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.