Linguagem de definição relacional de documentos

Exemplo

Documentos fornecidos da seguinte forma na coleção abc no banco de dados test:

{
    "_id": ObjectId(),
    "close": 7.45,
    "detail": { "a": 2, "b": 3 }
}

Execute mongodrdl para gerar um esquema baseado nesta collection:

mongodrdl -d test -c abc -o schema.drdl

O arquivo de esquema gerado (schema.drdl) parece semelhante ao seguinte:

schema:
- db: test
  tables:
  - table: abc
    collection: abc
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: close
      MongoType: float64
      SqlName: close
      SqlType: numeric
    - Name: detail.a
      MongoType: float64
      SqlName: detail.a
      SqlType: numeric
    - Name: detail.b
      MongoType: float64
      SqlName: detail.b
      SqlType: numeric

Exemplo

Considere o seguinte documento:

{
    "_id": 1,
    "familyName": "Partridge",
    "hometown" : "Hollywood Hills",
    "address" : { "street": "123 Main Street",
                  "city" : "Hollywood",
                  "state" : "CA",
                  "zip" : "90210" },
    "members_since" : ISODate("2002-04-12T00:00:00Z")
}

A execução mongodrdl em uma collection que contém este documento resulta nos seguintes campos no esquema gerado:

arrays

O BI Connector expõe arrays a ferramentas de business intelligence usando duas collections: uma sem a array e a outra com um documento por elemento da array.

Exemplo

Se você executar mongodrdl em uma collection chamada families que contém o seguinte documento:

{
   "_id": 1,
   "familyName": "Partridge",
   "hometown" : "Hollywood Hills",
   "familyMembers" : [
     {
         "firstname" : "Shirley",
         "age" : 42,
         "attributes" : [
             { "name" : "instrument", "value" : "singer" },
             { "name" : "role", "value" : "mom" }
         ]
     },
     {
         "firstname" : "Keith",
         "age" : 18,
         "attributes" : [
             { "name" : "instrument", "value" : "guitar" },
             { "name" : "role", "value" : "son" }
         ]
     },
     {
         "firstname" : "Laurie",
         "age" : 16,
         "attributes" : [
             { "name" : "instrument", "value" : "keyboard" },
             { "name" : "role", "value" : "sister" }
         ]
     }]
}

Isso resulta nas três tabelas a seguir:

families

_id	numeric
familyName	varchar
hometown	varchar

families_familyMembers

_id	numeric
familyMembers.age	numeric
familyMembers.firstname	varchar
familyMembers_idx	numeric

families_familyMembers_attributes

_id	numeric
familyMembers.attributes.name	varchar
familyMembers.attributes.value	varchar
familyMembers.attributes_idx	numeric
familyMembers_idx	numeric

Você pode unir essas tabelas para exibir os dados em um formato desnormalizado. Por exemplo, você pode listar as pessoas nomeadas no esquema acima junto com as informações de sua família usando a seguinte query:

SELECT f.*, m.`familyMembers.firstname`
FROM families_familyMembers m
JOIN families f
ON m._id = f._id;

Pré-associação

Se você fornecer a opção --preJoined para mongodrdl, o BI Connector adicionará os campos no documento que o contém ao documento de cada elemento de array, "pré-unindo" a tabela.

No exemplo anterior, as tabelas conteriam as seguintes colunas adicionais:

families_familyMembers

familyName	varchar
hometown	varchar

families_familyMembers_attributes

familyMembers.age	numeric
familyMembers.firstname	varchar
familyMembers_idx	numeric
familyName	varchar
hometown	varchar

Aggregation pipelines usando visualizações

O MongoDB 3.4 introduz visualizações somente leitura que você pode usar para filtrar dados incompatíveis.

Por exemplo, você pode criar uma view no reconhecimento de data center test que contém apenas documento que contêm um número no campo grade de uma collection grades :

db.runCommand( { create: "numericGrades", viewOn: "grades", pipeline: [ { "$match": { "grade": { "$type": "number" } } } ] } )

Você pode então usar mongodrdl para gerar um esquema a partir dessa visualização como faria com uma collection:

mongodrdl -d test -c numericGrades

Aggregation pipelines no DRDL

O BI Connector pode usar pipelines de agregação como parte do esquema para converter documentos da coleção ao formato adequado para as tabelas relacionais.

Por exemplo, considere um documento simples em uma coleção chamada simpleFamilies :

{
   "_id": 1,
   "familyName": "Partridge",
   "familyMembers" : [ "Shirley", "Keith", "Laurie"]
}

mongodrdl gera um esquema com as tabelas simpleFamilies e simpleFamilies_familyMembers .

A tabela simpleFamilies_familyMembers enumera cada membro da família e tem o seguinte pipeline:

pipeline:
- $unwind:
    includeArrayIndex: familyMembers_idx
    path: $familyMembers

Este pipeline utiliza $unwind para criar um novo registro para cada membro do familyMembers. O esquema rastreia o índice da array no campo familyMembers_idx.

db.points.createIndex( { pos : "2dsphere" } )
db.points.insertOne({
    pos : { type: "Point", coordinates: [ -73.97, 40.77 ] },
    name: "Central Park",
    category : "Parks"
})

schema:
- db: test
  tables:
  - table: points
    collection: points
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: category
      MongoType: string
      SqlName: category
      SqlType: varchar
    - Name: name
      MongoType: string
      SqlName: name
      SqlType: varchar
    - Name: pos.coordinates
      MongoType: geo.2darray
      SqlName: pos.coordinates
      SqlType: numeric[]