освоить базовые возможности mongodb
Необходимо:
- установить MongoDB одним из способов: ВМ, докер;
- заполнить данными;
- написать несколько запросов на выборку и обновление данных
- создать индексы и сравнить производительность.
Решение
Установка хранилища
MongoDB было развернуто на машине в локальной сети с использованием Docker-контейнеризации и оболочки www.portainer.io.
Заполнение хранилища данными
Я в поисках данных, достаточных для изучения базовых возможностей MongoDB, остановился на наборе данных NASA Earth Meteorite Landings (1000 строк со сведениями об упавших на Землю метеоритах, из репозитория https://github.com/jdorfman/awesome-json-datasets.
Замечание: нашел более полные (45.7K) сведения https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh, но экспорт в JSON через их API дает только 1000 записей (непонятно), надо перелопатить полные данные экспортируемого CSV файла https://data.nasa.gov/api/views/gh4g-9sfh/rows.csv?accessType=DOWNLOAD?
Замечание: упс, можно получить полные данные в JSON, но это хак. Искренне надеюсь, что в этом нет SQL-инъекции
https://data.nasa.gov/api/id/gh4g-9sfh.json?$select=`name`,`id`,`nametype`,`recclass`,`mass`,`fall`,`year`,`reclat`,`reclong`,`geolocation`&$order=`:id`+ASC&$limit=46000&$offset=0
wc ./gh4g-9sfh.json 45716 128491 10441343 ./gh4g-9sfh.json
Для взаимодействия с сервером в сети поставил на локальной машине только клиента и инструменты:
wget -qO - https://www.mongodb.org/static/pgp/server-4.4.asc | sudo apt-key add -echo "deb http://repo.mongodb.org/apt/debian buster/mongodb-org/4.4 main" | sudo tee /etc/apt/sources.list.d/mongodb-org-4.4.listsudo apt-get updatesudo apt-get install -y mongodb-org-shellsudo apt-get install -y mongodb-org-tools
Проверка соединения:
mongo nosql-2020.otus --port 32789 MongoDB shell version v4.4.1 connecting to: mongodb://nosql-2020.otus:32789/test?compressors=disabled&gssapiServiceName=mongodb Implicit session: session { "id" : UUID("5ff24788-0710-4a1a-821f-7acb2eddfb4f") } MongoDB server version: 4.4.1 Welcome to the MongoDB shell. For interactive help, type "help". For more comprehensive documentation, see https://docs.mongodb.com/ Questions? Try the MongoDB Developer Community Forums https://community.mongodb.com
Импорт данных с локальной машины на удаленную:
mongoimport --host nosql-2020.otus --db "otus_003" --port 32789 --collection eml45k --jsonArray --file ./003_MONGODB.files/gh4g-9sfh.json 2020-10-12T01:01:13.826+0100 connected to: mongodb://nosql-2020.otus:32789/ 2020-10-12T01:01:16.827+0100 [#######.................] otus_003.eml45k 2.99MB/9.96MB (30.0%) 2020-10-12T01:01:19.827+0100 [###############.........] otus_003.eml45k 6.44MB/9.96MB (64.6%) 2020-10-12T01:01:22.827+0100 [#######################.] otus_003.eml45k 9.81MB/9.96MB (98.5%) 2020-10-12T01:01:23.035+0100 [########################] otus_003.eml45k 9.96MB/9.96MB (100.0%) 2020-10-12T01:01:23.035+0100 45716 document(s) imported successfully. 0 document(s) failed to import.
Замечание: 10 секунд на все про все, забавненько
Выборка данных
> show databasesadmin 0.000GBconfig 0.000GBlocal 0.000GBotus_003 0.000GBtest 0.000GB> use otus_003switched to db otus_003> show collectionseml
Ищем метеорит по заведомо известному имени:
> db.eml45k.find({name:"Bjelaja Zerkov"}) { "_id" : ObjectId("5f8380a91c0ab84b54bfe394"), "name" : "Bjelaja Zerkov", "id" : "5063", "nametype" : "Valid", "recclass" : "H6", "mass" : "1850", "fall" : "Fell", "year" : "1796-01-01T00:00:00.000", "reclat" : "49.783330", "reclong" : "30.166670", "geolocation" : { "latitude" : "49.78333", "longitude" : "30.16667" } }
Ищем метеорит по заведомо известным координатам:
> db.eml45k.find({ "geolocation" : { "latitude" : "44.83333" , "longitude" : "95.16667" } }){ "_id" : ObjectId("5f8380a91c0ab84b54bfe322"), "name" : "Adzhi-Bogdo (stone)", "id" : "390", "nametype" : "Valid", "recclass" : "LL3-6", "mass" : "910", "fall" : "Fell", "year" : "1949-01-01T00:00:00.000", "reclat" : "44.833330", "reclong" : "95.166670", "geolocation" : { "latitude" : "44.83333", "longitude" : "95.16667" } }
Выборка списка упавших метеоритов с сортировкой по году падения (интересно, почему у NASA нет конкретного времени падения по Гринвичу) и c ограничением списка выбираемых полей:
> db.eml45k.find( { }, {year: 1, id: 1, name: 1, _id: 0 }).sort( { year: -1 } ){ "name" : "Northwest Africa 7701", "id" : "57150", "year" : "2101-01-01T00:00:00.000" }{ "name" : "Chelyabinsk", "id" : "57165", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7755", "id" : "57166", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7812", "id" : "57258", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7822", "id" : "57268", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7856", "id" : "57421", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7855", "id" : "57420", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7857", "id" : "57422", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7858", "id" : "57423", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7861", "id" : "57425", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7862", "id" : "57426", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Northwest Africa 7863", "id" : "57427", "year" : "2013-01-01T00:00:00.000" }{ "name" : "Battle Mountain", "id" : "56133", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Sutter's Mill", "id" : "55529", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Antelope", "id" : "57455", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Catalina 009", "id" : "57173", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Jiddat al Harasis 799", "id" : "57428", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Johannesburg", "id" : "55765", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Ksar Ghilane 011", "id" : "55606", "year" : "2012-01-01T00:00:00.000" }{ "name" : "Ksar Ghilane 010", "id" : "55605", "year" : "2012-01-01T00:00:00.000" }Type "it" for more>
Что-то я не нашел? как объединить два поля непосредственно при выборке:
"geolocation" : { "latitude" : "49.78333", "longitude" : "30.16667" }
в точку (необходимо заметить изменение порядка следования произведено в соответствии с документацией (https://docs.mongodb.com/manual/geospatial-queries/#geospatial-legacy, то есть
< field >: [< longitude >, < latitude >]):
"geolocation" : { "type" : "Point", "coordinates" : [ 30.16667 , 49.78333 ] } }
непосредственно при запросе, чтобы сделать (кто знает?) что-то по типу этого:
> db.eml45k.find({ [ {$toDouble: "$geolocation.longitude"} , {$toDouble: "$geolocation.latitude"} ] : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ ... , ]] } } }})
Поэтому создал искусственное поле в коллекции:
db.eml45k.updateMany( {}, [{ $set: { "pointed_geolocation.type" : "Point", "pointed_geolocation.coordinates" : [ { $toDouble : "$geolocation.longitude" } , { $toDouble: "$geolocation.latitude" } ] } }]);{ "acknowledged" : true, "matchedCount" : 45716, "modifiedCount" : 45716 }
и мы наконец-то можем отправиться на поиски необнаруженных метеоритов, упавших в определенном районе:
> db.eml45k.find({ "pointed_geolocation.coordinates" : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ [ 47.0 , 33.0 ], [ 47.0 , 65.0 ], [ 169.0 , 65.0 ], [ 169.0 , 33.0 ], [ 47.0 , 33.0 ] ]] } } }, 'fall': 'Fell'},{ year: {$year: { "$toDate": "$year"}}, "pointed_geolocation.coordinates": 1, name: 1, _id: 0 }).sort( { year: -1 } )
{ name: Dashoguz, pointed_geolocation: { coordinates: [ 59.685, 41.98444 ] }, year: 1998 }
{ name: Kunya-Urgench, pointed_geolocation: { coordinates: [ 59.2, 42.25 ] }, year: 1998 }
{ name: Sterlitamak, pointed_geolocation: { coordinates: [ 55.98333, 53.66667 ] }, year: 1990 }
{ name: Undulung, pointed_geolocation: { coordinates: [ 124.76667, 66.13889 ] }, year: 1986 }
{ name: Omolon, pointed_geolocation: { coordinates: [ 161.80833, 64.02 ] }, year: 1981 }
{ name: Yardymly, pointed_geolocation: { coordinates: [ 48.25, 38.93333 ] }, year: 1959 }
{ name: Vengerovo, pointed_geolocation: { coordinates: [ 77.26667, 56.13333 ] }, year: 1950 }
{ name: Kunashak, pointed_geolocation: { coordinates: [ 61.36667, 55.78333 ] }, year: 1949 }
{ name: Krasnyi Klyuch, pointed_geolocation: { coordinates: [ 56.08333, 54.33333 ] }, year: 1946 }
{ name: Lavrentievka, pointed_geolocation: { coordinates: [ 51.56667, 52.45 ] }, year: 1938 }
{ name: Pavlodar (stone), pointed_geolocation: { coordinates: [ 77.03333, 52.3 ] }, year: 1938 }
{ name: Kainsaz, pointed_geolocation: { coordinates: [ 53.25, 55.43333 ] }, year: 1937 }
{ name: Ichkala, pointed_geolocation: { coordinates: [ 82.93333, 58.2 ] }, year: 1936 }
{ name: Nikolaevka, pointed_geolocation: { coordinates: [ 78.63333, 52.45 ] }, year: 1935 }
{ name: Brient, pointed_geolocation: { coordinates: [ 59.31667, 52.13333 ] }, year: 1933 }
{ name: Pesyanoe, pointed_geolocation: { coordinates: [ 66.08333, 55.5 ] }, year: 1933 }
{ name: Kuznetzovo, pointed_geolocation: { coordinates: [ 75.33333, 55.2 ] }, year: 1932 }
{ name: Boriskino, pointed_geolocation: { coordinates: [ 52.48333, 54.23333 ] }, year: 1930 }
{ name: Khmelevka, pointed_geolocation: { coordinates: [ 75.33333, 56.75 ] }, year: 1929 }
Type it for more
> it
{ name: Mamra Springs, pointed_geolocation: { coordinates: [ 62.08333, 45.21667 ] }, year: 1927 }
{ name: Demina, pointed_geolocation: { coordinates: [ 84.76667, 51.46667 ] }, year: 1911 }
{ name: Krutikha, pointed_geolocation: { coordinates: [ 77, 56.8 ] }, year: 1906 }
{ name: Barnaul, pointed_geolocation: { coordinates: [ 84.08333, 52.73333 ] }, year: 1904 }
{ name: Tyumen, pointed_geolocation: { coordinates: [ 65.53333, 57.16667 ] }, year: 1903 }
{ name: Ochansk, pointed_geolocation: { coordinates: [ 55.26667, 57.78333 ] }, year: 1887 }
Странно, я не знал, что Челябинский не значится в категории найден.
Агрегируем и найдем сколько найдено и сколько нет:
db.eml45k.aggregate([{ $match: { "pointed_geolocation.coordinates" : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ [ 47.0 , 33.0 ], [ 47.0 , 65.0 ], [ 169.0 , 65.0 ], [ 169.0 , 33.0 ], [ 47.0 , 33.0 ] ]] } } }} }, {"$group" : {_id: "$fall", count: { $sum: 1 }}}]){ "_id" : "Fell", "count" : 26 }{ "_id" : "Found", "count" : 63 }
Итого найдено 63 из 89, а __26__ __не__ нашли, так что есть шанс :)
Использование индексов
Удалим все индексы в коллекции от прошлых экспериментов:
db.eml45k.dropIndexes(){ "nIndexesWas" : 1, "msg" : "non-_id indexes dropped for collection", "ok" : 1}
Попробуем посмотреть оценочное время исполнения запроса:
db.eml45k.find({ "pointed_geolocation.coordinates" : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ [ 47.0 , 33.0 ], [ 47.0 , 65.0 ], [ 169.0 , 65.0 ], [ 169.0 , 33.0 ], [ 47.0 , 33.0 ] ]] } } }}).explain("executionStats").executionStats.executionTimeMillis...110...110...109
Итог примерно в среднем 110 секунд.
Проиндексируем:
db.eml45k.createIndex( { "pointed_geolocation" : "2dsphere" } ) { "ok" : 0, "errmsg" : "Index build failed: 98b9ead2-c156-4312-81af-1adf5896e3c9: Collection otus_003.eml45k ( 6db2d178-61b5-4627-8512-fcf919fe596f ) :: caused by :: Can't extract geo keys: { _id: ObjectId('5f838e30fb89bd9d553ae27f'), name: \"Bulls Run\", id: \"5163\", nametype: \"Valid\", recclass: \"Iron?\", mass: \"2250\", fall: \"Fell\", year: \"1964-01-01T00:00:00.000\", pointed_geolocation: { type: \"Point\", coordinates: [ null, null ] } } Point must only contain numeric elements", "code" : 16755, "codeName" : "Location16755" }
Ошибка из-за NULL-значений, я что-то не нашел сходу как (кто знает?) ее при индексировании исключить из индекса, поэтому удалю ключи эти:
db.eml45k.updateMany( { "pointed_geolocation.coordinates" : [ null , null ] }, [{ $set: { "pointed_geolocation": null } }] );
Пробуем опять индекс
db.eml45k.createIndex( { "pointed_geolocation" : "2dsphere" } ) { "ok" : 0, "errmsg" : "Index build failed: d33b31d4-4778-4537-a087-58b7bd1968f3: Collection otus_003.eml45k ( 6db2d178-61b5-4627-8512-fcf919fe596f ) :: caused by :: Can't extract geo keys: { _id: ObjectId('5f838e35fb89bd9d553b3b8f'), name: \"Meridiani Planum\", id: \"32789\", nametype: \"Valid\", recclass: \"Iron, IAB complex\", fall: \"Found\", year: \"2005-01-01T00:00:00.000\", reclat: \"-1.946170\", reclong: \"354.473330\", geolocation: { latitude: \"-1.94617\", longitude: \"354.47333\" }, pointed_geolocation: { type: \"Point\", coordinates: [ 354.47333, -1.94617 ] } } longitude/latitude is out of bounds, lng: 354.473 lat: -1.94617", "code" : 16755, "codeName" : "Location16755" }
Ошибка __longitude/latitude is out of bounds, lng: 354.473 lat: -1.94617__ и в документации https://docs.mongodb.com/manual/geospatial-queries/#geospatial-legacy
Valid longitude values are between -180 and 180, both inclusive. Valid latitude values are between -90 and 90, both inclusive.
и 354.47333 не входит в диапазон от -180 до 180.
Очень странно, я сначала думал там нужно поправку везде на минус 180 сделать
(`$subtract: [{ $toDouble : "$geolocation.longitude" }, 180.0]`)
, но в итоге не все так просто.
Какие долготы не в диапазоне:
db.eml45k.find({"pointed_geolocation.coordinates.0": {$lt: -180}} ) # нет таких, так и должно бытьdb.eml45k.find({"pointed_geolocation.coordinates.0": {$lt: 0}} ) # такие есть, так и должно бытьdb.eml45k.find({"pointed_geolocation.coordinates.0": {$gt: 180}} ) # всего один, и так не должно быть { "_id" : ObjectId("5f838e35fb89bd9d553b3b8f"), "name" : "Meridiani Planum", "id" : "32789", "nametype" : "Valid", "recclass" : "Iron, IAB complex", "fall" : "Found", "year" : "2005-01-01T00:00:00.000", "reclat" : "-1.946170", "reclong" : "354.473330", "geolocation" : { "latitude" : "-1.94617", "longitude" : "354.47333" }, "pointed_geolocation" : { "type" : "Point", "coordinates" : [ 354.47333, -1.94617 ] } }
В итоге только один метеорит имеет странные координаты. Поискав, выяснил, что этот метеорит Meridiani Planum был случайно найден марсоходом Opportunity в 2005 году
(http://old.mirf.ru/Articles/art2427_2.htm). Это (ВНИМАНИЕ) марсианский метеорит, найден (ВНИМАНИЕ) на Марсе. Вот NASA шутники.
Удалим его из коллекции.
db.eml45k.remove({"id" : "32789"})WriteResult({ "nRemoved" : 1 })
Индексируем
> db.eml45k.createIndex( { "pointed_geolocation" : "2dsphere" } ){ "createdCollectionAutomatically" : false, "numIndexesBefore" : 1, "numIndexesAfter" : 2, "ok" : 1}
Замеряем
db.eml45k.find({ "pointed_geolocation.coordinates" : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ [ 47.0 , 33.0 ], [ 47.0 , 65.0 ], [ 169.0 , 65.0 ], [ 169.0 , 33.0 ], [ 47.0 , 33.0 ] ]] } } }}).explain("executionStats").executionStats.executionTimeMillis
В итоге при перепроверках 104 107 106
Как-то странно, не очень-то и шустрее.
Удалил индекс, проверил.
Без индекса и с индексом одинаково.
Пробую отдельно для Челябинского:
db.eml45k.find( {"pointed_geolocation.coordinates" : [ 61.11667, 54.81667 ]}).explain("executionStats").executionStats.executionTimeMillis
без индекса и с индексом одинаково.
Нужно быть внимательнее, индекс же построен для поля pointed_geolocation, а в запросе участвует pointed_geolocation.coordinates
В итоге, запрос
db.eml45k.find({ "pointed_geolocation" : { $geoWithin: { $geometry: { type : "Polygon" , coordinates: [[ [ 47.0 , 33.0 ], [ 47.0 , 65.0 ], [ 169.0 , 65.0 ], [ 169.0 , 33.0 ], [ 47.0 , 33.0 ] ]] } } }}).explain("executionStats").executionStats.executionTimeMillis
без индекса 125, 123, 119, 123 миллисекунды, а с индексом 7, 4, 4, 5.
Всё получилось.