Introducción
Conoce el potencial de Aggregation Framework usando datos reales
Casos para usar Aggregation Framework y no queries de MongoDB o map-reduce
Preparando entorno de trabajo: configurando MongoDB Atlas y la base de datos
Preparando entorno de trabajo: Docker y Mongo Compass
Operaciones básicas
Filtrando documentos con $match
Tranformando los datos con $group
Moldeamos los resultados con $project
Agregamos etapas con $count y $avg
Manipulando campos con $set
Etapas de Aggregation Framework
Trabajando con arrays y $unwind
Persistencia de datos con $out
Trabajamos y conocemos $geoNear
Consultas geoespaciales con $geoNear
Aprendemos a usar $lookup
Operaciones avanzadas
Funciones personalizadas
Evaluando expresiones con $redact
Usando funciones personalizadas con $accumulator
Agrupaciones avanzadas con $bucket y $bucketAuto
Performance y optimización
Recomendaciones para optimización y uso de recursos
Realizando profiling en MongoDB
Próximos pasos
Repaso de lo aprendido y recomendaciones
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Convierte tus certificados en tÃtulos universitarios en USA
Antes: $249
$209
Paga en 4 cuotas sin intereses
Termina en:
17 DÃas
17 Hrs
23 Min
3 Seg
Aprendemos a usar $lookup
14/21Recursos
Aportes 6
Preguntas 0
Ordenar por:
En mi opinión el ejercicio está más interesante realmente y podrÃamos platearlo con lo siguiente, no serÃa correcto ponerle nombre únicamente, porque el servicio de compra se rige por el id de la cuenta y más de una persona se puede llamar igual, en segundo termino el los documentos embebidos de transacciones algunos puntos son venta y otros son compras (y también considerar si el universo de datos están el mismo periodo de compras, o discriminar este parámetro si consideramos qué son los históricos), tendrÃamos que discriminar una de otras, y por ultimo no es lo mismo cantidad de transacciones a monto, entonces, podrÃa ser un poco más especÃfico el problema acotando el alcance de la consulta.
Tomando en cuenta eso podrÃamos hacer la consulta más interesante. Por lo pronto comparto mi propuesta acotada a lo que se menciona en la clase.
```js
use("sample_analytics")
// db.listingsAndReviews.createIndex({ "address.location": "2dsphere" });
db.getCollection("customers").aggregate([
//Desde customers estoy haciendo traer la información de accounts
//En este primer lookup estamos creando un array que nos permite trabajar
{$lookup: {
//Especificamos de que colección estamos partiendo
from: "accounts",
//Indica el campo local de la primera colección
localField: "accounts",
foreignField: "account_id",
as: "account_info" //este es el array creado
}},
//Extraemos la información del array
{$unwind:"$account_info"},
//Ahora tenemos juntos información de costumers y account
//Se junta más información con transactions
{$lookup: {
//Especificamos de que colección estamos partiendo
from: "transactions",
//Indica el campo local de la primera colección
localField: "account_info.account_id",
foreignField: "account_id",
as: "transactions_inf" //este es el array creado
}},
//Extraemos la información del array
{$unwind:"$transactions_inf"},
{$sort:{
"transactions_inf.transaction_count": -1
}},
{$project: {
"_id": 0,
"Cliente": "$name",
"Número de transacciones": "$transactions_inf.transaction_count"
}},
{$limit: 5}
])
```use("sample\_analytics")// db.listingsAndReviews.createIndex({ "address.location": "2dsphere" });
db.getCollection("customers").aggregate(\[   //Desde customers estoy haciendo traer la información de accounts  //En este primer lookup estamos creando un array que nos permite trabajar  {$lookup: {   //Especificamos de que colección estamos partiendo   from: "accounts",   //Indica el campo local de la primera colección   localField: "accounts",      foreignField: "account\_id",   as: "account\_info" //este es el array creado  }},  //Extraemos la información del array  {$unwind:"$account\_info"},    //Ahora tenemos juntos información de costumers y account  //Se junta más información con transactions  {$lookup: {    //Especificamos de que colección estamos partiendo    from: "transactions",    //Indica el campo local de la primera colección    localField: "account\_info.account\_id",       foreignField: "account\_id",    as: "transactions\_inf" //este es el array creado   }},   //Extraemos la información del array  {$unwind:"$transactions\_inf"},  {$sort:{   "transactions\_inf.transaction\_count": -1  }},  {$project: {    "\_id": 0,    "Cliente": "$name",    "Número de transacciones": "$transactions\_inf.transaction\_count"  }},  {$limit: 5}])
Logré resolver el ejercicio, repasando las notas que he tomado a lo largo del curso y mirando la documentación de MongoDB. Después de ensayar varias veces lo logré. Comparto el código documentando el paso a paso.
**Resultado:**
```js
Nombre Cliente: "Ashley Rodriguez"
Cantidad de Transacciones: 471
Nombre Cliente: "John Williams"
Cantidad de Transacciones: 443
Nombre Cliente: "Phillip Obrien"
Cantidad de Transacciones: 421
Nombre Cliente: "Travis White"
Cantidad de Transacciones: 409
Nombre Cliente: "Robert Pearson"
Cantidad de Transacciones: 408
```Nunca paren de aprender 🚀.
Un ejemplo usando fútbol:
```js
// obtener los equipos con mas goles
use("football")
db.teams.aggregate([
{
$lookup:{
from: "scorers",
localField: "name",
foreignField: "equipo",
as: "Goleadores"
}
},
{
$unwind: "$Goleadores"
},
{
$group: {
_id: "$name",
totalGoles: {
$sum: "$Goleadores.goles"
}
}
},
{
$sort: {totalGoles: -1}
},
{
$project: {
_id: 0,
Equipo: "$_id",
totalGoles: 1
}
}
])
```
Comparto mi salida al reto:    $group: {      \_id: {        "client\_id": "$\_id",        "client\_name": "$name"      },      conteo\_transacciones: {        $sum: "$transactions\_info.transaction\_count"      }      // conteo\_transacciones: {      //   $sum: {      //     $size: "$transactions\_info.transactions"      //   }      // }    }  },
En mi caso decidà agrupar por el customer id y el customer name, dado que pueden presentarse casos de clientes distintos que se llamen igual.
Para el conteo de transacciones, no apliqué un size al array de las transacciones asociadas a una determinada account, sino que decidà tomar el atributo ya calculado que se encontraba en la colección de transacciones llamado transaction\_count con lo cual se logra el mismo resultado que con el size, pero en temas de performance de la consulta podrÃa ser mejor al tomar atributos ya calculados.
```js
{
$group: {
_id: {
"client_id": "$_id",
"client_name": "$name"
},
conteo_transacciones: {
$sum: "$transactions_info.transaction_count"
}
}
},
```
//realizar uniones con otras colecciones
// listar los clientes que tienen la mayor cantidad de transacciones
[
{
$lookup: {
from: "accounts", // coleccion de donde se parte
localField: "accounts", //campo de la coleccion customers
foreignField: "account_id", // cacmpo a relacionar de la coleccion customers a la coleccion account
as: "account_info" //array donde se alamacena la informacion
}
},
// para trabajar el array resultado del primer resultado
{
$unwind: "$account_info"
},
{
$lookup: {
from: "transactions",
localField: "account_info.account_id",
foreignField: "account_id",
as: "account_transactions"
}
},
{
$unwind: "$account_transactions"
},
{
$group:{
_id: "$name",
totalCompras:{
$sum:{
$size: "$account_transactions.transactions"
}
}
}
},
{
$sort:{
totalCompras: -1
}
},
{
$limit:5
},
{
$project:{
_id:0,
Nombre: "$_id",
totalCompras: 1
}
}
]
use('sample_analytics')
db.customers.aggregate([
{
$lookup: {
from: "accounts",
localField: "accounts",
foreignField: "account_id",
as: "account_info"
}
},
{
$unwind: "$account_info"
},
{
$lookup: {
from: "transactions",
localField: "account_info.account_id",
foreignField: "account_id",
as: "account_trasactions"
}
},
{
$unwind: "$account_trasactions"
},
{
$group: {
_id: "$name",
total: {
$sum: {
$size: "$account_trasactions.transactions"
}
}
}
},
{
$sort: {
total: -1
}
},
{
$limit: 5
}
])
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?