Introducción a MongoDB: De SQL a NoSQL

De SQL a NoSQL: Cambio de Mentalidad

A diferencia de las bases de datos relacionales (RDBMS) que usas en Oracle, en NoSQL (específicamente MongoDB) dejamos de lado las tablas y las relaciones estrictas.

Documentos (BSON): En lugar de filas, almacenamos documentos, que son objetos flexibles y anidados.
Colecciones: Agrupan documentos relacionados (equivalente a las tablas en SQL).
Esquema Flexible: No necesitas definir tipos de datos estrictos para cada campo de antemano.

Análisis de Consultas: Filtrado y Agregación

Para entender cómo extraer información en un entorno documental, veamos ejemplos prácticos usando una base de datos de Airbnb.

1. Filtrado básico (`find`)

Esta consulta busca documentos donde el mercado sea “Porto” y el lugar tenga al menos 5 años de antigüedad.

db.listingsAndReviews.find({
  "address.market": { $eq: "Porto" },
  "first_review": { $lte: new ISODate("2021-04-29") }
});

address.market: Accedemos a un campo anidado usando la notación de punto.
$eq: Operador de igualdad.
$lte: Operador “menor o igual que” (Less Than or Equal).

2. Agregación avanzada (`aggregate`)

Cuando necesitamos procesar y calcular datos, usamos el Pipeline de Agregación. Es como una línea de montaje donde los documentos pasan por varias etapas:

db.listingsAndReviews.aggregate([
  {
    // Etapa 1: Filtrar (Match)
    $match: {
      $and: [
        { "address.market": { $eq: "Porto" } },
        { "property_type": { $eq: "Apartment" } },
        { "amenities": { $all: ["Wifi", "Cable TV"] } }
      ]
    }
  },
  {
    // Etapa 2: Agrupar y Calcular (Group)
    $group: {
      _id: null, // Agrupamos todo el resultado en un solo objeto
      total_price: { $sum: "$price" },
      total_camas: { $sum: "$beds" }
    }
  },
  {
    // Etapa 3: Formatear salida (Project)
    $project: {
      _id: 0,
      total_price: 1,
      total_camas: 1
    }
  }
]);

Explicación de las etapas:

$match: Actúa como el WHERE en SQL. Filtra los documentos que cumplen con las condiciones. El operador $all dentro de las amenidades asegura que el arreglo contenga ambos elementos requeridos.
$group: Actúa como las funciones de agregación (SUM, AVG). Aquí sumamos el price y las beds de todos los documentos que pasaron el filtro. Al usar _id: null, le indicamos que agrupe todos los resultados en un único documento de salida.
$project: Define qué campos mostrar. Al establecer _id: 0, ocultamos el identificador del documento, dejando solo nuestras métricas calculadas en el resultado final.

Este enfoque de pipeline permite transformar, filtrar y dar forma a los datos en un solo flujo de trabajo eficiente y altamente legible.