Relaciones uno a uno con $lookup en MongoDB

Contenido del curso

Introducción

Proyecto

Validación de datos

Relaciones

Bonus: patrones

Próximos pasos

22
Modelado de Datos con MongoDB: Relaciones y Consultas Avanzadas
02:03 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:009:52

Relaciones uno a uno con $lookup en MongoDB

Curso de Modelado de Datos en MongoDB

Clase 14 de 22

Clase 14 / 22

Recursos

Modelar relaciones uno a uno referenciadas en MongoDB es la alternativa cuando un documento embebido se vuelve demasiado pesado y compromete el rendimiento. Aprenderás cuándo aplicar esta técnica, cómo conectar dos colecciones con un identificador común y cómo unirlas en una sola consulta usando $lookup.

¿Cuándo conviene usar una relación uno a uno referenciada?

La regla general en bases de datos documentales es embeber, pero hay un escenario claro donde esa práctica deja de funcionar.

MongoDB impone un límite de 16 MB por documento. Cuando empiezas a embeber demasiada información, te acercas a ese tope y, antes de alcanzarlo, las consultas se vuelven lentas porque el documento carga demasiado contenido. Ahí aparece la oportunidad de partir la información en otra colección y referenciarla.

¿Cuándo debo referenciar en vez de embeber un documento uno a uno? Cuando el documento crece tanto que ralentiza las consultas o se acerca al límite de 16 MB. En ese caso, divides la información en otra colección y la enlazas mediante un identificador común.

Un ejemplo típico: una colección stores con datos básicos como nombre, dirección y ciudad, y una colección separada stores_detail que guarda descripción, servicios y subdocumentos como la información del manager [1:18].

¿Cómo se enlazan dos colecciones en MongoDB?

El enlace se hace mediante un campo compartido entre ambos documentos. En el ejemplo de la clase, ese campo es store_id.

La colección stores guarda lo esencial de la tienda:

js db.stores.insertOne({ store_id: "ST001", name: "Nico Store Program", address: "Carlos 87" })

La colección stores_detail guarda el detalle conectado por el mismo store_id:

js db.stores_detail.insertOne({ store_id: "ST001", description: "texto texto texto", manager: { email: "nico@gmail.com", phone: "311..." } })

Fíjate que manager sigue siendo una relación uno a uno embebida dentro del detalle. Es decir, puedes mezclar ambas estrategias según convenga [3:45].

¿Cómo consulto datos enlazados sin hacer dos queries?

La forma directa es usar findOne en cada colección filtrando por store_id, pero eso implica dos consultas separadas. Para unificarlas en una sola operación, MongoDB ofrece el aggregation framework y, en particular, el operador $lookup.

¿Qué hace el operador $lookup en MongoDB?

$lookup es la herramienta que permite traer información de otra colección dentro de la misma consulta, simulando un join del mundo relacional pero adaptado al modelo documental.

La sintaxis sigue cuatro parámetros clave:

from: la colección destino que quieres enlazar.
localField: el campo de la colección actual que sirve como llave.
foreignField: el campo equivalente en la colección destino.
as: el nombre del array donde se guarda el resultado del enlace.

Aplicado al caso de las tiendas, la consulta queda así:

js db.stores.aggregate([ { $lookup: { from: "stores_detail", localField: "store_id", foreignField: "store_id", as: "detail" } } ])

Al ejecutar esto, obtienes el documento original de stores con un nuevo campo llamado detail, que contiene un array con los documentos coincidentes de stores_detail [6:30].

¿Qué devuelve $lookup? Devuelve el documento original más un campo nuevo en formato array con todos los documentos relacionados que cumplen la condición de enlace, aunque la relación sea uno a uno.

Es importante recordar que aunque la relación sea uno a uno, el resultado siempre llega como array. Tendrás que acceder al primer elemento si quieres tratarlo como objeto único.

¿Cuáles son los conceptos clave de esta técnica?

Antes de aplicar referencias en tus modelos, conviene tener clara la terminología que aparece en la clase:

Relación referenciada o enlazada: dos documentos en colecciones distintas conectados por un identificador común. También se le llama linked.
store_id como llave de enlace: un identificador de negocio que se replica en ambas colecciones para permitir el join.
Aggregation framework: el motor de consultas avanzadas de MongoDB que permite encadenar etapas como $lookup, $match o $group.
Límite de 16 MB: el tamaño máximo permitido por documento en MongoDB, razón principal para dividir información [0:35].
Subdocumento embebido dentro de un documento referenciado: como el manager dentro de stores_detail, demuestra que puedes combinar estrategias.

¿Embeber o referenciar en relaciones uno a uno?

La recomendación se mantiene: embeber primero, referenciar solo cuando el peso o el rendimiento lo exijan. La referencia es una solución a un problema concreto, no la opción por defecto en una base documental.

Si tu documento aún es liviano y las consultas responden rápido, embeber sigue siendo la mejor práctica. Cuando ya notas lentitud o el documento se acerca al límite, partirlo en dos colecciones con $lookup te devuelve velocidad sin perder la capacidad de consultar todo en una sola operación.

¿Has tenido que partir un documento por temas de rendimiento? Cuéntame en los comentarios cómo resolviste el modelado.

Sebastián Groselj Pausic

Hace 3 años

Relaciones 1 a 1 referenciadas

Este se usa cuando se superan las restricciones, como pueden ser:

Peso maximo de 16MB: Esto podria pasar si se llena con muchas propiedades y/o muy pesadas, como pueden ser binarios, imagenes, videos, etc.
Consultas lentas: Al realizar una peticion, puede que se procese informacion innecesaria (Se puede superar con restringir las propiedades que se entregaran) o muy pesada.
Se requieran acelerar ciertas consultas: Puede que se requieran hacer consultas que requieran mucha velocidad para grandes cantidad de documentos y dejemos apartado los detalles que no se requiren para esas consultas. Como puede ser en productos y el detalle de esos productos.

Ejemplo

Insertar

db.stores.insertOne({
    storeId: "ST001", // permitira la relacion
    name: "PamplonaStore",
    address:  "Calle falsa 123",
    city: "Sprinfield",
    state: "Londres",
    zip: "1234"
})

db.stores_details.insertOne({
    storeId: "ST001", // repetimos el storeID, ya que es 1-1
    description: "PamplonaStore asdasdasd",
    services: ["Ropa", "Deportivo"],
    manager: {
        name: "Mario",
        cellphone: "123412412"
    }
})

Consultar

// Se puede consultar por separado

db.stores.findOne({ // consultar la tienda
    storeId: "ST001"
})

db.stores_details.findOne({ // consultar los detalles de tienda
    storeId: "ST001"
})

// Oooo.. Usar el agregation framework lookup

Agregation framework lookup

Permite consultar otros documentos y formar una relacion.

PD: Si no estan los campos puede que se agreguen datos no esperados. Ya que funciona como: si estan los datos en los documentos correspondientes se comprueba, si faltan ambos no funciona y agrega elementos no esperados. Puede que este detectando cuando faltan propiedades como valores nulos que compara. Parece ser esto ultimo. Esto puede retornar matrices 2d de los que encuentre nulos en ambos colecciones.

// Consulta
db.stores.aggregate([ // desde stores, usamos el aggregate
    {
        $lookup: { // parte desde stores
          from: 'stores_details', // agregamos cual coleccion queremos conectar
          localField: 'storeId', // que campo los enlaza, en stores
          foreignField: 'storeId', // que campo los enlaza, en stores_details
          as: 'detail' // donde dejara la relacion
        }
    }
])


// Respuesta
[
  {
    "_id": {
      "$oid": "64966b333b1e45e51454558d"
    },
    "storeId": "ST001",
    "name": "PamplonaStore",
    "address": "Calle falsa 123",
    "city": "Sprinfield",
    "state": "Londres",
    "zip": "1234",
    "detail": [ // Desde aqui se agrega el detalle, como un array
      {
        "_id": {
          "$oid": "64966b343b1e45e51454558e"
        },
        "storeId": "ST001",
        "description": "PamplonaStore asdasdasd",
        "services": [
          "Ropa",
          "Deportivo"
        ],
        "manager": {
          "name": "Mario",
          "cellphone": "123412412"
        }
      }
    ]
  }
]

Introducción

Modelado de datos en MongoDB desde cero

Modelado de Datos en MongoDB: Uso de JSON y Diagrama Entidad-Relación

Metodología de modelado de datos en MongoDB

Proyecto

Creación de Clúster y Bases de Datos en Mongo Atlas

Modelado de Workloads en Bases de Datos con MongoDB

Configuración de Entorno y Conexión a MongoDB con VSCode

Validación de datos

Validación de strings con JSON Schema en MongoDB

Validación de números, booleanos y enums en MongoDB

Validar arrays y subdocumentos en MongoDB

Validar contraseñas en MongoDB con regex

Validación de Datos en MongoDB: JSON Schema y Actualizaciones

Relaciones

Relaciones en Bases de Datos NoSQL: Embebidas y Referenciales

Relaciones uno a uno embebidas en MongoDB

Relaciones uno a uno con $lookup en MongoDB

Relaciones Uno a Muchos: Embebidas y Referenciadas en Bases de Datos

Relaciones Uno a Muchos con Referencias en Bases de Datos

Relaciones Muchos a Muchos en Bases de Datos: Tiendas y Productos

Relaciones Muchos a Muchos en Bases de Datos Documentales

Bonus: patrones

Desnormalización en Bases de Datos Documentales: Optimización Avanzada

Computed pattern en MongoDB para totales

Balance entre Simplicidad y Rendimiento en MongoDB

Próximos pasos

Modelado de Datos con MongoDB: Relaciones y Consultas Avanzadas

Relaciones uno a uno con $lookup en MongoDB

Progreso del curso

Introducción

Proyecto

Validación de datos

Relaciones

Bonus: patrones

Próximos pasos

Recursos

Recursos