearStats.find().sort( { _id: 1 } ) devuelve documentos como los siguientes:

{ "_id" : 2015, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2016, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2017, "movieCount" : <num>, "avgRating" : <num> }

3. Refrescar la vista materializada

Supongamos que se añade una nueva película a la colección movies para 2016:

db.movies.insertOne( {
   title: "Grove Test Movie",
   year: 2016,
   imdb: { rating: 7.5, votes: 500 }
} )

Para actualizar movieYearStats desde 2016, ejecuta la función con un startYear de 2016:

updateMovieStats(2016);

El movieYearStats actualizado refleja la nueva película en la colección movies. db.movieYearStats.find().sort( { _id: 1 } ) devoluciones:

{ "_id" : 2015, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2016, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2017, "movieCount" : <num>, "avgRating" : <num> }