![\"\"](\"https:\/\/www.couchbase.com\/blog\/wp-content\/uploads\/2018\/07\/Screen-Shot-2018-07-13-at-1.24.12-PM-300x157.png\")
<\/p>\n<\/p>\n
\u00c0 medida que os bancos de dados NoSQL evolu\u00edram, cada um deles adicionou APIs ou linguagens de n\u00edvel superior para ajudar os programadores a fazer coisas complexas com facilidade. O SQL, tendo feito isso com os dados relacionais, mostrou o caminho. No SQL, os desenvolvedores dizem O QUE precisa ser feito e o mecanismo do banco de dados descobre COMO. HOW \u00e9 o procedimento\/algoritmo eficiente para executar a instru\u00e7\u00e3o. <\/span>Selecionar, unir e projetar s\u00e3o as opera\u00e7\u00f5es b\u00e1sicas de processamento do SQL. Mesmo em sistemas NoSQL, quando voc\u00ea modela os dados sem muita normaliza\u00e7\u00e3o, ainda \u00e9 necess\u00e1rio unir uma cole\u00e7\u00e3o de objetos. Clientes com pedidos, pedidos com estoque, estoque com fornecedores, fornecedores com cr\u00e9ditos e assim por diante. Por isso, o Couchbase N1QL oferece suporte a opera\u00e7\u00f5es de uni\u00e3o desde sua primeira vers\u00e3o. Depois disso, o MongoDB, na vers\u00e3o 3.2, adicionou o operador $lookup \u00e0 estrutura de agrega\u00e7\u00e3o para executar as opera\u00e7\u00f5es de uni\u00e3o. <\/span><\/p>\n Sem um recurso de consulta expressivo e de alto desempenho, os desenvolvedores de aplicativos precisam fazer isso dentro do aplicativo ou exportar os dados para um sistema que fa\u00e7a isso. Ambas as propostas s\u00e3o caras. <\/span><\/p>\n Neste artigo, compararemos o Couchbase com o MongoDB e suas diferentes abordagens para unir documentos JSON. Especificamente, faremos um estudo comparativo entre o uso de uni\u00f5es para cole\u00e7\u00f5es do MongoDB e como podemos execut\u00e1-las no Couchbase. As uni\u00f5es n\u00e3o s\u00e3o compat\u00edveis com o Cassandra CQL e o DynamoDB nativamente. Os desenvolvedores precisam fazer o trabalho por conta pr\u00f3pria ou usar outras camadas, como Spark ou Amazon EMR, para obter o mesmo resultado. Portanto, n\u00e3o abordaremos esse assunto neste artigo<\/span>.<\/span><\/p>\n Uni\u00f5es no Couchbase<\/span><\/p>\n O Couchbase introduziu as uni\u00f5es INNER e LEFT OUTER a partir do Couchbase 4.0 (2015). Isso oferece suporte a uni\u00f5es em um relacionamento filho para pai. Documentos filhos (por exemplo, pedidos) podem ser unidos a documentos pais (por exemplo, cliente). Na vers\u00e3o 4.5 (2016), o Couchbase introduziu <\/span>uni\u00f5es de \u00edndices<\/span><\/a> para consultar as uni\u00f5es de pai para filho. Em ambos os casos, havia um valor de atributo impl\u00edcito para o predicado de igualdade de chave de documento, especificado pela cl\u00e1usula ON KEY. \u00a0<\/span><\/p>\n O Couchbase 5.5 tem SQL padr\u00e3o ANSI estendido para JSON. Ele suporta INNER JOIN, LEFT OUTER JOIN e RIGHT OUTER join limitado. Usaremos exemplos baseados no Couchbase 5.5.<\/span><\/p>\n A documenta\u00e7\u00e3o do Couchbase se une: <\/span>https:\/\/developer.couchbase.com\/documentation\/server\/5.5\/n1ql\/n1ql-language-reference\/from.html<\/span><\/a><\/p>\n Uni\u00f5es e cole\u00e7\u00f5es do MongoDB:<\/span><\/p>\n As uni\u00f5es s\u00e3o compat\u00edveis com o operador $lookup dentro da estrutura de agrega\u00e7\u00e3o. <\/span><\/p>\n Veja a seguir trechos da documenta\u00e7\u00e3o do MongoDB.<\/span><\/p>\n Novo na vers\u00e3o 3.2.<\/span><\/i><\/p>\n Executa uma jun\u00e7\u00e3o externa esquerda com uma cole\u00e7\u00e3o n\u00e3o fragmentada no <\/span>mesmo<\/span><\/i> para filtrar os documentos da cole\u00e7\u00e3o \"unida\" para processamento. Para cada documento de entrada, o <\/span>$lookup<\/span><\/a> adiciona um novo campo de matriz cujos elementos s\u00e3o os documentos correspondentes da cole\u00e7\u00e3o \"joined\". A etapa <\/span>$lookup<\/span><\/a> passa esses documentos reformulados para o pr\u00f3ximo est\u00e1gio.<\/span><\/p>\n Eliot Horowitz, CTO do MongoDB, <\/span>disse<\/span><\/a>: \"A agrega\u00e7\u00e3o do MongoDB \u00e9 semelhante ao pipeline do Unix. A sa\u00edda de um est\u00e1gio vai para outro.... [\u00e9] muito processual. Permite que voc\u00ea pense de uma forma muito processual.\"<\/span><\/p>\n MongoDB $lookup : <\/span>https:\/\/docs.mongodb.com\/manual\/reference\/operator\/aggregation\/lookup\/<\/span><\/a><\/p>\n Interessado em saber mais sobre JOINs? Leia o artigo de Lukas Eder. https:\/\/dzone.com\/articles\/a-probably-incomplete-comprehensive-guide-to-the-many-different-ways-to-join-tables-in-sql<\/a><\/strong><\/p>\n Compara\u00e7\u00e3o de alto n\u00edvel entre o Couchbase N1Ql e o MongoDB.<\/span><\/p>\n Couchbase N1QL: Oferece suporte a INNER JOIN, LEFT OUTER JOIN e RIGHT OUTER JOIN limitado. A linguagem de consulta, como o SQL, \u00e9 declarativa. Os desenvolvedores escrevem e as ferramentas geram a consulta de acordo com a sintaxe N1QL. O mecanismo descobre o plano e executa a consulta.<\/span><\/p>\n MongoDB: oferece suporte a LEFT OUTER JOIN somente para valores escalares. O design das jun\u00e7\u00f5es na linguagem de consulta do MongoDB \u00e9 feito para ajudar a escrever a consulta e processar os dados de forma processual.\u00a0<\/span><\/p>\n Implica\u00e7\u00f5es<\/span>:<\/span> <\/span><\/p>\n Exemplos:<\/strong> <\/span><\/p>\n Usamos o modelo e os dados simples de amostra de viagem. Aqui est\u00e3o os detalhes dos dados do modelo. <\/span>https:\/\/developer.couchbase.com\/documentation\/server\/4.5\/travel-app\/travel-app-data-model.html<\/span><\/a><\/p>\n Simplesmente exportamos os dados do Couchbase e os importamos para um banco de dados Mongo chamado travel-sample. No MongoDB, os 5 tipos diferentes de documento (ponto de refer\u00eancia, rota, companhia a\u00e9rea, aeroporto, hotel) s\u00e3o armazenados em 5 cole\u00e7\u00f5es com seus respectivos nomes.<\/span><\/p>\n Exemplo 1<\/span>: LEFT OUTER JOIN com a cl\u00e1usula ON em valores escalares.<\/span><\/span><\/p>\n Couchbase N1QL<\/span><\/p>\n Consulta ao MongoDB<\/span><\/p>\n Observa\u00e7\u00f5es:<\/span><\/p>\n Essa \u00e9 uma consulta de uni\u00e3o externa \u00e0 esquerda bastante simples que une duas cole\u00e7\u00f5es e, em seguida, simplesmente conta o n\u00famero total de documentos produzidos. Observe que, diferentemente do N1QL (e do SQL), no MongoDB, voc\u00ea ainda precisa agrupar o conjunto de resultados para obter a contagem, mesmo que tenha um \u00fanico grupo.<\/p>\n Exemplo 2: Liste os aeroportos e pontos de refer\u00eancia na mesma cidade, ordenados pelos aeroportos.<\/span><\/p>\n Couchbase N1QL:<\/span><\/p>\n MongoDB:<\/span><\/p>\n Observa\u00e7\u00f5es:<\/span><\/p>\n Como esperado, a consulta de jun\u00e7\u00e3o do MongoDB \u00e9 processual e voc\u00ea precisa entender o plano de execu\u00e7\u00e3o e escrever o c\u00f3digo para cada est\u00e1gio.<\/p>\n Exemplo 3: partindo de S\u00e3o Francisco, encontre todos os aeroportos de destino (aqueles que t\u00eam rotas a partir de SFO).<\/span><\/p>\n Couchbase N1QL<\/span><\/p>\n MongoDB:<\/span><\/p>\n Observa\u00e7\u00f5es:<\/span><\/p>\n Exemplo 4: Encontre todos os hot\u00e9is e pontos de refer\u00eancia em Yosemite. Os hot\u00e9is devem ter <\/span>m\u00ednimo 5 curtidas.<\/span><\/p>\n Couchbase N1QL<\/span><\/p>\n MongoDB:<\/span><\/p>\n Observa\u00e7\u00e3o:<\/span><\/p>\n Exemplo 5: Encontre todos os hot\u00e9is e pontos de refer\u00eancia em Yosemite. Os hot\u00e9is devem ter pelo menos 5 curtidas.<\/span><\/p>\n Esse exemplo \u00e9 igual ao Exemplo 4, mas mais r\u00e1pido!<\/p>\n Couchbase N1QL<\/span><\/p>\n Observa\u00e7\u00e3o:<\/span><\/p>\n O m\u00e9todo de jun\u00e7\u00e3o padr\u00e3o no Couchbase N1QL \u00e9 a jun\u00e7\u00e3o de loop aninhado. Isso funciona bem quando voc\u00ea tem um n\u00famero menor de documentos envolvidos em cada lado da uni\u00e3o. Quando voc\u00ea tem um conjunto de dados maior, normalmente em consultas de relat\u00f3rios, a jun\u00e7\u00e3o de loop aninhado fica mais lenta. O Couchbase N1QL tem jun\u00e7\u00f5es de hash e isso acelera significativamente as jun\u00e7\u00f5es. Quando cada lado da uni\u00e3o tem de milhares a milh\u00f5es de documentos, o aumento de velocidade pode ser de 2x a 20x ou mais. Veja a se\u00e7\u00e3o blog detalhado do Couchbase<\/a> sobre jun\u00e7\u00f5es ANSI para obter mais informa\u00e7\u00f5es.<\/p>\n Com base na documenta\u00e7\u00e3o e no plano de explica\u00e7\u00e3o, n\u00e3o est\u00e1 claro qual m\u00e9todo de jun\u00e7\u00e3o o MongoDB usa. Alguns blogs indicam que eles usaram uma jun\u00e7\u00e3o de loop aninhado para implementar o operador $lookup.<\/p>\n Resumo:<\/strong><\/p>\n <\/p>\n
\n
\n\n
SELECT count(*)\r\nFROM `travel-sample` route\r\n LEFT OUTER JOIN `travel-sample` airline\r\n ON (route.airlineid = META(airline).id)\r\nWHERE route.type = 'route';\r\n<\/pre>\n
db.route.aggregate([\r\n {\r\n $lookup:\r\n {\r\n from:\"airline\",\r\n localField: \"airlineid\",\r\n foreignField: \"_id\",\r\n as: \"airline_docs\"\r\n }\r\n },\r\n { $group: { _id: null, myCount: { $sum: 1 } } },\r\n { $project: { _id: 0 } }\r\n ]);\r\n<\/pre>\nSELECT landmark.name AS Landmark_Name,\r\n MIN(airport.airportname) AS Airport_Name,\r\n MIN(airport.tz) AS Landmark_Time\r\nFROM `travel-sample` airport INNER JOIN `travel-sample` landmark\r\n ON airport.city = landmark.city\r\nWHERE landmark.country = \"United States\"\r\n AND airport.type = \"airport\"\r\n AND landmark.type = \"landmark\"\r\nGROUP BY landmark.name\r\nORDER BY Airport_Name\r\n<\/pre>\n
db.airport.aggregate([\r\n {\r\n $lookup:\r\n {\r\n from:\"landmark\",\r\n localField: \"city\",\r\n foreignField: \"city\",\r\n as: \"aplm_docs\"\r\n }\r\n },\r\n {\r\n $match: {\"airline_docs\": {$ne: []}}\r\n },\r\n { $unwind: { path: \"$aplm_docs\", preserveNullAndEmptyArrays: true }},\r\n { $group: {\r\n _id: \"$aplm_docs.name\",\r\n Airport_Name: { $min: \"$airportname\" } ,\r\n Landmark_Time: { $min: \"$tz\"}\r\n }\r\n },\r\n { $sort : { Airport_Name: 1 } },\r\n { $project: { _id: 1, Airport_Name:1, Landmark_Time:1 } }\r\n ]);\r\n<\/pre>\n\n
SELECT DISTINCT route.destinationairport\r\nFROM `travel-sample` airport JOIN `travel-sample` route\r\n ON (airport.faa = route.sourceairport AND route.type = \"route\")\r\nWHERE airport.type = \"airport\"\r\n AND airport.city = \"San Francisco\"\r\n AND airport.country = \"United States\"\r\nORDER BY route.destinationairport\r\n<\/pre>\n
db.airport.aggregate([\r\n {\r\n $match: {\r\n $and: [\r\n {\"type\": \"airport\"},\r\n { city: \"San Francisco\"},\r\n { \"country\": \"United States\"}\r\n ]\r\n }\r\n },\r\n {\r\n $lookup:\r\n {\r\n from:\"route\",\r\n let: { rfaa : \"$faa\"},\r\n pipeline: [\r\n { $match:\r\n { $expr:\r\n { $and:\r\n [\r\n { $eq: [\"$sourceairport\", \"$$rfaa\"]} ,\r\n { $eq: [\"$type\", \"route\"] }\r\n ]\r\n\r\n }\r\n }\r\n }\r\n ],\r\n as: \"airline_docs\"\r\n }\r\n },\r\n { $match: {\"airline_docs\": {$ne: []}} },\r\n { $unwind: { path: \"$airline_docs\", preserveNullAndEmptyArrays: true }},\r\n { $project: { _id:0, \"airline_docs.destinationairport\" : 1 }},\r\n { $group: {\r\n _id : \"$airline_docs.destinationairport\"\r\n }\r\n },\r\n { $sort: { _id : 1 }},\r\n ]);\r\n<\/pre>\n\n
SELECT hotel.name hotel_name, landmark.name landmark_name, landmark.activity\r\nFROM `travel-sample` hotel INNER JOIN `travel-sample` landmark\r\n ON (hotel.city = landmark.city \r\n AND hotel.country = landmark.country \r\n AND landmark.type = \"landmark\")\r\nWHERE hotel.type = \"hotel\" \r\n AND hotel.title like \"Yosemite%\" \r\n AND array_length(hotel.public_likes) > 5;\r\n<\/pre>\n
db.hotel.aggregate([\r\n { $match: { title: { $regex: \/^Yosemite\/ } }, },\r\n {\r\n $lookup:\r\n {\r\n from:\"landmark\",\r\n let: { hcity : \"$city\", hcountry : \"$country\"},\r\n pipeline: [\r\n { $match:\r\n { $expr:\r\n { $and:\r\n [\r\n { $eq: [\"$city\", \"$$hcity\"]} ,\r\n { $eq: [\"$country\", \"$$hcountry\"] }\r\n ]\r\n }\r\n }\r\n }\r\n ],\r\n as: \"hotel_lm_docs\"\r\n }\r\n },\r\n { $match : {\"hotel_lm_docs\": { $ne: [] }}},\r\n { $project: {_id:0, hname: \"$name\", public_likes: 1, hotel_lm_docs:1}},\r\n { $unwind: { path: \"$hotel_lm_docs\", preserveNullAndEmptyArrays: true }},\r\n { $project: { _id: 1, hname : 1 , \"hotel_lm_docs.name\" : 1, \"hotel_lm_docs.name\" : 1, \"hotel_lm_docs.activity\" : 1, mt5 : {$gt: [ {$size: \"$public_likes\"}, 5]}}},\r\n { $match: { mt5 : true } },\r\n { $project: {_$id:0}}\r\n ]);\r\n<\/pre>\n\n
SELECT hotel.name hotel_name, landmark.name landmark_name, landmark.activity\r\nFROM `travel-sample` hotel INNER JOIN `travel-sample` landmark USE HASH(build)\r\n ON (hotel.city = landmark.city \r\n AND hotel.country = landmark.country \r\n AND landmark.type = \"landmark\")\r\nWHERE hotel.type = \"hotel\"\r\n AND hotel.title like \"Yosemite%\" \r\n AND array_length(hotel.public_likes) > 5;\r\n<\/pre>\n