Cara menggunakan map-reduce aggregation mongodb

Table of Contents Show

Pengertian Agregasi, Map-Reduce, Replika Set, dan Sharding MongoDB Lengkap
Jelaskan dan ilustrasikan anggregasi pada mongoDB
The aggregation pipeline
The map-reduce function
single purpose aggregation methods.
Jelaskan dan ilustrasikan tentang replika pada MongoDB
Jelaskan dan ilustrasikan sharding pada MongoDB

Pengertian Agregasi, Map-Reduce, Replika Set, dan Sharding MongoDB Lengkap

Jelaskan dan ilustrasikan anggregasi pada mongoDB

Agregasi operasi memproses catatan data dan mengembalikan hasil yang dihitung. Nilai grup operasi agregasi dari beberapa dokumen bersama-sama, dan dapat melakukan berbagai operasi pada data yang dikelompokkan untuk mengembalikan satu hasil. MongoDB menyediakan tiga cara untuk melakukan agregasi: the aggregation pipeline, the map-reduce function, and single purpose aggregation methods.

The aggregation pipeline

Kerangka agregasi MongoDB dimodelkan pada konsep pipa pengolahan data. Dokumen memasuki pipa multi-tahap yang mengubah dokumen menjadi hasil agregat.
Tahapan pipeline paling dasar menyediakan filter yang beroperasi seperti queri dan transformasi dokumen yang mengubah bentuk dokumen output.

The map-reduce function

MongoDB juga menyediakan operasi pengurangan peta untuk melakukan agregasi. Secara umum, operasi pengurangan peta memiliki dua fase: tahap pemetaan yang memproses setiap dokumen dan memancarkan satu atau lebih objek untuk setiap dokumen masukan, dan mengurangi fase yang menggabungkan keluaran operasi peta. Opsional, peta-mengurangi dapat memiliki tahap akhir untuk membuat modifikasi akhir pada hasilnya. Seperti operasi agregasi lainnya, peta-mengurangi dapat menentukan kondisi permintaan untuk memilih dokumen masukan serta mengurutkan dan membatasi hasil.

single purpose aggregation methods.

MongoDB juga menyediakan db.collection.count()dan db.collection.distinct().
Semua operasi ini mengumpulkan dokumen dari satu koleksi. Meskipun operasi ini memberikan akses yang mudah ke proses agregasi umum, mereka tidak memiliki fleksibilitas dan kemampuan dari pipa agregasi dan pengurangan peta.

Jelaskan dan ilustrasikan tentang replika pada MongoDB

Replikasi adalah proses sinkronisasi data di beberapa server. Replikasi memerlukan setidaknya dua node. Salah satu simpul utama bertanggung jawab untuk menangani permintaan klien, dan sisanya berasal dari node bertanggung jawab untuk mereplikasi data pada node utama.

Jelaskan dan ilustrasikan sharding pada MongoDB

Sharding adalah metode untuk mendistribusikan data di beberapa mesin. MongoDB menggunakan sharding untuk mendukung penyebaran dengan set data yang sangat besar dan operasi throughput yang tinggi.

Sistem basis data dengan set data besar atau aplikasi throughput yang tinggi dapat menantang kapasitas server tunggal. Misalnya, tingkat permintaan tinggi dapat menguras kapasitas CPU server. Ukuran kumpulan kerja yang lebih besar dari RAM sistem menekankan kapasitas I / O dari disk drive.

Ada dua metode untuk mengatasi pertumbuhan sistem: skala vertikal dan horizontal.

Vertical Scaling melibatkan peningkatan kapasitas server tunggal, seperti menggunakan CPU yang lebih kuat, menambahkan lebih banyak RAM, atau meningkatkan jumlah ruang penyimpanan. Keterbatasan dalam teknologi yang tersedia dapat membatasi satu mesin dari yang cukup kuat untuk beban kerja yang diberikan. Selain itu, penyedia berbasis cloud memiliki langit-langit keras berdasarkan konfigurasi perangkat keras yang tersedia. Akibatnya, ada yang praktis maksimum untuk skala vertikal.

Horizontal Scaling melibatkan membagi dataset sistem dan memuat lebih dari beberapa server, menambahkan server tambahan untuk meningkatkan kapasitas sesuai kebutuhan. Sementara kecepatan keseluruhan atau kapasitas mesin tunggal mungkin tidak tinggi, setiap mesin menangani sebagian dari beban kerja secara keseluruhan, berpotensi memberikan efisiensi yang lebih baik daripada satu server berkapasitas tinggi berkecepatan tinggi. Memperluas kapasitas penyebaran hanya membutuhkan penambahan server tambahan sesuai kebutuhan, yang dapat menjadi biaya keseluruhan yang lebih rendah daripada perangkat keras kelas atas untuk satu mesin. Tradeoff meningkat kompleksitas dalam infrastruktur dan pemeliharaan untuk penyebaran.