Definir caminho para dados S3

Analisando valores nulos de nomes de arquivos

O Data Federation analisa automaticamente uma string vazia ("") no lugar de um atributo no caminho do arquivo como o valor nulo BSON para todos os tipos de atributo do Atlas Data Federation, exceto string. Com um string, a string vazia pode representar um valor nulo BSON ou um valor de string vazia BSON. O Atlas Data Federation não analisa nenhum valor BSON para o tipo de atributo string . Isso evita adicionar um valor de BSON com um tipo conflitante aos documentos lidos no S3.

/records/january/1.json
/records/february/1.json
/records//1.json
For the path ``/records/{month string}/*``, Data Federation does not add any
computed fields for the ``month`` attribute to documents generated
from the third record in the above store.

Analisando números preenchidos de nomes de arquivos

O caminho do arquivo pode incluir valores numéricos preenchidos com zeros à esquerda. Para que o Data Federation analise corretamente os valores numéricos acolchoados para tipos de atributo como int, epoch_millis e epoch_secs, especifique o número de dígitos no valor usando expressões regulares.

|--users
   |--001.json
   |--002.json
   ...

/users/{user_id int:\\d{3}}

Analisar Campo Único do Nome do Arquivo

Considere um reconhecimento de data center instância do banco de dados federado accountingArchive contendo arquivos onde o nome do arquivo descreve uma data de fatura. Por exemplo, o nome do arquivo /invoices/1564671291998.json contém as faturas para o carimbo de data/hora UNIX 1564671291998.

O seguinte objeto databases gera um campo invoiceDate analisando o nome do arquivo como um carimbo de data/hora UNIX:

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{invoiceDate epoch_millis}"
          }
        ]
      }
    ]
  }
]

O Data Federation adiciona o campo computado e o valor a cada documento gerado a partir do nome do arquivo. Os documentos gerados a partir do nome do arquivo de exemplo incluem um campo invoiceDate: ISODate("2019-08-01T14:54:51Z"). As queries no campo invoiceDate podem ser direcionadas somente para os arquivos que correspondem ao valor especificado.

Analisar vários campos do nome do arquivo

Considere um armazenamento de instância do banco de dados federado accountingArchive contendo arquivos onde o nome do arquivo descreve um número de fatura e data da fatura. Por exemplo, o nome do arquivo /invoices/MONGO12345-1564671291998.json contém a fatura MONGODB12345 do carimbo de data/hora UNIX 1564671291998.

O seguinte objeto databases gera:

• Um campo invoiceNumber analisando o primeiro segmento do nome do arquivo como uma string.

• Um campo invoiceDate analisando o segundo segmento do nome do arquivo como um carimbo de data/hora UNIX.

"databases" : [
  {
    "name": "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{invoiceNumber string}-{invoiceDate epoch_millis}"
          }
        ]
      }
    ]
  }
]

O Data Federation adiciona os campos e valores computados a cada documento gerado a partir do nome do arquivo. Os documentos gerados a partir do nome do arquivo de exemplo incluem os seguintes campos:

• invoiceNumber : "MONGODB12345"

• invoiceDate : ISODate("2019-08-01T14:54:51Z")

As queries que incluem os campos invoiceNumber e invoiceDate podem ser direcionadas somente para os arquivos que correspondem aos valores especificados.

Usar Expressão Regular para Analisar Campos do Nome do Arquivo

Considere um armazenamento de instância do banco de dados federado accountingArchive contendo arquivos onde o nome do arquivo descreve um número de fatura e data da fatura. Por exemplo, o nome do arquivo /invoices/MONGODB12345-20190102.json contém a fatura MONGODB12345 para a data 20190102.

O seguinte objeto databases gera:

• Um campo invoiceNumber analisando o primeiro segmento do nome do arquivo como uma string

• Um campo year usando uma expressão regular para analisar somente os primeiros 4 dígitos do segundo segmento do nome do arquivo como um int.

• Um campo month usando uma expressão regular para analisar somente os próximos 2 dígitos do segundo segmento do nome do arquivo como um int.

• Um campo day usando uma expressão regular para analisar somente os próximos 2 dígitos do segundo segmento do nome do arquivo como um int.

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{invoiceNumber string}-{year int:\\d{4}}{month int:\\d{2}}{day int:\\d{2}}"
          }
        ]
      }
    ]
  }
]

O Data Federation adiciona os campos e valores computados a cada documento gerado a partir do nome do arquivo. Os documentos gerados a partir do nome do arquivo de exemplo incluem os seguintes campos:

• invoiceNumber : "MONGODB12345"

• year : 2019

• month: 01

• day: 02

Queries que incluem todos os campos gerados podem ser direcionadas somente para os arquivos que correspondem aos valores especificados.

Identifique intervalos de dados consultáveis a partir do nome do arquivo

Considere um instância do banco de dados federado accountingArchive contendo arquivos onde o nome do arquivo descreve o intervalo de dados contidos no arquivo. Por exemplo, o nome do arquivo /invoices/1546367712000-1549046112000.json contém faturas para o período entre 01/01/2019 e 02/01/2019 com o intervalo de datas representado como milissegundos decorridos desde a Era UNIX.

O seguinte objeto databases identifica o intervalo de tempo mínimo como o primeiro segmento do nome do arquivo e o intervalo de tempo máximo como o segundo segmento do nome do arquivo:

"databases" : [
  {
    "name: "accounting",
    "collections" : [
      {
        "name: "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{min(invoiceDate) epoch_millis}-{max(invoiceDate) epoch_millis}"
          }
        ]
      }
    ]
  }
]

Quando o Data Federation recebe uma query no campo "invoiceDate" , ele usa o caminho especificado para identificar quais arquivos contêm os dados que correspondem à query.

As consultas no campo invoiceDate podem ser direcionadas somente para os arquivos cujo intervalo captura o valor especificado, incluindo a data min e max .

Identificar campos aninhados a partir do nome do arquivo

O Data Federation suporta a consulta de dados aninhados quando o valor de dados aninhados também é o nome do arquivo. Você pode usar o operador de ponto (ou seja, .) em seu path para mapear os atributos de partições em sua configuração de armazenamento para campos aninhados em seus documentos.

Considere um armazenamento de instância do banco de dados federado accountingArchive. O armazenamento da instância do banco de dados federado contém arquivos com nomes que correspondem aos valores dos campos aninhados nos documentos. Por exemplo:

accountingArchive
|--invoices
   |--January.json
   |--February.json
   ...

Suponha que o arquivo January.json contenha um documento com os seguintes campos:

{
  "invoice": {
     "invoiceNumber" : "MONGODB12345",
     "year" : 2019,
     "month": "January", //value matches filename
     "date": 02
  },
  "vendor": "MONGODB",
  ...
}

O seguinte objeto databases identifica month como um campo aninhado dentro de um documento. O objeto databases também identifica o valor de month como o nome do arquivo que contém o documento.

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{invoice.month string}"
          }
        ]
      }
    ]
  }
]

Quando o Atlas Data Federation recebe uma query em um mês específico como January, ele utiliza o caminho especificado para identificar qual arquivo contém os dados que correspondem à query.

Criar partições a partir de ObjectIds

Você pode especificar ObjectIds no caminho para os arquivos. Para arquivos que contêm ObjectId no nome do arquivo, o Atlas Data Federation cria partições para cada ObjectId.

Consider the following federated database instance store, accountingArchive. Este armazenamento de dados contém arquivos que incluem ObjectId no nome do arquivo:

accountingArchive
|--invoices
   |--507f1f77bcf86cd799439011.json
   |--507f1f77bcf86cd799439012.json
   |--507f1f77bcf86cd799439013.json
   |--507f1f77bcf86cd799439014.json
   |--507f1f77bcf86cd799439015.json

O seguinte objeto databases cria partições para o ObjectIds.

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{objid objectid}"
          }
        ]
      }
    ]
  }
]

Ou suponha que o armazenamento da instância do banco de dados federado accountingArchive contenha arquivos que incluam uma faixa de ObjectIds no nome do arquivo. Por exemplo:

accountingArchive
|--invoices
   |--507f1f77bcf86cd799439011-507f1f77bcf86cd799439020.json
   |--507f1f77bcf86cd799439021-507f1f77bcf86cd799439030.json
   |--507f1f77bcf86cd799439031-507f1f77bcf86cd799439040.json

O seguinte objeto databases cria partições para o intervalo fornecido de ObjectIds.

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{min(obj) objectid}-{max(obj) objectid}"
          }
        ]
      }
    ]
  }
]

Quando o Data Federation recebe uma query no ObjectId, ele usa o caminho especificado para identificar qual arquivo contém os dados que correspondem à query.

Criar partições a partir do caminho do arquivo

Você pode especificar funções de análise em qualquer caminho que leve até o nome do arquivo. Cada campo calculado é baseado em uma função de análise ao longo do caminho. Ao executar query dos dados, o Atlas Data Federation converte cada campo computado em uma partição. As partições, que são sinônimos de subdiretórios, são usadas para filtrar arquivos com precisão crescente.

Considere uma instância do banco de dados federado accountingArchive com a seguinte estrutura de diretório:

invoices
|--MONGO12345
   |--2019
      |--01
         |--02

O seguinte objeto databases cria as partições invoiceNumber, year, month e day com um pequeno conjunto de arquivos filtrados:

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{invoiceNumber string}/{year int}/{month int:\\d{2}}/{day int:\\d{2}}/*"
          }
        ]
      }
    ]
  }
}

Criar partições a partir do ISODate

Você pode especificar ISODate no caminho para os arquivos. Para arquivos que contêm ISODate no nome do arquivo, o Atlas Data Federation cria partições para cada ISODate.

Consider the following federated database instance store, accountingArchive. Este armazenamento de dados contém arquivos que incluem ISODate no nome do arquivo:

accountingArchive
|--invoices
   |--01_02_2022_2301.json
   |--02_02_2022_2301.json
   |--03_02_2022_2301.json
   |--04_02_2022_2301.json
   |--05_02_2022_2301.json

O seguinte objeto databases cria partições para o ISODate. O path demonstra como usar regex para o formato de data se a data não estiver em RFC 3339 formato.

"databases" : [
  {
    "name" : "accounting",
    "collections" : [
      {
        "name" : "invoices",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/creationDate isodate('01_02_2006_1504'):\\d{2}_\\d{2}_\\d{4}_\\d{4}.json"
          }
        ]
      }
    ]
  }
]

Para saber mais sobre outros formatos suportados, consulte Usar tipos de atributo de partição.

Gerar nomes de coleção dinâmicos a partir do caminho do arquivo

Considere uma instância do banco de dados federado accountingArchive com a seguinte estrutura de diretório:

invoices
|--SuperSoftware
|--UltraSoftware
|--MegaSoftware

O seguinte objeto databases gera um nome de coleção dinâmico a partir do caminho do arquivo:

"databases" : [
  {
    "name" : "invoices",
    "collections" : [
      {
        "name" : "*",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/invoices/{collectionName()}/"
          }
        ]
      }
    ]
  }
]

Quando aplicado à estrutura de diretórios de exemplo, o caminho resulta nas seguintes collections:

• Supersoftware

• ultrasoftware

• megasoftware

Ou considere um instância do banco de dados federado accountingArchive com os seguintes arquivos:

/orders/MONGODB/invoices/January.json
/orders/MONGODB/purchaseOrders/January.json
/orders/MONGODB/invoices/February.json
...

O seguinte objeto databases gera um nome de coleção dinâmico a partir do caminho do arquivo:

"databases" : [
  {
    "name" : "invoices",
    "collections" : [
      {
        "name" : "*",
        "dataSources" : [
          {
            "storeName" : "accountingArchive",
            "path" : "/orders/MONGODB/{collectionName()}/{invoiceMonth string}.json/"
          }
        ]
      }
    ]
  }
]

Quando aplicado aos nomes de arquivo de exemplo, o caminho resulta nas seguintes coleções:

• invoices

• purchaseOrders