Dies ist das dritte Webinar der Back to Basics-Serie, in dem Ihnen die Datenbank MongoDB genauer vorgestellt wird. In diesem Webinar erklären wir Ihnen die Architektur von Dokumentendatenbanken.

2. Back to Basics 2016 : Webinar 3
Denken in Dokumenten
Benjamin Lorenz
Senior Solutions Architect, MongoDB Frankfurt
@benjaminlorenz
V1.3

3. 3
Kursplan
Datum Uhrzeit Webinar
31. Mai 2016 14:00 Uhr MESZ Einführung in NoSQL
16. Juni 2016 14.00 Uhr MESZ Ihre erste MongoDB-Anwendung
1. Juli 2016 14:00 Uhr MESZ Schema-Design: Denken in Dokumenten
12. Juli 2016 14:00 Uhr MESZ Indizierung für Fortgeschrittene: Text- und Geoindizes
26. Juli 2016 14:00 Uhr MESZ Einführung in das Aggregation Framework
30. August 2016 14:00 Uhr MESZ Produktivsetzung einer Anwendung

4. 4
Rückblick
• Webinar 1: Einführung in NoSQL
– Verschiedene Typen von NoSQL-Datenbanken
– MongoDB ist eine Dokumentendatenbank
– Replica Sets und Shards
• Webinar 2: Ihre erste MongoDB-Anwendung
– Erstellen einer einfachen Anwendung
– Hinzufügen von Indizes
– Messung der Performance mit explain()

5. 5
Denken in Dokumenten
• MongoDB-Dokumente sind Javascript-Objekte (JSON)
• Sie sind in BSON codiert
• BSON („Binary JSON“) unterstützt das effiziente Codieren
und Decodieren von JSON
• Dies ist für die effiziente Datenübertragung und
Festplattenspeicherung erforderlich
• Es macht das vollständige Parsen aller Unterobjekte
überflüssig
• Dokumentation: http://bsonspec.org/

6. 6
Ein Beispieldokument
{
first_name: ‘Benjamin’,
surname: ‘Lorenz’,
cell: 49691234567,
city: ‘Frankfurt’,
location: [53.34,-6.26],
profession: [‘Banking’, ‘Finanzen’, ‘Trader’],
cars: [
{ model: ‘Audi’,
year: 1973,
value: 100000, … },
{ model: ‘Mercedes’,
year: 1965,
value: 330000, … }
]
}
Array aus Unterdokumenten
Felder
Jedes Feld verlangt einen
bestimmten Datentyp.
Felder können
Arrays enthalten.

7. 7
Datenspeicherung: Key/Value-Speicher
Schlüssel 1 Wert 1
Schlüssel 1 Wert 2
Schlüssel 1 Wert 3

8. 8
Datenspeicherung: relational
Schlüssel 1
Wert
Wert
Wert
Wert
Schlüssel 2
Wert
Wert
Wert
Wert
Schlüssel 3
Wert
Wert
Wert
Wert
Schlüssel 4
Wert
Wert
Wert
Wert

9. 9
Datenspeicherung: dokumentenbasiert
Schlüssel 3
Schlüssel 4
Schlüssel 5
Wert 3
Wert 4
Wert 5Schlüssel 6
Wert 6Schlüssel 7
Wert 2
Wert 1Schlüssel 1
Schlüssel 1
Schlüssel 1
Schlüssel 2

10. 10
Wie sieht das JSON-Dokument aus?
{ “key1” : “value 1” }
{ “key1” : { “key2” : “value 2”,
“key3” : { “key4” : “value 3”,
“key5” : “value 4” }
}
{ “key1” : { “key6” : “value 5”,
“key7” : “value 6” }
}

11. 11
Beispiele für Datenbankabfragen
# Findet das erste Dokument
db.demo.find( { "key1" : "value 1" } )
# Findet das 2. Dokument
db.demo.find( { "key1.key3.key4" : "value 3" } )
# Findet das 3. Dokument
db.demo.find( { "key1.key6" : "value 5" } )

12. 12
Modellierung und Kardinalität
• 1:1
– Ein Blogtitel / Autor pro Blogbeitrag
• 1:n
– Ein Blogbeitrag mit vielen Kommentaren
• 1:Millionen
– Ein Blogbeitrag mit sehr vielen Aufrufen
(z. B. bei blogs.faz.net)

13. 13
1:1
{
“title” : “Dies ist ein Blogbeitrag”,
“author”:{ “nick”: “ben”, “email”: “ben@blog.net”},
“body” : “Dies ist der gesamte Text eines sehr kurzen Blogbeitrags”,
…
}
Wir können Indizes für “title”, “author.nick” und/oder “body” hinzufügen.

14. 14
1:n
{
“title” : “Dies ist ein Blogbeitrag”,
“body” : “Dies ist der Text des Blogbeitrags”,
“comments” : [ { “name” : “Benjamin Lorenz”,
“email” : “benjamin.lorenz@mongodb.com”,
“comment” : “Sie schreiben mit Stil!” },
{ “name” : “Jan Schmidt”,
“email” : “Jan.Schmidt@beispiel.de”,
“comment” : “Ihr Schreibstil ist unterirdisch.” }]
}
Wenn nur wenige Kommentare zu erwarten sind, können diese in
das Dokument eingebettet werden.

15. 15
Zu beachten
• Typische Schreibmuster
–Neue Kommentare werden häufiger hinzugefügt als
neue Blogbeiträge
–Kommentare können Bilder, Tags oder sehr viel Text
enthalten
• Typische Lesemuster
–Kommentare werden nicht immer angezeigt
–Sie können in einem separaten Fenster erscheinen
–Sehr wenige Leser sehen sich alle Kommentare an

16. 16
Alternativer Ansatz: getrennte Collections
• Alle Kommentare werden in einer eigenen Collection gespeichert
• Jedem Blogbeitrag wird ein Array mit den entsprechenden Kommentar-IDs hinzugefügt
• Zwei Abfragen nötig, um einen Blogbeitrag und die dazugehörigen Kommentare anzuzeigen
• Jeder neue Kommentar erfordert zwei Schreiboperationen
Comments Collection
{
“_id” : ObjectID( “AAAA” ),
“name” : “Benjamin Lorenz”,
“email” : “benjamin.lorenz@mongodb.com”,
“comment” : “Sie schreiben mit Stil!”,
}
{
“_id” : ObjectID( “AAAB” ),
“name” : “Jan Schmidt”,
“email” : “Jan.Schmidt@beispiel.de”,
“comment” : “Ihr Schreibstil ist unterirdisch”,
}
Blogs Collection
{
“_id” : ObjectID( “ZZZZ” ),
“title” : “Ein Blogtitel”,
“body” : “Ein Blogbeitrag”,
“comments” : [ ObjectID( “AAAA” ),
ObjectID( “AAAB” )]
}
{
“_id” : ObjectID( “ZZZY” ),
“title” : “Ein Blogtitel”,
“body” : “Ein Blogbeitrag”,
“comments” : []
}

17. 17
Dritte Variante: ein Hybridansatz
{
“_id” : ObjectID( “ZZZZ” ),
“title” : “Ein Blogtitel”,
“body” : “Ein Blogbeitrag”,
“comments” : [{
“_id” : ObjectID( “AAAA” )
“name” : “Benjamin Lorenz”,
“email” : “benjamin.lorenz@mongodb.com”,
“comment” : “Sie schreiben mit Stil!”,
}
{
_id : ObjectID( “AAAB” ),
name : “Jan Schmidt”,
email : “Jan.Schmidt@beispiel.de”,
comment : “Ihr Schreibstil ist
unterirdisch”,
}]
}
{
“_id” : ObjectID( “CCCC” ),
“_post_id” : ObjectID( “ZZZZ” ),
“comments” : [{
“_id” : ObjectID( “AAAA” )
“name” : “Benjamin Lorenz”,
“email” : “benjamin@mongodb.com”,
“comment” : “Sie schreiben mit Stil!”,
},
{...},{...},{...},{...},{...},{...},{..}
,{...},{...},{...} ]
}
{
“_id” : ObjectID( “CCCD” ),
“_post_id” : ObjectID( “ZZZZ” ),
“comments” : [...]
}

18. 18
1:n – Wenn n in die Millionen geht
• Beispiel: Wir erfassen Mauspositionen zur Erstellung einer Heatmap
– Jeder Besucher erzeugt bei jedem Besuch Hunderte von Datensätzen
– Für jeden Blogbeitrag gibt es Tausende von Mauspositionen – Millionen
für die ganze Blog-Webseite
• Die naheliegende Option: den Ansatz umkehren
– Jede Mausposition kommt in ein separates Dokument mit Blog-ID
{
“post_id” : ObjectID(“ZZZZ”),
“timestamp” : ISODate("2016-07-01T14:38:09Z”),
“location” : [24, 34],
“click” : False
}

19. 19
Zusammenfassen von Ereignissen pro Minute
{
post_id : ObjectID ( “ZZZZ” ),
timeStamp: ISODate("2016-07-01T14:38:00Z”),
events : [{ “location” : [24, 34], “click” : False },
{ “location” : [12, 88], “click” : True },
{...},{...},...]
}

20. 20
Richtlinien
• Bilden Sie 1:1-Beziehungen durch eingebettete Objekte
• Berücksichtigen Sie Lese- und Schreibmuster, wenn Sie entscheiden, wie
viele Collections und Indizes Sie benötigen
• Lösen Sie sich von der Denkweise „ein Datensatz pro Objekt“
• Nutzen Sie Hierarchien
• Berücksichtigen Sie die Kardinalität
• Behalten Sie Ihre Indizes im Auge
• Aktualisierungen von Dokumenten sind Transaktionen

21. 21
Im nächsten Webinar:
Indizierung für Fortgeschrittene: Text- und Geoindizes
• MongoDB unterstützt die Volltextindexierung und ermöglicht damit
die „Google-ähnliche“ Durchsuchung Ihrer gesamten Datenbank
• Mit Geoindizes können Sie nicht nur Geodaten speichern,
sondern auch die Entfernung zwischen zwei Punkten in Ihre
Suchvorgänge einbeziehen
12. Juli 2016, 14:00 Uhr MESZ