Migrating Data from MongoDB to Couchbase, Part 2

프롤로그

그리고 이전 기사 에서 MongoDB 데이터 세트를 Couchbase Server로 마이그레이션하는 방법에 대한 자세한 내용을 제공했습니다. 이 문서에서는 Couchbase SDK를 사용하여 Java 콘솔 애플리케이션을 통해 데이터에 액세스하는 방법을 보여줍니다. 코드 스니펫은 Couchbase 클러스터에 연결하고, 키/값 연산을 수행하고, N1QL 쿼리를 통해 보조 조회를 실행하는 방법을 Mongo Java SDK에서 동일한 작업을 수행하는 해당 코드와 함께 나란히 보여 줍니다.

이 블로그의 모든 코드는 다음 Git 리포지토리에서 사용할 수 있습니다: 몽고DB-카우치베이스.

전제 조건

의 세부 정보에 따라 데이터 세트가 포함된 Couchbase 클러스터입니다. 이전 기사.

애플리케이션 사용자 만들기

클라이언트(애플리케이션)가 Couchbase Server 클러스터에 연결하려면 먼저 클라이언트에서 인증에 사용할 애플리케이션 사용자를 정의해야 합니다. Couchbase 역할 기반 액세스 제어 를 사용하면 사용자를 정의하고 적절한 역할을 할당할 수 있습니다. 웹 콘솔을 사용하여 다음과 같은 애플리케이션 사용자를 만듭니다. 엠플릭스_클라이언트 를 다음과 같이 설정합니다.

로 이동합니다. 보안 섹션에서 웹 콘솔의 사용자 추가:

구성 엠플릭스_클라이언트 사용자를 다음과 같이 설정하고 사용자 추가:

사용자 이름: 엠플릭스_클라이언트
비밀번호비밀번호(또는 원하는 비밀번호)를 입력합니다.
비밀번호 확인다음과 동일 비밀번호 값을 설정합니다.
역할: 확장 sample_mflix 섹션에서 애플리케이션 액세스. . 애플리케이션 액세스 역할 샘플_mflix 버킷의 모든 데이터에 대한 전체 읽기 및 쓰기 권한을 갖습니다. 이 역할은 사용자가 아닌 애플리케이션을 위한 것으로, Couchbase 웹 콘솔에 대한 액세스는 허용하지 않습니다.

에서 보안 섹션에 새 mflix_client 사용자가 표시됩니다:

N1QL 쿼리에 대한 인덱스 생성

보조 색인 는 MongoDB의 인덱스처럼 쿼리(또는 보조 조회)의 효율적인 실행을 지원합니다. 이 문서의 코드 샘플은 다음을 실행합니다. N1QL 쿼리 두 개의 인덱스를 사용하는 N1QL 쿼리를 실행하여 생성할 수 있습니다. 인덱스의 쿼리 섹션으로 이동합니다:

첫 번째 인덱스는 sample_mflix 버킷에 있는 모든 댓글 문서의 이름 속성에 있습니다. 다음 N1QL 문을 쿼리 편집기:

CREATE INDEX idx1 on sample_mflix(name) WHERE type="comment"

1	만들기 INDEX idx1 on sample_mflix(이름) 어디 유형="댓글"

클릭 실행 그리고 잠시 후 인덱스 생성 가 완료되었습니다:

두 번째 인덱스는 sample_mflix 버킷에 있는 모든 영화 문서의 연도, imdb.rating, 제목 속성에 대한 인덱스입니다. 다음 N1QL 문을 쿼리 편집기:

CREATE INDEX idx2 on sample_mflix(year, imdb.rating, title) WHERE type="movie"

1	만들기 INDEX idx2 on sample_mflix(년, imdb.평가, title) 어디 유형="movie"

클릭 실행 를 입력하면 잠시 후 인덱스 생성이 완료됩니다:

로 이동합니다. 색인 섹션에서 인덱스가 있는지 확인합니다. idx1 & idx2 존재합니다:

MongoDB API 호출을 Couchbase API 호출로 변환하기

이 문서의 샘플 코드는 Couchbase 및 MongoDB Java SDK를 사용하며 일부 SDK API를 사용하는 방법의 예시로만 제공됩니다. 해당 언어의 Couchbase SDK 설명서 전문은 다음 링크를 참조하세요:

카우치베이스 서버에 연결

클러스터 리소스에 액세스하려면 클라이언트는 다음을 수행해야 합니다. 인증 에 적절한 자격 증명을 전달하여 인증합니다. 샘플 코드는 위에서 생성한 mflix_client 애플리케이션 사용자 자격 증명을 사용하여 인증합니다.

다음 코드 샘플은 지정된 노드에서 실행 중인 Couchbase 클러스터에 연결하고, mflix_client 버킷에 대한 참조와 해당 버킷의 기본 컬렉션에 대한 참조를 가져옵니다.

카우치베이스

Cluster cluster = Cluster.connect("127.0.0.1", "mflix_client", "password");
Bucket bucket = cluster.bucket("sample_mflix");
Collection collection = bucket.defaultCollection();

클러스터 클러스터 = 클러스터.연결("127.0.0.1", "mflix_client", "비밀번호");

버킷 버킷 = 클러스터.버킷("sample_mflix");

컬렉션 컬렉션 = 버킷.기본 컬렉션();

MongoDB

MongoClient mongoClient = MongoClients.create("mongodb+srv://<user>:<password>@<host>/<database> ");
MongoDatabase mongoDatabase = mongoClient.getDatabase("sample_mflix");
MongoCollection<Document> comments = mongoDatabase.getCollection("comments");
MongoCollection<Document> movies = mongoDatabase.getCollection("movies");

몽고클라이언트 몽고클라이언트 = 몽고클라이언트.create("mongodb+srv://:@/ ");

몽고 데이터베이스 몽고 데이터베이스 = 몽고클라이언트.getDatabase("sample_mflix");

몽고컬렉션<Document> 댓글 = 몽고 데이터베이스.getCollection("댓글");

몽고컬렉션<Document> 영화 = 몽고 데이터베이스.getCollection("영화");

ID로 문서 검색

사용 Collection.get() 메서드를 전체 문서 검색 를 검색합니다. 다음 코드 샘플은 sample_mflix 버킷 기본 컬렉션에서 두 개의 문서를 검색합니다.

카우치베이스

// get() will throw an exception if a document with the specified ID does not exist
GetResult comment = collection.get("comment:5a9427648b0beebeb69579cc");
System.out.println(comment.contentAsObject());

GetResult movie = collection.get("movie:573a1390f29313caabcd4135");
System.out.println(movie.contentAsObject());

// get()은 지정된 ID를 가진 문서가 존재하지 않으면 예외를 발생시킵니다.

GetResult 댓글 = 컬렉션.get("comment:5a9427648b0beebeb69579cc");

시스템.out.println(댓글.contentAsObject());

GetResult 영화 = 컬렉션.get("movie:573a1390f29313caabcd4135");

시스템.out.println(영화.contentAsObject());

MongoDB

comments.find(Filters.eq("_id", new ObjectId("5a9427648b0beebeb69579cc")));
movies.find(Filters.eq("_id", new ObjectId("573a1390f29313caabcd4135")));

1 2	댓글.찾기(필터.eq("_id", new ObjectId("5a9427648b0beebeb69579cc"))); 영화.찾기(필터.eq("_id", new ObjectId("573a1390f29313caabcd4135")));

새 문서 삽입

사용 Collection.insert() 메서드를 새 문서 만들기 가 아직 존재하지 않는 경우 지정된 ID 및 콘텐츠로 채워집니다. 다음 코드 샘플은 sample_mflix 버킷 기본 컬렉션에 이 문서를 삽입합니다:

{
  "name":"Anat Chase",
  "email":"anat_chase@fakegmail.com",
  "movie_id":"movie:573a1390f29313caabcd4135",
  "text":"This is Anat's review",
  "type":"comment"
}

{

"name":"아나트 체이스",

"이메일":"anat_chase@fakegmail.com",

"movie_id":"movie:573a1390f29313caabcd4135",

"text":"아나트의 리뷰입니다",

"type":"댓글"

}

카우치베이스

JsonObject doc = JsonObject.create()
  .put("name", "Anat Chase")
  .put("email", "anat_chase@fakegmail.com")
  .put("movie_id", "movie:573a1390f29313caabcd4135")
  .put("text", "This is Anat's review")
  .put("type", "comment");

// insert() will throw an exception if a document with the specified ID already exists
collection.insert("comment:5a9427648b0beebeb69579c0", doc);

JsonObject doc = JsonObject.create()

.put("name", "아나트 체이스")

.put("이메일", "anat_chase@fakegmail.com")

.put("movie_id", "movie:573a1390f29313caabcd4135")

.put("text", "아나트의 리뷰입니다")

.put("type", "댓글");

// insert()는 지정된 ID를 가진 문서가 이미 존재하는 경우 예외를 발생시킵니다.

컬렉션.삽입("comment:5a9427648b0beebeb69579c0", doc);

MongoDB

Document doc = new Document("_id", new ObjectId("5a9427648b0beebeb69579c0"))
  .append("name", "Anat Chase")
  .append("email", "anat_chase@fakegmail.com")
  .append("movie_id", new ObjectId("573a1390f29313caabcd4135"))
  .append("text", "This is Anat's review");

comments.insertOne(doc);

문서 doc = new 문서("_id", new ObjectId("5a9427648b0beebeb69579c0"))

.추가("name", "아나트 체이스")

.추가("이메일", "anat_chase@fakegmail.com")

.추가("movie_id", new ObjectId("573a1390f29313caabcd4135"))

.추가("text", "아나트의 리뷰입니다");

댓글.insertOne(doc);

여러 개의 새 문서 삽입

일괄 처리 작업 를 사용하면 네트워크 처리량을 늘리고 지연 시간을 줄임으로써 네트워크 활용도를 높이고 애플리케이션 속도를 높일 수 있습니다. 일괄 처리 작업은 다음과 같이 작동합니다. 파이프라인 요청을 네트워크를 통해 전송합니다. 요청이 파이프라인으로 전송되면 하나의 큰 그룹으로 클러스터로 전송됩니다. 클러스터는 차례로 파이프라인 응답을 클라이언트에 다시 보냅니다.

다음 코드 샘플은 이 접근 방식을 사용하여 sample_mflix 버킷에 두 개의 새 문서를 삽입합니다.

카우치베이스

// Create two JSON documents
List<Tuple2<String, JsonObject>> documents = new ArrayList<Tuple2<String, JsonObject>>();
doc = JsonObject.create()
  .put("name", "Anat Chase")
  .put("email", "anat_chase@fakegmail.com")
  .put("movie_id", "movie:573a1390f29313caabcd42e8")
  .put("text", "This is Anat's review")
  .put("type", "comment");
documents.add(Tuples.of("comment:5a9427648b0beebeb69579c1", doc));

JsonObject doc2 = JsonObject.create()
  .put("name", "Anat Chase")
  .put("email", "anat_chase@fakegmail.com")
  .put("movie_id", "movie:573a1390f29313caabcd4323")
  .put("text", "This is Anat's review")
  .put("type", "comment");
documents.add(Tuples.of("comment:5a9427648b0beebeb69579c2", doc2));

// Insert the 2 documents in one batch, waiting until the last one is done.
// insert() will throw an exception if a document with the specified ID already exists
Flux
  .fromIterable(documents)
    .parallel().runOn(Schedulers.elastic())
    .concatMap(doc3 -> reactiveCollection.insert(doc3.getT1(), doc3.getT2())
      .onErrorResume(e -> Mono.error(new Exception(doc3.getT1(), e))))
    .sequential().collectList().block();

// 두 개의 JSON 문서 생성

목록<Tuple2<문자열, JsonObject>> 문서 = new ArrayList<Tuple2<문자열, JsonObject>>();

doc = JsonObject.create()

.put("name", "아나트 체이스")

.put("이메일", "anat_chase@fakegmail.com")

.put("movie_id", "movie:573a1390f29313caabcd42e8")

.put("text", "아나트의 리뷰입니다")

.put("type", "댓글");

문서.추가(튜플.의("comment:5a9427648b0beebeb69579c1", doc));

JsonObject doc2 = JsonObject.create()

.put("name", "아나트 체이스")

.put("이메일", "anat_chase@fakegmail.com")

.put("movie_id", "movie:573a1390f29313caabcd4323")

.put("text", "아나트의 리뷰입니다")

.put("type", "댓글");

문서.추가(튜플.의("comment:5a9427648b0beebeb69579c2", doc2));

// 마지막 문서가 완료될 때까지 기다리면서 2개의 문서를 한꺼번에 삽입합니다.

// insert()는 지정된 ID를 가진 문서가 이미 존재하는 경우 예외를 발생시킵니다.

플럭스

.에서이터러블(문서)

.병렬().runOn(스케줄러.탄력적())

.concatMap(doc3 -> 반응형 컬렉션.삽입(doc3.getT1(), doc3.getT2())

.onErrorResume(e -> Mono.오류(new 예외(doc3.getT1(), e))))

.순차적().collectList().블록();

MongoDB

List<Document> documents = new ArrayList<Document>();
Document doc1 = new Document("_id", new ObjectId("5a9427648b0beebeb69579c1"))
  .append("name", "Anat Chase")
  .append("email", "anat_chase@fakegmail.com")
  .append("movie_id", new ObjectId("573a1390f29313caabcd42e8"))
  .append("text", "This is Anat's review");
documents.add(doc1); 

Document doc2 = new Document("_id", new ObjectId("5a9427648b0beebeb69579c2"))
  .append("name", "Anat Chase")
  .append("email", "anat_chase@fakegmail.com")
  .append("movie_id", new ObjectId("573a1390f29313caabcd4323"))
  .append("text", "This is Anat's review");
documents.add(doc2);

comments.insertMany(documents);

목록<Document> 문서 = new ArrayList<Document>();

문서 doc1 = new 문서("_id", new ObjectId("5a9427648b0beebeb69579c1"))

.추가("name", "아나트 체이스")

.추가("이메일", "anat_chase@fakegmail.com")

.추가("movie_id", new ObjectId("573a1390f29313caabcd42e8"))

.추가("text", "아나트의 리뷰입니다");

문서.추가(doc1);

문서 doc2 = new 문서("_id", new ObjectId("5a9427648b0beebeb69579c2"))

.추가("name", "아나트 체이스")

.추가("이메일", "anat_chase@fakegmail.com")

.추가("movie_id", new ObjectId("573a1390f29313caabcd4323"))

.추가("text", "아나트의 리뷰입니다");

문서.추가(doc2);

댓글.insertMany(문서);

기존 문서 업데이트

사용 Collection.replace() 메서드를 기존 문서 업데이트 가 이미 존재하는 경우에만 지정된 ID를 사용합니다. 카우치베이스 지원 하위 문서 작업 에 효율적으로 액세스하는 데 사용할 수 있습니다. 부품 문서 수를 줄일 수 있습니다. 하위 문서 작업은 다음보다 더 빠르고 네트워크 효율이 높을 수 있습니다. 전체 문서 작업은 네트워크를 통해 문서의 액세스된 부분만 전송하기 때문입니다. 전체 문서 및 하위 문서 작업은 원자적이어서 동시성 제어 기능이 내장된 문서를 안전하게 수정할 수 있습니다.

다음 코드 샘플은 하위 문서 작업을 사용하여 지정된 문서의 텍스트 속성을 업데이트합니다.

카우치베이스

// Update a document using the sub-document API to modify the specific attribute(s)
// replace() will throw an exception if a document with the specified ID does not exist
collection.mutateIn(
  "comment:5a9427648b0beebeb69579c0",
  Arrays.asList(replace("text", "This is not Anat's review")));

// 하위 문서 API를 사용하여 문서를 업데이트하여 특정 속성을 수정합니다.

// replace()는 지정된 ID의 문서가 존재하지 않으면 예외를 발생시킵니다.

컬렉션.mutateIn(

"comment:5a9427648b0beebeb69579c0",

배열.asList(대체("text", "이것은 Anat의 리뷰가 아닙니다.")));

MongoDB

comments.updateOne(
  Filters.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")),
  Updates.combine(Updates.set("text", "")));

댓글.updateOne(

필터.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")),

업데이트.결합(업데이트.set("text", "")));

여러 문서 업데이트

키/값 API를 통한 기본 액세스 외에도 다음을 수행할 수 있습니다. N1QL 쿼리 실행 N1QL API를 통해 N1QL 은 JSON 데이터를 쿼리, 변환, 조작하기 위한 선언적 언어입니다(JSON용 SQL이라고 생각하시면 됩니다).

다음 코드 샘플은 N1QL 쿼리를 실행하여 이름이 Anat Chase인 모든 댓글 문서의 이름 및 이메일 속성을 업데이트합니다. 이 쿼리는 idx1 인덱스를 생성합니다.

카우치베이스

// execute a N1QL UPDATE query via the query API
String statement =
  "UPDATE sample_mflix " +
  "SET name='Anita Chase', email='anita_chase@fakegmail.com' " +
  "WHERE type='comment' AND name='Anat Chase'";
QueryResult updateResult = cluster.query(statement);

// 쿼리 API를 통해 N1QL 업데이트 쿼리를 실행합니다.

문자열 문 =

"업데이트 샘플_mflix " +

"SET name='Anita Chase', email='anita_chase@fakegmail.com' " +

"WHERE type='comment' AND name='Anat Chase'";

QueryResult 업데이트 결과 = 클러스터.쿼리(문);

MongoDB

comments.updateMany(
  Filters.eq("name", "Anat Chase"),
  Updates.combine(
    Updates.set("name", "Anita Chase"),
    Updates.set("email", "anita_chase@fakegmail.com")));

댓글.updateMany(

필터.eq("name", "아나트 체이스"),

업데이트.결합(

업데이트.set("name", "아니타 체이스"),

업데이트.set("이메일", "anita_chase@fakegmail.com")));

문서 업데이트 또는 삽입

사용 Collection.upsert() 메서드를 문서가 없는 경우 삽입하고, 있는 경우 대체합니다.. 지정된 ID를 가진 문서가 없는 경우 upsert()는 새 문서를 만듭니다. 지정된 ID를 가진 문서가 존재하면 upsert()는 기존 문서를 업데이트합니다. 다음 코드 샘플은 sample_mflix 버킷에 있는 기존 문서를 업데이트합니다.

카우치베이스

doc = JsonObject.create()
  .put("name", "Mia Hannas")
  .put("email", "mia_hannas@fakegmail.com")
  .put("movie_id", "movie:573a1390f29313caabcd4135")
  .put("text", "This is Mia's review")
  .put("type", "comment");

// upsert() will update the document if it exists or insert the document if it does not exist
collection.upsert("comment:5a9427648b0beebeb69579c0", doc);

doc = JsonObject.create()

.put("name", "미아 한나스")

.put("이메일", "mia_hannas@fakegmail.com")

.put("movie_id", "movie:573a1390f29313caabcd4135")

.put("text", "미아의 리뷰입니다")

.put("type", "댓글");

// upsert()는 문서가 있으면 문서를 업데이트하고 문서가 없으면 삽입합니다.

컬렉션.업서트("comment:5a9427648b0beebeb69579c0", doc);

MongoDB

collection.replaceOne(
  Filters.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")),
  new Document("name", "Mia Hannas")
    .append("email", "mia_hannas@fakegmail.com")
    .append("movie_id", new ObjectId("573a1390f29313caabcd4135"))
    .append("text", "This is Mia's review"),
  new UpdateOptions().upsert(true));

컬렉션.replaceOne(

필터.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")),

new 문서("name", "미아 한나스")

.추가("이메일", "mia_hannas@fakegmail.com")

.추가("movie_id", new ObjectId("573a1390f29313caabcd4135"))

.추가("text", "미아의 리뷰입니다"),

new 업데이트 옵션().업서트(true));

문서 삭제

사용 Collection.remove() 메서드를 전체 문서 제거 버킷에 지정된 ID를 추가합니다. 다음 코드 샘플은 sample_mflix 버킷에서 기존 문서를 삭제합니다.

카우치베이스

// remove() will throw an exception if the document does not exist
collection.remove("comment:5a9427648b0beebeb69579c0");

1 2	// remove()는 문서가 존재하지 않으면 예외를 던집니다. 컬렉션.제거("comment:5a9427648b0beebeb69579c0");

MongoDB

collection.deleteOne(Filters.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")));

1	컬렉션.deleteOne(필터.eq("_id", new ObjectId("5a9427648b0beebeb69579c0")));

여러 문서 삭제

N1QL 쿼리를 사용하여 문서를 삭제할 수도 있습니다. 다음 코드 샘플은 샘플_mflix 버킷에서 여러 문서를 삭제하기 위해 N1QL 쿼리를 실행합니다. 이름이 Anita Chase인 모든 댓글 문서가 삭제됩니다. 이 쿼리는 idx1 인덱스를 생성합니다.

카우치베이스

// execute a N1QL DELETE query via the query API
String statement = "DELETE FROM sample_mflix " +
  "WHERE type='comment' AND name='Anita Chase'";

QueryResult deleteResult = cluster.query(statement);

// 쿼리 API를 통해 N1QL DELETE 쿼리를 실행합니다.

문자열 문 = "DELETE FROM sample_mflix " +

"WHERE type='comment' AND name='Anita Chase'";

QueryResult 삭제 결과 = 클러스터.쿼리(문);

MongoDB

comments.deleteMany(Filters.eq("name", "Anita Chase"));

1	댓글.deleteMany(필터.eq("name", "아니타 체이스"));

N1QL을 사용한 데이터 액세스

N1QL은 데이터의 보다 복잡한 2차 조회를 수행하는 데에도 사용할 수 있습니다. 다음 코드 샘플은 연도가 1970년에서 1979년 사이인 모든 영화 문서에서 제목, 연도 및 imdb.rating을 선택하기 위해 차단 N1QL 쿼리를 실행합니다(imdb.rating에 따라 정렬). 이 쿼리는 idx2 인덱스를 생성합니다.

다음과 유사 반응형 키/값 작업 일괄 처리, 반응형 및 비동기 쿼리 를 사용하여 성능을 향상시켜야 합니다.

카우치베이스

// execute a N1QL SELECT query (blocking) via the query API
String selectStatement = "SELECT title, year, imdb.rating FROM sample_mflix " +
  "WHERE type='movie' AND year BETWEEN 1970 AND 1979 ORDER BY imdb.rating DESC";

final QueryResult selectResult = cluster.query(selectStatement);
for (JsonObject row : selectResult.rowsAsObject()) {
  System.out.println(row.toString());
}

// 쿼리 API를 통해 N1QL SELECT 쿼리 실행(차단)

문자열 선택문 = "SELECT title, year, imdb.rating FROM sample_mflix " +

"WHERE type='movie' AND 연도 1970년과 1979년 사이 ORDER BY imdb.rating DESC";

final QueryResult selectResult = 클러스터.쿼리(선택문);

에 대한 (JsonObject 행 : selectResult.rowsAsObject()) {

시스템.out.println(행.toString());

}

MongoDB

movies.find(Filters.and(Filters.gte("year", 1970), Filters.lte("year", 1979)))
  .sort(Sorts.descending("imdb.rating"))
  .projection(Projections.fields(
    Projections.include("title", "year", "imdb.rating"),
    Projections.excludeId()));

영화.찾기(필터.그리고(필터.gte("year", 1970), 필터.lte("year", 1979)))

.정렬(정렬.내림차순("imdb.rating"))

.프로젝션(투영.필드(

투영.포함("title", "year", "imdb.rating"),

투영.excludeId()));

다음 단계

다음을 포함한 Couchbase SDK의 다른 기능에 대해 알아보세요. 분석 그리고 전체 텍스트 검색. 다음에서 제공되는 무료 온라인 교육을 활용하세요. https://learn.couchbase.com 를 클릭하여 Couchbase에 대해 자세히 알아보세요.

MongoDB에 비해 Couchbase 데이터 플랫폼의 아키텍처적 장점에 대한 자세한 내용은 이 문서를 참조하세요: 카우치베이스: 모든 면에서 몽고DB보다 나은 카우치베이스.

다른 기업들이 MongoDB 대신 Couchbase를 선택하는 이유를 알아보세요:

Douglas Bonser, 수석 솔루션 엔지니어, Couchbase

Platform

Self-Managed

Services

Capabilities

Why Couchbase?

Migrate to Capella

By Use Case

By Industry

By Application Need

Popular Docs

By Developer Role

COMMUNITY

Join the Developer Community

Resource Center

Education

Compare

About

Partnerships

Our Services

Partners: Register a Deal

Ready to register a deal with Couchbase?

Marriott

모든 게시물

MongoDB에서 Couchbase로 데이터 마이그레이션하기, 2부

프롤로그

전제 조건

애플리케이션 사용자 만들기

N1QL 쿼리에 대한 인덱스 생성

MongoDB API 호출을 Couchbase API 호출로 변환하기

카우치베이스 서버에 연결

ID로 문서 검색

새 문서 삽입

여러 개의 새 문서 삽입

기존 문서 업데이트

여러 문서 업데이트

문서 업데이트 또는 삽입

문서 삭제

여러 문서 삭제

N1QL을 사용한 데이터 액세스

다음 단계

작성자

게시자 Douglas Bonser, 수석 솔루션 엔지니어, Couchbase

댓글 남기기 응답 취소