00HORAS
00MIN
00SEG
Compre com desconto

Primeiras aulas do curso

MongoDB: modelar dados e executar operações CRUD

Conhecendo o MongoDB e o modelo documental - Apresentação

Apresentando o curso e o instrutor

Olá! Eu sou Vitorino Vila e sou instrutor na Alura. Sou formado em Engenharia de Sistemas e mestre em Engenharia de Produção. Atuo há mais de 30 anos no mercado de tecnologia, com especialização em integração de dados. Estou muito feliz por compartilhar meus conhecimentos e minha experiência com você neste curso. Eu vou me autodescrever para fins de acessibilidade.

Audiodescrição: Eu tenho pele clara, cabelo curto e grisalho, cavanhaque também grisalho, não uso óculos e estou vestindo uma blusa preta de gola alta. Estou sentado diante de uma parede clara com iluminação azul ao fundo. À minha direita, há uma luminária com cúpula clara e, à minha esquerda, pequenos vasos com plantas.

Seja muito bem-vinde ao curso de MongoDB Fundamentos e CRUD Básico. Este é o primeiro curso de uma trilha que nós estamos preparando aqui para vocês, dedicada exclusivamente ao MongoDB. Vamos começar pelos fundamentos e construir, passo a passo, o conhecimento necessário para trabalhar com essa tecnologia de maneira consciente e cada vez mais autônoma.

Entendendo o modelo documental

Mas, afinal, o que é MongoDB? MongoDB é um banco de dados orientado a documentos.

Se você já conhece bancos de dados relacionais, costuma organizar as informações em tabelas, linhas e colunas. Aqui, no entanto, vamos conhecer outra forma de representar os dados: documentos, que podem reunir campos, objetos aninhados e listas em uma mesma estrutura.

Pense no caso do perfil de uma pessoa em uma rede social. Além do nome e das informações de cadastro, esse perfil pode conter interesses, preferências e outros conjuntos de informações. O modelo documental oferece recursos para representar todas essas estruturas. Contudo, a flexibilidade do modelo não significa ausência de organização. Precisamos entender o que estamos armazenando e como esses dados serão consultados e alterados.

Por isso, nossa jornada neste curso começa pelos conceitos. Vamos comparar o modelo relacional com o documental, entender o que são bancos de dados, coleções e documentos no MongoDB, e conhecer as estruturas JSON e BSON.

Vamos aprender a reconhecer campos, tipos de valores, documentos aninhados e arrays, que são listas de valores.

Preparando o ambiente de estudo

Vamos preparar o nosso ambiente de estudo: criaremos uma conta e um cluster (conjunto) no MongoDB Atlas, configuraremos o usuário do banco e o acesso de rede e faremos a conexão pelo MongoDB Compass.

Neste curso, conheceremos o MongoDB Shell (mongosh), que permite executar comandos e acompanhar seus resultados.

Com o ambiente preparado, começaremos a trabalhar em um projeto de uma base de dados de uma rede social, que nos acompanhará não só neste curso, mas também nos demais cursos da nossa trilha de MongoDB.

Definindo o escopo do curso

Neste primeiro curso, o foco será nos conhecimentos iniciais sobre usuários e perfis. Nós não vamos apenas observar os conceitos; vamos inserir dados, explorar suas estruturas e acompanhar o resultado de cada operação.

Na sequência, praticaremos o ciclo CRUD (criar, ler, atualizar e excluir). Aprenderemos a inserir um ou vários documentos, fazer consultas com filtros, acessar campos aninhados e escolher quais informações devem aparecer nos resultados.

Atualizaremos campos, incrementaremos valores, trabalharemos com listas e removeremos documentos. Em todas essas etapas, teremos um cuidado importante: conferir os filtros e os resultados, especialmente antes de operações que alteram ou excluem dados.

Consolidando práticas e próximos passos

As práticas serão realizadas no nosso ambiente de estudo, desenvolvendo hábitos que fazem diferença no trabalho profissional. Este curso estabelece a base para os próximos passos: ao longo da trilha de MongoDB, avançaremos em modelagem documental, consultas e agregações, administração, índices de desempenho, além de integração com Python e o uso de recursos de inteligência artificial.

Neste curso inicial, vamos nos limitar ao conhecimento básico e ao CRUD (criar, ler, atualizar e excluir).

Conhecer MongoDB ampliará o repertório para trabalhar com aplicações e projetos de dados que utilizam o modelo documental. No mercado de trabalho atual, isso é muito importante: não apenas conhecer a ferramenta, mas compreender quando ela faz sentido, como organizar as informações e como operar os dados com responsabilidade. Essa é a base que começaremos a construir aqui, juntos.

Obrigado por estar aqui, espero vocês nos próximos vídeos. Vamos começar?

Conhecendo o MongoDB e o modelo documental - O que é MongoDB e onde ele é usado

Apresentando o modelo documental do MongoDB

O MongoDB é um sistema de banco de dados orientado a documentos. Em vez de organizarmos as informações em tabelas, linhas e colunas, ele armazena dados em uma estrutura que chamamos de documentos. Na tela, vemos um exemplo simplificado de um documento que reúne, em uma única estrutura, o nome de uma pessoa, seu estado de atividade e uma lista de interesses.

Para visualizar esse exemplo de forma concreta, considere o documento abaixo:

{
  "nome": "Ana",
  "ativo": true,
  "interesses": [
    "dados",
    "tecnologia"
  ]
}

Não precisamos estudar a sintaxe de armazenamento agora; o mais importante é entendermos que, em uma única estrutura, temos campos, valores e listas que podem representar a modelagem de uma informação completa. Essa estrutura é semelhante à de objetos JSON (notação de objetos JavaScript). Em vídeos posteriores, vamos decompor o exemplo apresentado e entender cada um de seus elementos.

Internamente, o MongoDB trabalha com outra estrutura chamada BSON (JSON binário), que amplia as possibilidades do JSON com tipos importantes para o banco de dados, como datas, identificadores, valores decimais e conteúdo binário. Por enquanto, é importante não reduzir o MongoDB à ideia de que é um banco de dados que simplesmente guarda arquivos JSON. Ele é um banco de dados completo, com linguagem de consulta, índices, agregação, controle de acesso, replicação, distribuição de dados e diferentes mecanismos de administração.

Compreendendo database, collection e document

No MongoDB, trabalhamos inicialmente com três conceitos básicos: Database (banco de dados), Collection (coleção) e Document (documento). A sequência apresentada mostra um grande conjunto, o Database, que é o contêiner mais amplo e organiza as informações pertencentes a uma aplicação ou a um domínio/assunto.

Dentro do Database, temos uma Collection (coleção), que reúne documentos com finalidade semelhante. Finalmente, dentro das coleções, temos os documentos, cada um representando uma unidade de informação.

No projeto que utilizaremos como exemplo prático, o nosso Database tratará de uma rede social. Dentro dele, poderemos ter uma Collection chamada usuários e, nessa Collection, um documento para cada pessoa cadastrada na plataforma. Cada documento pode reunir dados como identificação, informações de perfil, preferências, configurações e listas de interesses. Essas informações podem estar em campos simples, em subdocumentos dentro do próprio documento e até mesmo em arrays (listas). Mais adiante, vamos estudar cada um desses elementos com calma, mas, por enquanto, o mais importante é perceber que o documento é a principal unidade de informação com a qual iremos trabalhar.

Explorando a flexibilidade de documentos

As aplicações modernas mudam com frequência. Muitas vezes, novas funcionalidades são criadas, campos deixam de ser necessários e diferentes tipos de conteúdo passam a exigir informações distintas. Na tela, por exemplo, comparamos dois documentos da mesma Collection chamada postagens: o primeiro, à esquerda, representa uma publicação de texto; o segundo mantém os campos essenciais, mas acrescenta vídeo, localização e marcações. Na nossa base de rede social que veremos no curso, também podemos encontrar postagens com imagens, anexos ou propriedades específicas de moderação.

Para ilustrar essa comparação, veja os dois exemplos de documentos da coleção de postagens:

Primeiro, uma publicação de texto:

{
  "tipo": "texto",
  "autor_id": "0041",
  "texto": "Confira o..."
}

Em seguida, uma publicação com mais detalhes (vídeo, cidade e marcações):

{
  "tipo": "video",
  "autor_id": "0042",
  "texto": "Confira ...",
  "video": "floripa.mp4",
  "cidade": "Recife",
  "marcacoes": [ "@b12" ]
}

O modelo documental do MongoDB permite representar essas diferenças sem exigir alterações na estrutura da base ou que cada documento tenha exatamente os mesmos campos. Essa flexibilidade, ao permitir documentos de formatos diferentes na mesma coleção, aproxima a estrutura armazenada da maneira como a aplicação enxerga seus objetos. Também podemos, nesses casos, reduzir a necessidade de separar uma informação relacionada em várias estruturas diferentes. Entretanto, flexibilidade exige responsabilidade: sem modelagem, padrões e validações, documentos diferentes na mesma coleção podem se transformar em inconsistências difíceis de manter.

Avaliando casos de uso e adequação do MongoDB

O MongoDB pode ser utilizado em muitos contextos. Catálogos de produtos e plataformas de conteúdo se beneficiam de documentos capazes de representar itens com propriedades diferentes. Sistemas de perfis e redes sociais trabalham com usuários, postagens, comentários, reações e configurações que evoluem ao longo do tempo. Aplicações de mensagens, eventos e telemetria geram informações em grandes volumes e com estruturas que podem mudar. Sistemas móveis, serviços digitais e aplicações distribuídas frequentemente precisam armazenar e recuperar documentos de maneira rápida. Isso não significa que todos esses sistemas devam ser, obrigatoriamente, implementados em MongoDB; significa que um modelo documental oferece recursos interessantes quando os dados possuem hierarquias, variedade e evolução frequente. Por isso, durante a formação de MongoDB, não vamos decorar uma lista de situações; vamos aprender a observar as características do problema e avaliar se o MongoDB será uma escolha coerente.

Nenhum banco de dados é a melhor solução para todos os projetos. Sistemas fortemente tabulares, com relacionamentos rígidos e operações que dependem constantemente de muitas junções, podem ser muito bem atendidos por bancos de dados relacionais. Por outro lado, quando uma aplicação trabalha com informações hierárquicas, objetos ricos, estruturas variáveis e acesso frequente a conjuntos completos de dados relacionados, o modelo documental pode simplificar bastante nosso trabalho.

A decisão não deve ser tomada apenas pelo formato dos dados. Precisamos entender como a aplicação grava, consulta e atualiza as informações. Esse conjunto de necessidades é chamado de padrão de acesso.

Organizando a prática com materiais e ferramentas

Ao longo desta trilha de MongoDB da Alura, veremos que uma boa modelagem em MongoDB começa pelas operações que o sistema precisa executar, e não apenas por uma tentativa de copiar tabelas para documentos. Vamos transformar a ideia discutida no início do vídeo em algo mais visual, mesmo antes de prepararmos nosso ambiente do MongoDB.

Vamos lembrar que a primeira atividade do curso foi baixar o material. Nele, encontramos uma série de arquivos, como os que estão na tela, com os comandos que vamos executar durante o curso. Alguns comandos são extensos; se digitarmos todos durante o vídeo, ele pode ficar muito longo e cansativo de assistir. Comandos curtos, que vamos aprender, nós digitaremos na hora. Já comandos maiores serão trabalhados diretamente a partir dos arquivos. Em alguns vídeos, pediremos que vocês abram algum desses arquivos e copiem e colem os comandos; em outros, digitaremos o comando diretamente.

Vamos entender como funciona um JSON e visualizar isso de forma gráfica. Para isso, vamos abrir o browser (navegador) e acessar a página: https://jsoncrack.com. Vamos ampliar o endereço e, ao entrar, na página principal, clicar em Go To Editor (Ir para o editor). Em seguida, vamos apagar o JSON que aparece no lado esquerdo e clicar em Open In To Diagram (Abrir no diagrama). Vamos apagar novamente o JSON e manter a tela em branco.

Inserindo e explorando o primeiro JSON

Essa aplicação permite transformar o conteúdo de um JSON em um diagrama interativo, no qual podemos observar os objetos, campos, valores e listas. Por enquanto, vamos usar dados fictícios do nosso sistema de plataforma social. Em uma aplicação real, nunca devemos colar informações de bancos de dados em editores online disponíveis na internet, pois são informações sigilosas e, às vezes, possuem dados pessoais. Colocar isso em ferramentas públicas, sem autorização da organização, é problemático.

Como nossos dados são fictícios, faremos o seguinte: na lista de arquivos do material, vamos abrir o arquivo 7073-video-1.2-comandos.txt. Copiaremos o primeiro JSON e colaremos no editor. No lado direito, veremos a representação hierárquica do JSON. Observamos que há um documento principal com o campo _id, um campo autor_id, um campo tipo e o campo conteúdo, que se abre para uma nova estrutura. Ao clicar em um nó do diagrama, ele destaca no lado esquerdo onde essa estrutura está no JSON. O campo conteúdo abre uma estrutura porque seu valor é um objeto. Já o campo tag é uma lista com dois itens. O campo publicado não abre nenhuma estrutura; é do tipo lógico. Nesse caso, valores lógicos são representados como true ou false, sem aspas duplas. Quando o conteúdo é texto, colocamos o valor entre aspas duplas, seja esse texto um elemento de um array (como em tag), seja uma propriedade de outro objeto (um objeto aninhado), como em conteúdo.

No arquivo usado no editor, esses campos aparecem como conteudo (sem acento) e tags (no plural), conforme o exemplo abaixo que acabamos de colar:

{
  "_id": "post_00001",
  "autor_id": "usr_00001",
  "tipo": "texto",
  "conteudo": {
    "texto": "Primeiro post da trilha MongoDB"
  },
  "tags": ["mongodb", "dados"],
  "publicado": true
}

Substituindo por um post de vídeo mais detalhado

Agora, vamos substituir esse objeto por outro, mais sofisticado, que também representa uma postagem da nossa rede social. Antes de colar, notamos visualmente que ele possui uma estrutura muito parecida: id, autor, tipo, publicado, tags. Porém, o post2 possui mais detalhes porque é do tipo vídeo. A estrutura de um post do tipo vídeo terá mais propriedades do que a de um post do tipo texto.

No arquivo, esses campos aparecem como _id e autor_id, e o conteúdo de vídeo vem aninhado dentro de conteudo.video, como no JSON que vamos colar a seguir:

{
  "_id": "post_00002",
  "autor_id": "usr_00002",
  "tipo": "video",
  "conteudo": {
    "texto": "Resumo do encontro da comunidade",
    "video": {
      "url": "https://midiasocial.dev/videos/encontro.mp4",
      "duracao_segundos": 42
    }
  },
  "localizacao": {
    "cidade": "Recife",
    "estado": "PE"
  },
  "tags": ["comunidade", "mongodb"],
  "publicado": true
}

Entendendo a flexibilidade do MongoDB

Num primeiro momento, poderíamos pensar que esses JSONs não podem estar armazenados no mesmo local do MongoDB. Na verdade, podem. Ambos são posts (postagens) da nossa rede social e, apesar de a estrutura do segundo JSON ser diferente da do primeiro, eles podem conviver dentro da mesma região do banco de dados do MongoDB. Aqui está a flexibilidade do MongoDB: podemos ter estruturas ligeiramente diferentes para a mesma entidade.

Ao copiar e colar o novo JSON, vemos uma estrutura mais complexa. A propriedade conteúdo possui um objeto vídeo, que, por sua vez, tem outro objeto aninhado com duas propriedades: uma propriedade de texto e outra numérica (números não são colocados entre aspas duplas). O segundo documento continua representando uma postagem, mas, por ser um vídeo, sua estrutura é mais rica. O vídeo tem conteúdo com um URL que indica a localização do arquivo, entre outros detalhes.

Recapitulando: esses dois documentos, apesar de diferentes, pertencem à mesma Collection (coleção) chamada postagens. Ambos preservam campos essenciais, mas não precisam ser idênticos. Essa é uma das primeiras visualizações da flexibilidade discutida neste vídeo, uma característica do MongoDB.

Recapitulando conceitos e próximos passos

Neste vídeo, vimos que o MongoDB é um banco de dados orientado a documentos e que sua proposta está ligada à representação de estruturas ricas, que evoluem ao longo do tempo. Reconhecemos os conceitos iniciais de Database (banco de dados), Collection (coleção) e Documents (documentos) e identificamos aplicações em que o modelo documental faz mais sentido. Reforçamos uma ideia que acompanhará toda a nossa formação: flexibilidade não elimina a necessidade de organização. Quanto mais possibilidades o banco oferece, mais importante se torna compreender modelagem, validação, segurança e performance (desempenho).

No próximo vídeo, vamos construir a ponte resumida na tela. Partiremos de tabelas, linhas e colunas, que são conhecidas nos bancos relacionais, para compreender Collections (coleções), Documents (documentos) e Fields (campos) no MongoDB. Vamos comparar tabelas, linhas e colunas com Collections, Documents e Fields, mas também veremos onde essa comparação deixa de funcionar.

Então encontro você no próximo vídeo. Tchau, tchau.

Conhecendo o MongoDB e o modelo documental - Do modelo relacional ao modelo documental

Comparando modelos relacional e documental

Vamos iniciar estabelecendo uma correspondência inicial entre conceitos de um banco de dados relacional e de um banco de dados orientado a documentos, como o MongoDB. Uma tabela no modelo relacional pode, de forma introdutória, ser comparada a uma collection (coleção). Uma linha da tabela pode corresponder a um documento e uma coluna pode estar associada a um campo do documento. Assim, uma tabela chamada usuários pode nos ajudar a imaginar uma collection (coleção) chamada usuários. Cada linha da tabela, no banco de dados relacional, corresponderia inicialmente a um documento, e cada coluna apareceria como um campo dentro desse documento.

Essa ponte é útil para aproveitar o conhecimento prévio em bancos de dados relacionais; entretanto, serve apenas como ponto de partida. Se fizermos uma conversão literal — o que é tabela vira collection (coleção), o que é linha vira documento, o que é coluna vira campo — perderemos justamente as possibilidades que tornam o modelo documental do MongoDB diferente do relacional. Este é o exemplo exibido na tela.

Para representar uma pessoa em um banco de dados relacional, poderíamos ter uma tabela de usuários, outra tabela de perfis e, finalmente, uma terceira tabela de interesses. Cada tabela possui suas próprias linhas e colunas. As chaves primárias que identificam cada registro permitem relacionar as informações. Por exemplo, para recuperar o nome, a cidade e todos os interesses de uma pessoa, a consulta provavelmente precisaria combinar, por meio de JOIN (junção), todas essas tabelas. Essa separação entre tabela de usuários, de perfis e de interesses é coerente com a normalização da modelagem de um banco de dados relacional. Quando temos essas diferenças muito bem definidas, o modelo relacional continua sendo uma solução excelente para muitos sistemas.

Modelando dados no MongoDB

Nosso objetivo aqui não é apresentar um modelo como vencedor. Nós nunca vamos afirmar que um sistema relacional é melhor do que o MongoDB. O que queremos mostrar é que o MongoDB nos permite organizar a mesma informação de outra forma, especialmente quando a aplicação costuma recuperar esses dados em conjunto.

Observemos o documento exibido na tela. Temos a mesma representação dentro de um único documento. O nome e o e-mail, que aparecem como campos simples da tabela de usuários, estão presentes dentro do documento. No mesmo documento, já estão os perfis e os interesses. Em vez de estabelecermos uma relação um-para-um entre collection (coleção) e tabela, aquelas três tabelas tornam-se uma única coleção, e todos os relacionamentos passam a estar em um único documento.

Por exemplo, em um sistema de rede social, um documento de usuário pode reunir, em uma única estrutura, os dados das tabelas identidade, perfil e interesses. Também podemos adicionar outros elementos, como postagens e mensagens, que podem permanecer em collections (coleções) próprias ou não, dependendo de como desejamos modelar.

No modelo documental, uma pergunta importante é: como a aplicação acessa os dados? Se o perfil e os interesses quase sempre são apresentados junto com o usuário, então devemos mantê-los no mesmo documento. Assim, a leitura será mais direta. Se uma informação cresce sem limites, é compartilhada por muitos documentos ou precisa ser consultada de forma independente, uma referência a outra coleção pode ser mais adequada.

Na tela, o fluxo parte da operação da aplicação, passa pela decisão de agrupar ou referenciar e chega à estrutura do documento. Ainda não vamos nos aprofundar nas estratégias de modelagem; isso será foco do próximo curso da trilha de MongoDB. Neste momento, devemos guardar a seguinte ideia: no MongoDB, a estrutura é influenciada pelos padrões de leitura e pelas alterações que o sistema precisa realizar.

Uma coleção pode armazenar documentos que não possuam os mesmos campos. Na tela, vemos dois perfis que compartilham informações essenciais, mas um deles inclui biografia e redes, enquanto o outro contém preferências e acessibilidade. Essa flexibilidade — ter documentos de formatos diferentes dentro da mesma coleção — permite que a estrutura evolua e represente situações distintas.

Entretanto, um banco de dados documental continua tendo um esquema, ainda que não seja imposto pela rigidez de uma tabela, como em um banco relacional. Os esquemas no MongoDB existem para nós definirmos nomes de campos, tipos de valores, propriedades obrigatórias, formatos aceitos e regras de aplicação. Também podemos utilizar validações para estabelecer limites de alterações que podemos fazer dentro de uma única collection (coleção). Portanto, documentos diferentes não devem ser desorganizados dentro da coleção. A flexibilidade precisa ser intencional, conhecida e, principalmente, administrada.

Demonstrando a modelagem relacional e documental

Vamos representar a mesma informação, primeiro como um modelo relacional e depois como um documento. No navegador, abrimos o site dbdiagram.io. Aumentamos o zoom (ampliação) no endereço dbdiagram.io, clicamos no botão Create Your Diagram (Criar seu diagrama), fechamos a janela exibida e limpamos o painel à esquerda.

Em seguida, acessamos a lista de arquivos e abrimos o 7073-1.3-comandos. Copiamos o trecho indicado. Essa é a sintaxe utilizada para criar um diagrama de banco de dados na aplicação aberta. Na primeira tentativa, o conteúdo não foi copiado para o clipboard (área de transferência); repetimos a ação de copiar e colar até que o conteúdo aparecesse corretamente.

Do lado direito, visualizamos três tabelas de um banco de dados (pode ser um banco SQL, como SQLite; isso não importa): a tabela de pessoas usuárias, que mantém os dados principais (id, nome e e-mail); a tabela de perfis, com uma relação de 1 para 1 entre o campo id e o usuário id; e a tabela de interesses, com uma relação de 1 para n com pessoas usuárias. Ou seja, uma pessoa usuária só pode ter uma cidade e um estado (relação de 1 para 1 no perfil) e pode ter n interesses (relação de 1 para n).

Para recuperar os dados dessa pessoa usuária, do perfil e de todos os seus interesses em um banco de dados relacional, precisamos fazer uma consulta associando as três tabelas, realizando JOINs (junções) para reunir toda a estrutura de pessoa usuária, perfil e interesses em uma única visão.

Agora, analisemos o documento. Ele representa a mesma informação que temos no banco relacional, com a diferença de que está tudo em um único documento. Os campos id, nome e e-mail correspondem à tabela de pessoas usuárias; há uma relação de 1 para 1 com o perfil (cidade e estado) e uma relação de 1 para n com interesses (no exemplo, três interesses).

Se pegarmos esse JSON (JSON) e o abrirmos no outro software (aplicativo) que utilizamos para visualizar a representação, veremos, de um lado, o JSON (JSON) com o documento principal, a relação com o perfil e os três itens de interesses; e, do outro lado, a mesma representação por meio de um banco de dados.

Assim, no modelo relacional, a informação está separada em repositórios diferentes e conectada por chaves. Já no JSON (JSON), toda a informação está no mesmo documento; ou seja, o perfil e os interesses estão incorporados ao documento principal (pessoa usuária), porque imaginamos que uma aplicação normalmente exiba tudo isso em conjunto.

Isso não significa que, ao transformar um banco relacional em um banco documental, colocaremos todas as tabelas em um único documento. A modelagem documental nos indicará quais informações são importantes estar no mesmo documento e quais podem estar em documentos diferentes se relacionando, de forma análoga às relações existentes em um banco de dados relacional.

Recapitulando aprendizados e próximos passos

Neste vídeo, usamos o modelo relacional como ponto de partida para compreender o modelo documental. Vimos a correspondência inicial entre tabela e collection (coleção), linha e document (documento), coluna e campo. Em seguida, percebemos que essa equivalência é limitada: documentos podem conter subdocumentos e arrays (listas), agrupando informações que, no modelo relacional, seriam separadas em várias tabelas. Também entendemos que a estrutura deve considerar o padrão de acesso e que a flexibilidade não elimina a necessidade de ter um esquema, consistência e boas decisões técnicas.

No próximo vídeo, vamos examinar a estrutura interna de um documento: estudaremos a sintaxe do JSON (JSON), identificaremos campos, valores, objetos aninhados e arrays (listas), e entenderemos por que o MongoDB utiliza BSON (JSON binário) para armazenar os dados.

Agradecemos. Um abraço e até o próximo vídeo.

Sobre o curso MongoDB: modelar dados e executar operações CRUD

O curso MongoDB: modelar dados e executar operações CRUD possui 311 minutos de vídeos, em um total de 65 atividades. Gostou? Conheça nossos outros cursos de Bancos de Dados & SQL em Dados, ou leia nossos artigos de Dados.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

  • Conhecendo o MongoDB e o modelo documental
  • Configurando o ambiente com Atlas, Compass e mongosh
  • Criando coleções e inserindo documentos
  • Consultando documentos com filtros e projeções
  • Atualizando campos e arrays com segurança
  • Removendo documentos e consolidando o CRUD

Aprenda Bancos de Dados & SQL acessando integralmente esse e outros cursos. Comece hoje!

Plus 24

Todos os cursos, trilhas e certificados para evoluir.

Carregando precos do plano

7 dias para cancelar com reembolso

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do BrasilExclusivo na Black
  • Modo entrevista técnica e comportamental
  • 2.348 Cursos e 37 Carreiras
  • Certificados reconhecidos pelo mercado
  • Luri: nossa IA exclusiva, que acelera e personaliza seu aprendizado

Pro 24

Aprenda mais rápido com IA, idiomas e imersões.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PLUS, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • Luri Vision: a versão mais completa da nossa IA, que permite envio de imagens
  • Livros da Casa do código: Acesso ao acervo de livros da maior editora tech do país
  • Alura Língua: cursos de inglês e espanhol com foco na área tech

Ultra Lab 24

Aceleração de carreira: mentoria, vagas e prática guiada.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PRO, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • 2 mentorias individuais com foco na sua carreira
  • Luri Vision Ilimitada: a versão mais completa da nossa IA
  • Lives CareerUp: eventos exclusivos com foco em empregabilidade e carreira
Melhor opção para a sua carreira
Conheça os Planos para Empresas