Introducción
Curso MongoDB: Manejo de Pipelines de Agregación
Consultas Complejas con MongoDB Aggregation Framework
Configuración de MongoDB Atlas y Docker para Desarrolladores
Configuración de Docker para MongoDB en Visual Studio Code
Operaciones básicas
Filtrado y Ordenación de Datos en MongoDB Compass
Consulta de Precios con MongoDB Aggregation: Uso de Operador Group
Uso del operador Project en MongoDB
Operadores Count y Average en MongoDB Aggregation
Operador Set vs Project en MongoDB: Cuándo usar cada uno
Etapas de Aggregation Framework
Manipulación de Arrays con Unwind en MongoDB
Uso del operador out en MongoDB para persistencia de consultas
Coordenadas geospaciales con MongoDB: uso y beneficios
Filtrado y Agrupación de Datos en MongoDB con Pipeline
Uniones en MongoDB: Uso del operador $lookup
Operaciones avanzadas
Conteo de palabras en descripciones de Airbnb con JavaScript en MongoDB
Filtrado de documentos en MongoDB con operadores condicionales
Uso del Operador Accumulator en MongoDB Aggregation Framework
Agrupación con Bucket y Bucket Auto en MongoDB
Performance y optimización
Optimización con Aggregation Framework en MongoDB
Optimización de Consultas con Aggregation Framework en MongoDB
Próximos pasos
Consultas avanzadas con MongoDB Aggregation Framework
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Ah, la magia del análisis de datos en tiempo real. Cuando nos enfrentamos a desafíos de grandes cantidades de datos en bases como las de Airbnb, se vuelve crucial colearse en el intricando mundo de las operaciones de agregación, especialmente en plataformas como MongoDB. Vamos a descubrir los encantos de esta herramienta.
El primer paso en nuestra operativa es el uso del operador match
. Este operador es similar a la cláusula WHERE
en bases de datos relacionales y nos permite seleccionar un subconjunto específico de registros. En nuestro caso, comenzaremos por enfocarnos únicamente en las propiedades de Airbnb en Estados Unidos. El campo a utilizar para este filtro es address.country_code
. El código del filtro sería algo así:
{
"address.country_code": "US"
}
Una vez que hemos filtrado nuestros datos de interés, el siguiente paso es ordenarlos. El operador sort
nos permite hacerlo eficientemente. Como nuestro objetivo es encontrar las propiedades más económicas, ordenaremos sobre el campo price
de forma ascendente, utilizando 1
en el criterio de orden:
{
"price": 1
}
Finalmente, necesitamos reducir la cantidad de documentos que analizamos a las cinco propiedades más económicas. Aquí entra en juego el operador limit
, que restringe el número de documentos devueltos. Esencialmente, queremos solo los cinco primeros registros:
{
"$limit": 5
}
Estas tres etapas de filtrado, ordenamiento y limitación nos ayudan a cumplir con nuestra tarea inicial de encontrar las propiedades más económicas de Airbnb en Estados Unidos. A través de este proceso, optimizamos el uso de recursos al trabajar solo con los datos necesarios desde el inicio.
match
al inicio del pipeline. Reducir el subconjunto de datos desde el principio mejora la eficiencia de las operaciones.Ahora que ya tienes los conocimientos básicos para crear tu primer pipeline en MongoDB con operaciones de agregación, te animamos a que continúes explorando y perfeccionando tus técnicas. Continúa con esa curiosidad renovada y sigue avanzando en el dominio de tus habilidades en bases de datos MongoDB.
Aportes 4
Preguntas 0
operador: Cantidad
var db=db.getSiblingDB("sample_airbnb")
var result = db.listingsAndReviews.aggregate(
[
{
$match:{
"address.country_code": "US",
},
},
{
$sort:{
price: 1,
},
},
{
$count: "cantidad",
},
]
)
print(result)
#Ejecucion:
PS D:\Usuarios\Aggregations> mongosh --quiet ./ejemplo01.js
#Resultado:
[ { cantidad: 1222 } ]
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?