LRF151 - Administration du Serveur MongoDB sous RHEL 7

Dans cette formation vous allez apprendre :

• Ce qui est le NOSQL,
• Ce qui est MongoDB,
• Comment installer et configurer MongoDB,
• Comment utiliser le client mongo,
• Quels sont les clients graphiques disponibles pour MongoDB,
• Quelle est la structure des données de MongoDB,
• Quel est le langage des requêtes de MongoDB,
• Comment utiliser ce langage efficacement.

La naissance des outils NOSQL (Not Only SQL) a ses origines dans les limitations des propriétés ACID. En effet, c'est les grandes sociétés du web, qui, amenées à traiter des volumes de données très importants, ont été les premières confrontées aux limitations intrinsèques des SGBD relationnels traditionnels.

De ce fait, chaque société a adopté ou a dévélopé sa propre solution de gestion de données :

• Google - BigTable (Fr),
• Facebook - Cassandra (Fr) puis HBase (Fr),
• Ubuntu One - CouchDB (Fr),
• Baidu - Hypertable (Fr),
• Amazon - Dynamo (En)
• LinkedIn - Voldemort (En),
• SourceForge.net - MongoDB.

C'est à travers de ce dernier que ce cours propose de vous faire découvrir la mouvance NOSQL.

Dans le cas de MongoDB, les données prennent la forme de documents enregistrés dans des collections. Une collection peut contenir un nombre quelconque de documents. Cependant, les champs d'un enregistrement sont libres et peuvent être différents d'un enregistrement à un autre dans la même collection. Le seul champ commun et obligatoire est le champ de la clé principale : _id.

• La réplication permet de dupliquer les serveurs de base de données pour répondre à une montée en charge ou une tolérance de panne,
• Le Sharding (distribution de données sur plusieurs machines pour assurer la scalabilité) permet de répartir les données sur plusieurs serveurs soit pour simplement augmenter les performances soit pour répartir les données géographiquement,
• Système de fichiers GridFS qui permet de stocker simplement des fichiers en base de données,
• Le SIG ou Système d’Information Géographique permet de manipuler simplement des positions sur un plan ou sur le globe terrestre,
• La fonction de recherche : MongoDB intègre un système de recherche optimisé en fonction de la langue utilisée,
• MongoDB offre des nombreuses fonctionnalités que l’on trouve dans le monde relationnel (count, groupBy, etc.) mais aussi le support de la recherche full-text, la recherche géo-spatiale ou MapReduce (manipulation et distribution de données dans un cluster),
• Supporte l’indexation pour l’optimisation des recherches.

MongoDB (de Humongous qui veut dire énorme ou immense) :

• est développé depuis 2007 par MongoDB,
• a été industriellement viable en 2010 avec la version 1.4,
• est écrit en langage C++.

Le tableau suivant indique les noms des exécutables selon la base de donnée utilisée :

MongoDB :

• ne nécessite pas de schéma prédéfini des données d'où sa grande flexibilité,
• est une base de données orientée documents qui s’adapte parfaitement à de nombreuses applications, telles les applications de gestion de dossiers, factures, commandes ou produits,
• supporte une évolutivité à la charge (scaling) par l'ajout de machines,
• supporte des indexes secondaires,
• propose un langage complet de requêtes et une stricte cohérence et stabilité,
• propose du calcul en mémoire, d'où la lecture et écriture rapides,
• propose la réplication en mode maître/esclave et le basculement automatique,
• propose le Sharding (répartition automatique de données sur plusieurs machines).

MongoDB :

• n'a pas de possibilité de réaliser de jointures, les données sont généralement embarquées dans le même document,
• ne peut pas gérer de transactions complexes,
• impose que la charge du contrôle des données soit reportée du côté de l’application puisque il n'y a pas de schéma,
• propose un langage d’interrogation qui lui est propre (donc, non standardisé), pratique mais qui s'avère limité.

Créez le fichier /etc/yum.repos.d/mongodb-org-3.2.repo :

 
[root@centos7 ~]# vi /etc/yum.repos.d/mongodb-org-3.2.repo
[root@centos7 ~]# cat /etc/yum.repos.d/mongodb-org-3.2.repo
[mongodb-org-3.2]
name=MongoDB Repository
baseurl=https://repo.mongodb.org/yum/redhat/$releasever/mongodb-org/3.2/x86_64/
gpgcheck=1
enabled=1
gpgkey=https://www.mongodb.org/static/pgp/server-3.2.asc

Installez mongo :

[root@centos7 ~]# yum install mongodb-org
Loaded plugins: fastestmirror, langpacks
adobe-linux-x86_64                                                                                                                                                       | 2.9 kB  00:00:00     
base                                                                                                                                                                     | 3.6 kB  00:00:00     
extras                                                                                                                                                                   | 3.4 kB  00:00:00     
mongodb-org-3.2                                                                                                                                                          | 2.5 kB  00:00:00     
updates                                                                                                                                                                  | 3.4 kB  00:00:00     
(1/6): adobe-linux-x86_64/primary_db                                                                                                                                     | 2.7 kB  00:00:01     
(2/6): extras/7/x86_64/primary_db                                                                                                                                        | 101 kB  00:00:00     
(3/6): base/7/x86_64/group_gz                                                                                                                                            | 156 kB  00:00:01     
(4/6): mongodb-org-3.2/7/primary_db                                                                                                                                      |  72 kB  00:00:02     
(5/6): base/7/x86_64/primary_db                                                                                                                                          | 5.7 MB  00:00:03     
(6/6): updates/7/x86_64/primary_db                                                                                                                                       | 2.8 MB  00:00:02     
Determining fastest mirrors
 * base: ftp.ciril.fr
 * extras: ftp.ciril.fr
 * updates: centos.crazyfrogs.org
Resolving Dependencies
--> Running transaction check
---> Package mongodb-org.x86_64 0:3.2.16-1.el7 will be installed
--> Processing Dependency: mongodb-org-tools = 3.2.16 for package: mongodb-org-3.2.16-1.el7.x86_64
--> Processing Dependency: mongodb-org-shell = 3.2.16 for package: mongodb-org-3.2.16-1.el7.x86_64
--> Processing Dependency: mongodb-org-server = 3.2.16 for package: mongodb-org-3.2.16-1.el7.x86_64
--> Processing Dependency: mongodb-org-mongos = 3.2.16 for package: mongodb-org-3.2.16-1.el7.x86_64
--> Running transaction check
---> Package mongodb-org-mongos.x86_64 0:3.2.16-1.el7 will be installed
---> Package mongodb-org-server.x86_64 0:3.2.16-1.el7 will be installed
---> Package mongodb-org-shell.x86_64 0:3.2.16-1.el7 will be installed
---> Package mongodb-org-tools.x86_64 0:3.2.16-1.el7 will be installed
--> Finished Dependency Resolution

Dependencies Resolved

================================================================================================================================================================================================
 Package                                            Arch                                   Version                                        Repository                                       Size
================================================================================================================================================================================================
Installing:
 mongodb-org                                        x86_64                                 3.2.16-1.el7                                   mongodb-org-3.2                                 5.8 k
Installing for dependencies:
 mongodb-org-mongos                                 x86_64                                 3.2.16-1.el7                                   mongodb-org-3.2                                 5.7 M
 mongodb-org-server                                 x86_64                                 3.2.16-1.el7                                   mongodb-org-3.2                                  13 M
 mongodb-org-shell                                  x86_64                                 3.2.16-1.el7                                   mongodb-org-3.2                                 6.8 M
 mongodb-org-tools                                  x86_64                                 3.2.16-1.el7                                   mongodb-org-3.2                                  41 M

Transaction Summary
================================================================================================================================================================================================
Install  1 Package (+4 Dependent packages)

Total download size: 66 M
Installed size: 202 M
Is this ok [y/d/N]: y

Activez et démarrez le service :

[root@centos7 ~]# systemctl status mongod
● mongod.service - SYSV: Mongo is a scalable, document-oriented database.
   Loaded: loaded (/etc/rc.d/init.d/mongod; bad; vendor preset: disabled)
   Active: inactive (dead)
     Docs: man:systemd-sysv-generator(8)
[root@centos7 ~]# systemctl enable mongod
mongod.service is not a native service, redirecting to /sbin/chkconfig.
Executing /sbin/chkconfig mongod on
[root@centos7 ~]# systemctl start mongod
[root@centos7 ~]# systemctl status mongod
● mongod.service - SYSV: Mongo is a scalable, document-oriented database.
   Loaded: loaded (/etc/rc.d/init.d/mongod; bad; vendor preset: disabled)
   Active: active (running) since Mon 2017-09-18 13:46:09 CEST; 4s ago
     Docs: man:systemd-sysv-generator(8)
  Process: 14244 ExecStart=/etc/rc.d/init.d/mongod start (code=exited, status=0/SUCCESS)
   CGroup: /system.slice/mongod.service
           └─14255 /usr/bin/mongod -f /etc/mongod.conf

Sep 18 13:46:08 centos7.fenestros.loc systemd[1]: Starting SYSV: Mongo is a scalable, document-oriented database....
Sep 18 13:46:08 centos7.fenestros.loc runuser[14251]: pam_unix(runuser:session): session opened for user mongod by (uid=0)
Sep 18 13:46:09 centos7.fenestros.loc mongod[14244]: Starting mongod: [  OK  ]
Sep 18 13:46:09 centos7.fenestros.loc systemd[1]: Started SYSV: Mongo is a scalable, document-oriented database..

Le client MongoDB est invoqué avec la commande mongo :

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Welcome to the MongoDB shell.
For interactive help, type "help".
For more comprehensive documentation, see
	http://docs.mongodb.org/
Questions? Try the support group
	http://groups.google.com/group/mongodb-user
Server has startup warnings: 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
> exit
bye
[root@centos7 ~]# 

Le fichier de configuration de mongodb est /etc/mongod.conf :

[root@centos7 ~]# cat /etc/mongod.conf 
systemLog:
  destination: file
  logAppend: true
  path: /var/log/mongodb/mongod.log

storage:
  dbPath: /var/lib/mongo
  journal:
    enabled: true

processManagement:
  fork: true  # fork and run in background
  pidFilePath: /var/run/mongodb/mongod.pid  # location of pidfile

net:
  port: 27017
  bindIp: 127.0.0.1 

Dans ce fichier, sont notamment définit le lieu de stockage des données et des logs respectivement dans /var/lib/mongo et /var/log/mongodb/mongod.log par défaut.

Une manipulation intéressante à faire consiste à modifier le prompt du client mongo pour afficher la base de donnée courante. Par défaut le prompt est minimaliste :

>

Pour connaître le base de donnée sur laquelle on travaille il convient de de taper “db”

>db
test
>

Créez donc le fichier $HOME/.mongorc.js :

[root@centos7 ~]# vi $HOME/.mongorc.js
[root@centos7 ~]# cat $HOME/.mongorc.js
prompt = function(){return db+">";}

Constatez que la base de données courante se trouve dans le prompt :

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
test>

RoboMongo est un client graphique disponible pour toutes les plate-formes sur le site https://robomongo.org/. L’installation est très simple :

RockMongo est une application PHP disponible sur le site http://www.rockmongo.com et qui nécessite un serveur Apache/PHP. De plus, il est nécessaire d’installer l’extension PHP de connexion à MongoDB.

Genghis est une interface d'administration de bases de données NoSQL sous MongoDB permettant une lecture adaptée à chaque périphérique. Il s'agit d'une interface semblable a l'outil phpMyAdmin :

Java-MongoDB-Driver est le pilote Java pris en charge pour MongoDB :

• com.mongodb - il s'agit du paquet de base permettant de créer une connexion client à une instance en cours d' exécution mongod
• com.mongodb.client - ce paquet permet l'accès à une base de données MongoDB

On se connecte à une instance MongoDB en cours d' exécution sur le localhost (port par défaut 27017)

Pour gérer les documents dans l'application, on utilise les paquets suivants :

• org.bson.Document
• com.mongodb.MongoClient
• com.mongodb.client.MongoCollection
• com.mongodb.client.MongoDatabase

mongo-cxx-driver permet de se connecter à une instance mongod et de créer une connexion client à une instance en cours d'exécution mongod.

• La librairie bsoncxx permet de gérer les documents.

Pour gérer les applications, on doit inclure bson/bson.h dans le fichier code de l'application afin de pouvoir gérer les documents.

On associe les documents aux bases de données orientées documents qui sont destinées aux applications qui gèrent des documents. Ce type de bases de données peut être ou non une sur-couche d'une base de données relationnelle.

Dans un système de base de données relationnelles, les informations sont stockées par ligne dans des tables. Ces tables sont mises en relation en utilisants des clés primaires et étrangères. Or dans MongoDb, l'information est modélisée sur un document au format BSON basé sur JSON (Javascript Object Notation).

MongoDB ne nécessite donc pas de schéma prédéfini comme en SQL, il n'est pas nécessaire par exemple de définir des colonnes avec un nom et un type et on peut insérer n'importe quel document BSON. Lors de l'insertion d'un document, MongoDB ajoute automatiquement un index nommé par défaut _id. La méthode insert retourne l'identifiant du document inséré.

De plus, contrairement aux bases de données SQL, il n'est pas nécessaire de faire des requêtes avec des jointures pour connaitre des informations. Dans MongoDb, il suffit de lire le document qui nous intéresse, d'où l'avantage de modéliser les données sur un document.

Le terme collection est issu du monde NoSQL et correspond par analogie à la notion de table dans les bases de données relationnelles (MySQL, PosgreSQL, Microsoft Access, Oracle, etc.). Une collection permet de stocker des documents, notion analogue à celle de l'enregistrement.

En comparant le schéma de structure d'une base de MongoDB à celui d'une base de donnée relationelle comme SQL, on peut faire le parallèle suivant:

Pour avoir un apercu, on peut définir par exemple 2 documents comme ceci:

{_id: "Her", acteurs : [{nom:"Johansson", prenom:"Scarlett"}, {nom:"Phoenix", prenom:"Joaquim"}]}
{_id: "Avengers", acteurs : [{nom:"Johansson", prenom:"Scarlett"}]}

Dans l'exemple ci-dessus, on peut voir que l'actrice [{nom:“Johansson”, prenom:“Scarlett”}] est dupliquée. Dans le monde NoSQL, on n'hésite pas à dénormaliser le schéma de la base de données pour favoriser les performances à la lecture. L'important est de savoir quelles requêtes seront faites pour décider du format des documents.

JSON, ou JavaScript Object Notation, est un format de données textuelles dérivé de la notation des objets du langage JavaScript. Il permet de représenter de l’information structurée.

Un document JSON a pour fonction de représenter de l'information accompagnée d'étiquettes permettant d'en interpréter les divers éléments, sans aucune restriction sur le nombre de celles-ci. Un document JSON ne comprend que deux types d'éléments structurels : des ensembles de paires nom/valeur et des listes ordonnées de valeurs.

Ce format se base donc sur 2 types d'éléments:

• la paire clé/valeur, par exemple “nom”: “Phoenix”
• le tableau, par exemple “couleurs-primaires” : [“cyan”, “jaune”, “magenta”]

Le format BSON ou Binary JSON correspond au format des données manipulés par MongoDB. C'est un format d'échange de données informatiques utilisé principalement comme stockage de données et format de transfert de données par le réseau dans la base de données MongoDB. C'est un format binaire permettant de représenter des structures de données simples et des tableaux associatifs (appelées objets ou des documents dans MongoDB). Le nom BSON est basé sur le terme JSON.

Voici un tableau comparatif de BSON ET JSON :

On constate que le format BSON supporte plus de types que le format JSON. Le codage BSON complète la représentation JSON en y ajoutant des types de données supplémentaires, tels que les formats virgule flottante ou date entre autres.

Dernièrement, voici un document au format BSON stockant des informations concernant un film :

 {
  "_id": "movie:100",
  "title": "The Social network",
  "summary": "On a fall night in 2003, Harvard undergrad and
     programming genius Mark Zuckerberg sits down at his
     computer and heatedly begins working on a new idea. (...)",
  "year": 2010,
  "director": {"last_name": "Fincher",
                "first_name": "David"},
  "actors": [
    {"first_name": "Jesse", "last_name": "Eisenberg"},
    {"first_name": "Rooney", "last_name": "Mara"}
   ]
}

Pour se placer dans une base de données ou créer une base inexistente, il convient d'utiliser la requête use :

 use <database> 

Pour créer une collection, il convient d'utiliser la requête db.createCollection(<collection>) :

 db.createCollection("movies") 

Pour visualiser la liste des collections, il convient d'utiliser la requête show :

 show collections 

Pour inserer un document BSON dans une collection, il convient d'utiliser la requête db.<collection>.insert (<document>) :

 
db.movies.insert ({"title": "Batman", "year": 1989})
db.movies.insert ({"produit": "Grulband", prix: 230, enStock: true})

Pour affecter un identifiant explicitement, il convient d'utiliser la requête db.<collection>.insert(<document>) en spécifiant la valeur de _id :

 db.movies.insert ({_id: "1", "produit": "Kramölk", prix: 10, enStock: true}) 

Pour remplacer un document, il convient d'utiliser la requête db.<collection>.update(<document>) :

 db.movies.update( { "title": "Mr Smith" }, { "title": "Mr Cool", "year": 2000 } ) 

Pour modifier des champs d’un document, il convient d'utiliser la requête db.<collection>.update(<document>) et $set :

 db.movies.update( { "title": "Avengers" }, { $set: { "summary": "c'est un film divertissant" } } ) 

Pour compter le nombre de documents dans la collection, il convient d'utiliser la requête db.<collection>.count() :

 db.movies.count() 

Pour supprimer un ou plusieurs documents il convient d'utiliser la requête db.<collection>.remove(<document>) à laquelle on passe en paramètre le query permettant d’identifier les documents visés :

 db.movies.remove({"produit": "Grulband"}) 

Pour supprimer un champ dans un document, il convient d'utiliser la requête db.<collection>.update(<document>) et $unset :

 db.movies.update({"title": "Batman"}, {$unset : {year : 1989}}) 

Pour supprimer une collection, il convient d'utiliser la requête db.<collection>.drop() :

 db.movies.drop() 

Pour trier les documents, il convient d'utiliser la requête db.movies.find ().sort().skip().limit() :

 db.movies.find ().sort({"title": 1}).skip(9).limit(12) 

Pour afficher les contenu d'une collection, il convient d'utiliser la requête db.<collection>.find(<document>) :

 db.movies.find() 

On obtient des objets (javascript, encodés en BSON), par exemple :

 { "_id" : ObjectId("5422d9095ae45806a0e66474"), "nom" : "nfe024" } 

Il est aussi possible de rechercher en connaissant l’identifiant :

 db.movies.find ({"_id": "movie:2"}) 

ou en utilisant n’importe quel attribut :

 db.movies.find ({"title": "Alien"}) 

Les requêtes précédentes ramènent l’intégralité des objets satisfaisant les critères de recherche. Il est aussi possible de faire des projections, en passant un second argument à la fonction find() :

 db.movies.find ({"actors.last_name": "Tarantino"}, {"title": true, "actors": 'j'} ) 

Le second argument est un objet BSON dont les attributs sont ceux à conserver dans le résultat. La valeur des attributs dans cet objet-projection ne prend que deux interprétations. Toute valeur autre que 0 ou null indique que l’attribut doit être conservé. Si on choisit au contraire d’indiquer les attributs à exclure, on leur donne la valeur 0 ou null. Par exemple, la requête suivante retourne les films sans les acteurs et sans le résumé :

 db.movies.find ({"actors": null, "summary": 0}) 

Les opérateurs du langage SQL in, not in, any et all se retrouvent dans le langage d’interrogation. La différence, notable, est que SQL applique ces opérateurs à des relations (elles-mêmes obtenues par des requêtes) alors que dans le cas de MongoDB, ce sont des tableaux JSON. MongoDB ne permet pas d’imbriquer des requêtes.

Par exemple, on cherche les films dans lesquels joue au moins un des artistes dans une liste dont on connaît l’identifiant :

 db.artists.find({"actors._id": {$in: ["artist:34","artist:98","artist:1"]}}) 

Le not in correspond à l’opérateur $nin.

 db.artists.find({"_id": {$nin: ["artist:34","artist:98","artist:1"]}}) 

Comme dernier example, voici comment trouver les films qui n’ont pas d’attribut summary :

 db.movies.find({"summary": {$exists: false}}, {"title": 1}) 

Par défaut, quand on exprime plusieurs critères, c’est une conjonction (and) qui est appliquée. On peut l’indiquer explicitement. Voici la syntaxe (les films tournés avec Leonardo DiCaprio en 1997) :

 db.movies.find({$and : [{"year": "1997"}, {actors.last_name: "DiCaprio"]} ) 

L’opérateur and s’applique à un tableau de conditions. Bien entendu il existe un opérateur or avec la même syntaxe. Les films parus en 1997 ou avec Leonardo DiCaprio :

 db.movies.find({$or : [{"year": "1997"}, {actors.last_name: "DiCaprio"]} ) 

Commencez par créer une collection nommé Movies qui enregistre des informations sur des films :

test>db.createCollection("movies")
{ "ok" : 1 }
test>

Créez maintenant les documents de la collection :

test>db.movies.insert({ "_id" : "movie:1", "titre" : "Batman", "année" : 1989, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" } ] })
WriteResult({ "nInserted" : 1 })
test>db.movies.insert({ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] })
WriteResult({ "nInserted" : 1 })
test>db.movies.insert({ "_id" : "movie:3", "titre" : "Jurassik Park", "réalisateur" : { "prénom" : "Steven", "nom" : "Spielberg" }, "année" : 1990, "acteurs" : [ { "prénom" : "Sam", "nom" : "Neil" }, { "prénom" : "Laura", "nom" : "Dern" } ] })
WriteResult({ "nInserted" : 1 })
test>db.movies.insert({ "_id" : "movie:4", "titre" : "Avengers", "année" : 2012 })
WriteResult({ "nInserted" : 1 })
test>db.movies.insert({ "_id" : "movie:5", "titre" : "Hobbit", "année" : 2012 })
WriteResult({ "nInserted" : 1 })
test>

Utilisez maintenant la commande find pour vérifier que les 5 documents ont bien été crées dans la collection movies :

test>db.movies.find()
{ "_id" : "movie:1", "titre" : "Batman", "année" : 1989, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" } ] }
{ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] }
{ "_id" : "movie:3", "titre" : "Jurassik Park", "réalisateur" : { "prénom" : "Steven", "nom" : "Spielberg" }, "année" : 1990, "acteurs" : [ { "prénom" : "Sam", "nom" : "Neil" }, { "prénom" : "Laura", "nom" : "Dern" } ] }
{ "_id" : "movie:4", "titre" : "Avengers", "année" : 2012 }
{ "_id" : "movie:5", "titre" : "Hobbit", "année" : 2012 }
test>

Modifiez ensuite le document ayant pour _id : movie 3) en utilisant la commande update :

test>db.movies.update({"_id": "movie:3"}, {$set: {titre: "le parc des dinosaures"}})
WriteResult({ "nMatched" : 1, "nUpserted" : 0, "nModified" : 1 })
test>

Vérifiez que le champ a bien été modifié dans le document en consultant la collection movies :

test>db.movies.find()
{ "_id" : "movie:1", "titre" : "Batman", "année" : 1989, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" } ] }
{ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] }
{ "_id" : "movie:3", "titre" : "le parc des dinosaures", "réalisateur" : { "prénom" : "Steven", "nom" : "Spielberg" }, "année" : 1990, "acteurs" : [ { "prénom" : "Sam", "nom" : "Neil" }, { "prénom" : "Laura", "nom" : "Dern" } ] }
{ "_id" : "movie:4", "titre" : "Avengers", "année" : 2012 }
{ "_id" : "movie:5", "titre" : "Hobbit", "année" : 2012 }
test>

Affichez maintenant les films n'ayant pas de réalisateur :

test>db.movies.find({"réalisateur": null})
{ "_id" : "movie:1", "titre" : "Batman", "année" : 1989, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" } ] }
{ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] }
{ "_id" : "movie:4", "titre" : "Avengers", "année" : 2012 }
{ "_id" : "movie:5", "titre" : "Hobbit", "année" : 2012 }
test>

Supprimez le film dont le titre est “Batman” :

test>db.movies.remove({"titre": "Batman"})
WriteResult({ "nRemoved" : 1 })
test>

Constatez le résultat de la requête :

test>db.movies.find()
{ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] }
{ "_id" : "movie:3", "titre" : "le parc des dinosaures", "réalisateur" : { "prénom" : "Steven", "nom" : "Spielberg" }, "année" : 1990, "acteurs" : [ { "prénom" : "Sam", "nom" : "Neil" }, { "prénom" : "Laura", "nom" : "Dern" } ] }
{ "_id" : "movie:4", "titre" : "Avengers", "année" : 2012 }
{ "_id" : "movie:5", "titre" : "Hobbit", "année" : 2012 }
test>

Supprimez maintenant les films ayant “année”: 2012 :

test>db.movies.remove({"année": 2012})
WriteResult({ "nRemoved" : 2 })
test>db.movies.find()
{ "_id" : "movie:2", "titre" : "Beetlejuice", "année" : 1988, "acteurs" : [ { "prénom" : "Michael", "nom" : "Keaton" }, { "prénom" : "Geena", "nom" : "Davis" } ] }
{ "_id" : "movie:3", "titre" : "le parc des dinosaures", "réalisateur" : { "prénom" : "Steven", "nom" : "Spielberg" }, "année" : 1990, "acteurs" : [ { "prénom" : "Sam", "nom" : "Neil" }, { "prénom" : "Laura", "nom" : "Dern" } ] }

Connectez-vous à MongoDB en utilisant le client mongo :

[trainee@centos7 ~]$ su -
Mot de passe : fenestros
Dernière connexion : lundi 18 septembre 2017 à 13:39:03 CEST sur pts/0
[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] 
2017-09-18T13:46:09.416+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
test> 

Commencez par créer une base de données appelée find :

test>use find
switched to db find
find>

En sachant que le client mongo interprète du JavaScript, créez 100 000 documents dans la base de données find dans une collection appelée products :

find>for(i=1; i<=100000; i++){var tenthousand = i%10000; var thousand = i%1000; var hundred = i%100; db.products.insert({counter:i, tenthousand:tenthousand, thousand:thousand, hundred:hundred })}
WriteResult({ "nInserted" : 1 })

Saisissez maintenant la commande db.products.find() :

find>db.products.find()
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169a6"), "counter" : 1, "tenthousand" : 1, "thousand" : 1, "hundred" : 1 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169a7"), "counter" : 2, "tenthousand" : 2, "thousand" : 2, "hundred" : 2 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169a8"), "counter" : 3, "tenthousand" : 3, "thousand" : 3, "hundred" : 3 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169a9"), "counter" : 4, "tenthousand" : 4, "thousand" : 4, "hundred" : 4 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169aa"), "counter" : 5, "tenthousand" : 5, "thousand" : 5, "hundred" : 5 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ab"), "counter" : 6, "tenthousand" : 6, "thousand" : 6, "hundred" : 6 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ac"), "counter" : 7, "tenthousand" : 7, "thousand" : 7, "hundred" : 7 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ad"), "counter" : 8, "tenthousand" : 8, "thousand" : 8, "hundred" : 8 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ae"), "counter" : 9, "tenthousand" : 9, "thousand" : 9, "hundred" : 9 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169af"), "counter" : 10, "tenthousand" : 10, "thousand" : 10, "hundred" : 10 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b0"), "counter" : 11, "tenthousand" : 11, "thousand" : 11, "hundred" : 11 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b1"), "counter" : 12, "tenthousand" : 12, "thousand" : 12, "hundred" : 12 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b2"), "counter" : 13, "tenthousand" : 13, "thousand" : 13, "hundred" : 13 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b3"), "counter" : 14, "tenthousand" : 14, "thousand" : 14, "hundred" : 14 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b4"), "counter" : 15, "tenthousand" : 15, "thousand" : 15, "hundred" : 15 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b5"), "counter" : 16, "tenthousand" : 16, "thousand" : 16, "hundred" : 16 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b6"), "counter" : 17, "tenthousand" : 17, "thousand" : 17, "hundred" : 17 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b7"), "counter" : 18, "tenthousand" : 18, "thousand" : 18, "hundred" : 18 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b8"), "counter" : 19, "tenthousand" : 19, "thousand" : 19, "hundred" : 19 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169b9"), "counter" : 20, "tenthousand" : 20, "thousand" : 20, "hundred" : 20 }
Type "it" for more
find>

Notez l'instruction Type “it” for more :

find>it
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ba"), "counter" : 21, "tenthousand" : 21, "thousand" : 21, "hundred" : 21 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169bb"), "counter" : 22, "tenthousand" : 22, "thousand" : 22, "hundred" : 22 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169bc"), "counter" : 23, "tenthousand" : 23, "thousand" : 23, "hundred" : 23 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169bd"), "counter" : 24, "tenthousand" : 24, "thousand" : 24, "hundred" : 24 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169be"), "counter" : 25, "tenthousand" : 25, "thousand" : 25, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169bf"), "counter" : 26, "tenthousand" : 26, "thousand" : 26, "hundred" : 26 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c0"), "counter" : 27, "tenthousand" : 27, "thousand" : 27, "hundred" : 27 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c1"), "counter" : 28, "tenthousand" : 28, "thousand" : 28, "hundred" : 28 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c2"), "counter" : 29, "tenthousand" : 29, "thousand" : 29, "hundred" : 29 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c3"), "counter" : 30, "tenthousand" : 30, "thousand" : 30, "hundred" : 30 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c4"), "counter" : 31, "tenthousand" : 31, "thousand" : 31, "hundred" : 31 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c5"), "counter" : 32, "tenthousand" : 32, "thousand" : 32, "hundred" : 32 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c6"), "counter" : 33, "tenthousand" : 33, "thousand" : 33, "hundred" : 33 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c7"), "counter" : 34, "tenthousand" : 34, "thousand" : 34, "hundred" : 34 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c8"), "counter" : 35, "tenthousand" : 35, "thousand" : 35, "hundred" : 35 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169c9"), "counter" : 36, "tenthousand" : 36, "thousand" : 36, "hundred" : 36 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169ca"), "counter" : 37, "tenthousand" : 37, "thousand" : 37, "hundred" : 37 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169cb"), "counter" : 38, "tenthousand" : 38, "thousand" : 38, "hundred" : 38 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169cc"), "counter" : 39, "tenthousand" : 39, "thousand" : 39, "hundred" : 39 }
{ "_id" : ObjectId("59c0fb1a3b6221e3d36169cd"), "counter" : 40, "tenthousand" : 40, "thousand" : 40, "hundred" : 40 }
Type "it" for more
find>

Tapez maintenat la commande db.products.find({tenthousand:9999}) :

find>db.products.find({tenthousand:9999})
{ "_id" : ObjectId("59c0fb2d3b6221e3d36190b4"), "counter" : 9999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fb403b6221e3d361b7c4"), "counter" : 19999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fb533b6221e3d361ded4"), "counter" : 29999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fb663b6221e3d36205e4"), "counter" : 39999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fb793b6221e3d3622cf4"), "counter" : 49999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fb8e3b6221e3d3625404"), "counter" : 59999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fba13b6221e3d3627b14"), "counter" : 69999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fbb43b6221e3d362a224"), "counter" : 79999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fbc93b6221e3d362c934"), "counter" : 89999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
{ "_id" : ObjectId("59c0fbdc3b6221e3d362f044"), "counter" : 99999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
find>

Précisez maintenant un deuxième critère de recherche :

find>db.products.find({counter:19999, tenthousand:9999})
{ "_id" : ObjectId("59c0fb403b6221e3d361b7c4"), "counter" : 19999, "tenthousand" : 9999, "thousand" : 999, "hundred" : 99 }
find>

Pour connaître le nombre de documents retournés lors d'une recherche spécifique, utilisez la commande count() :

find>db.products.find({thousand:289, hundred:89})
{ "_id" : ObjectId("59c0fb1a3b6221e3d3616ac6"), "counter" : 289, "tenthousand" : 289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3616eae"), "counter" : 1289, "tenthousand" : 1289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb1e3b6221e3d3617296"), "counter" : 2289, "tenthousand" : 2289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb203b6221e3d361767e"), "counter" : 3289, "tenthousand" : 3289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb223b6221e3d3617a66"), "counter" : 4289, "tenthousand" : 4289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb243b6221e3d3617e4e"), "counter" : 5289, "tenthousand" : 5289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb263b6221e3d3618236"), "counter" : 6289, "tenthousand" : 6289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb283b6221e3d361861e"), "counter" : 7289, "tenthousand" : 7289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb2a3b6221e3d3618a06"), "counter" : 8289, "tenthousand" : 8289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb2c3b6221e3d3618dee"), "counter" : 9289, "tenthousand" : 9289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb2e3b6221e3d36191d6"), "counter" : 10289, "tenthousand" : 289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb2f3b6221e3d36195be"), "counter" : 11289, "tenthousand" : 1289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb313b6221e3d36199a6"), "counter" : 12289, "tenthousand" : 2289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb333b6221e3d3619d8e"), "counter" : 13289, "tenthousand" : 3289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb353b6221e3d361a176"), "counter" : 14289, "tenthousand" : 4289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb373b6221e3d361a55e"), "counter" : 15289, "tenthousand" : 5289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb393b6221e3d361a946"), "counter" : 16289, "tenthousand" : 6289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb3b3b6221e3d361ad2e"), "counter" : 17289, "tenthousand" : 7289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb3d3b6221e3d361b116"), "counter" : 18289, "tenthousand" : 8289, "thousand" : 289, "hundred" : 89 }
{ "_id" : ObjectId("59c0fb3f3b6221e3d361b4fe"), "counter" : 19289, "tenthousand" : 9289, "thousand" : 289, "hundred" : 89 }
Type "it" for more
find>db.products.find({thousand:289, hundred:89}).count()
100
find>

Il est possilible d'utiliser des opérandes avec la requête find() :

Par exemple le nombre de documents qui ont pour la valeur thousand supérieure ou égale à 525 et la valeur hundred inférieure à 90 :

find>db.products.find({thousand:{$gte:525}, hundred:{$lt:90}}).count()
42500
find>

Saisissez la requête db.products.find({tenthousand: 525}) :

find>db.products.find({tenthousand: 525})
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616bb2"), "counter" : 525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb2e3b6221e3d36192c2"), "counter" : 10525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb413b6221e3d361b9d2"), "counter" : 20525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb543b6221e3d361e0e2"), "counter" : 30525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb673b6221e3d36207f2"), "counter" : 40525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb7a3b6221e3d3622f02"), "counter" : 50525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fb8f3b6221e3d3625612"), "counter" : 60525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fba23b6221e3d3627d22"), "counter" : 70525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fbb53b6221e3d362a432"), "counter" : 80525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
{ "_id" : ObjectId("59c0fbca3b6221e3d362cb42"), "counter" : 90525, "tenthousand" : 525, "thousand" : 525, "hundred" : 25 }
find>

Ajoutez maintenant un deuxième paramètre destiné à filtrer les champs retournés par la requête :

find>db.products.find({tenthousand: 525} , {counter:1})
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616bb2"), "counter" : 525 }
{ "_id" : ObjectId("59c0fb2e3b6221e3d36192c2"), "counter" : 10525 }
{ "_id" : ObjectId("59c0fb413b6221e3d361b9d2"), "counter" : 20525 }
{ "_id" : ObjectId("59c0fb543b6221e3d361e0e2"), "counter" : 30525 }
{ "_id" : ObjectId("59c0fb673b6221e3d36207f2"), "counter" : 40525 }
{ "_id" : ObjectId("59c0fb7a3b6221e3d3622f02"), "counter" : 50525 }
{ "_id" : ObjectId("59c0fb8f3b6221e3d3625612"), "counter" : 60525 }
{ "_id" : ObjectId("59c0fba23b6221e3d3627d22"), "counter" : 70525 }
{ "_id" : ObjectId("59c0fbb53b6221e3d362a432"), "counter" : 80525 }
{ "_id" : ObjectId("59c0fbca3b6221e3d362cb42"), "counter" : 90525 }
find>

Saisissez donc la requête suivante qui indique que celle-ci ne doit pas retournée le champs _id :

find>db.products.find({tenthousand: 525} , {_id:0, counter:1})
{ "counter" : 525 }
{ "counter" : 10525 }
{ "counter" : 20525 }
{ "counter" : 30525 }
{ "counter" : 40525 }
{ "counter" : 50525 }
{ "counter" : 60525 }
{ "counter" : 70525 }
{ "counter" : 80525 }
{ "counter" : 90525 }
find>

Saissisez la requête suivante :

find>db.products.find({thousand : {$in: [500, 600, 700]}})
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616b99"), "counter" : 500, "tenthousand" : 500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616bfd"), "counter" : 600, "tenthousand" : 600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616c61"), "counter" : 700, "tenthousand" : 700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3616f81"), "counter" : 1500, "tenthousand" : 1500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3616fe5"), "counter" : 1600, "tenthousand" : 1600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3617049"), "counter" : 1700, "tenthousand" : 1700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1f3b6221e3d3617369"), "counter" : 2500, "tenthousand" : 2500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1f3b6221e3d36173cd"), "counter" : 2600, "tenthousand" : 2600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1f3b6221e3d3617431"), "counter" : 2700, "tenthousand" : 2700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb213b6221e3d3617751"), "counter" : 3500, "tenthousand" : 3500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb213b6221e3d36177b5"), "counter" : 3600, "tenthousand" : 3600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb213b6221e3d3617819"), "counter" : 3700, "tenthousand" : 3700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb233b6221e3d3617b39"), "counter" : 4500, "tenthousand" : 4500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb233b6221e3d3617b9d"), "counter" : 4600, "tenthousand" : 4600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb233b6221e3d3617c01"), "counter" : 4700, "tenthousand" : 4700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb253b6221e3d3617f21"), "counter" : 5500, "tenthousand" : 5500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb253b6221e3d3617f85"), "counter" : 5600, "tenthousand" : 5600, "thousand" : 600, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb253b6221e3d3617fe9"), "counter" : 5700, "tenthousand" : 5700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb263b6221e3d3618309"), "counter" : 6500, "tenthousand" : 6500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb273b6221e3d361836d"), "counter" : 6600, "tenthousand" : 6600, "thousand" : 600, "hundred" : 0 }
Type "it" for more
find>

Triez maintenant les résultats sur la valeur de thousand dans le sens croissant :

find>db.products.find({thousand : {$in: [500, 600, 700]}}).sort({thousand:1})
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616b99"), "counter" : 500, "tenthousand" : 500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3616f81"), "counter" : 1500, "tenthousand" : 1500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1f3b6221e3d3617369"), "counter" : 2500, "tenthousand" : 2500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb213b6221e3d3617751"), "counter" : 3500, "tenthousand" : 3500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb233b6221e3d3617b39"), "counter" : 4500, "tenthousand" : 4500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb253b6221e3d3617f21"), "counter" : 5500, "tenthousand" : 5500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb263b6221e3d3618309"), "counter" : 6500, "tenthousand" : 6500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb283b6221e3d36186f1"), "counter" : 7500, "tenthousand" : 7500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2a3b6221e3d3618ad9"), "counter" : 8500, "tenthousand" : 8500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2c3b6221e3d3618ec1"), "counter" : 9500, "tenthousand" : 9500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2e3b6221e3d36192a9"), "counter" : 10500, "tenthousand" : 500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb303b6221e3d3619691"), "counter" : 11500, "tenthousand" : 1500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb323b6221e3d3619a79"), "counter" : 12500, "tenthousand" : 2500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb343b6221e3d3619e61"), "counter" : 13500, "tenthousand" : 3500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb363b6221e3d361a249"), "counter" : 14500, "tenthousand" : 4500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb373b6221e3d361a631"), "counter" : 15500, "tenthousand" : 5500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb393b6221e3d361aa19"), "counter" : 16500, "tenthousand" : 6500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3b3b6221e3d361ae01"), "counter" : 17500, "tenthousand" : 7500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3d3b6221e3d361b1e9"), "counter" : 18500, "tenthousand" : 8500, "thousand" : 500, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3f3b6221e3d361b5d1"), "counter" : 19500, "tenthousand" : 9500, "thousand" : 500, "hundred" : 0 }
Type "it" for more
find>

Dernièrement, triez dans le sens décroissant :

find>db.products.find({thousand : {$in: [500, 600, 700]}}).sort({thousand:-1})
{ "_id" : ObjectId("59c0fb1b3b6221e3d3616c61"), "counter" : 700, "tenthousand" : 700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1d3b6221e3d3617049"), "counter" : 1700, "tenthousand" : 1700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb1f3b6221e3d3617431"), "counter" : 2700, "tenthousand" : 2700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb213b6221e3d3617819"), "counter" : 3700, "tenthousand" : 3700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb233b6221e3d3617c01"), "counter" : 4700, "tenthousand" : 4700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb253b6221e3d3617fe9"), "counter" : 5700, "tenthousand" : 5700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb273b6221e3d36183d1"), "counter" : 6700, "tenthousand" : 6700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb293b6221e3d36187b9"), "counter" : 7700, "tenthousand" : 7700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2b3b6221e3d3618ba1"), "counter" : 8700, "tenthousand" : 8700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2d3b6221e3d3618f89"), "counter" : 9700, "tenthousand" : 9700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb2e3b6221e3d3619371"), "counter" : 10700, "tenthousand" : 700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb303b6221e3d3619759"), "counter" : 11700, "tenthousand" : 1700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb323b6221e3d3619b41"), "counter" : 12700, "tenthousand" : 2700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb343b6221e3d3619f29"), "counter" : 13700, "tenthousand" : 3700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb363b6221e3d361a311"), "counter" : 14700, "tenthousand" : 4700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb383b6221e3d361a6f9"), "counter" : 15700, "tenthousand" : 5700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3a3b6221e3d361aae1"), "counter" : 16700, "tenthousand" : 6700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3c3b6221e3d361aec9"), "counter" : 17700, "tenthousand" : 7700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3e3b6221e3d361b2b1"), "counter" : 18700, "tenthousand" : 8700, "thousand" : 700, "hundred" : 0 }
{ "_id" : ObjectId("59c0fb3f3b6221e3d361b699"), "counter" : 19700, "tenthousand" : 9700, "thousand" : 700, "hundred" : 0 }
Type "it" for more
find>

Sortez du client mongo, puis télécharger à partir de la section Fichiers de ce cours le fichier au format JSON dont nous aurons besoin pour ce LAB :

• movies.json
  • ce fichier contient la liste de films complets comprenant tous les noms et prénoms des artistes, répétés à chaque occurrence.

Connectez-vous à MongoDB avec le client mongo et créez une base de données movies contenant une collection movies,

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
test>use movies
switched to db movies
movies>db.createCollection("movies")
{ "ok" : 1 }
movies>exit
bye

Utilisez maintenant la commande mongoimport pour importer le fichier dans MongoDB :

[root@centos7 ~]# mongoimport -d movies -c movies --file movies.json --jsonArray
2017-09-20T11:19:44.012+0200	connected to: localhost
2017-09-20T11:19:44.122+0200	imported 88 documents

Re-connectez-vous à MongoDB en utilisant le client mongo :

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
test>

En utilisant la base de données movies, vérifiez que vous pouvez trouver les 88 documents :

movies>db.movies.count ()
88

Trouvez maintenant les informations suivantes :

• tous les titres,
• le résumé de Spider-Man,
• le metteur en scène de Gladiator,
• les titres des films avec Kirsten Dunst,
• les films ayant un résumé,
• les films qui ne sont ni des drames ni des comédies,
• les titres des films et les noms des acteurs,
• les films où Clint Eastwood est acteur mais pas réalisateur.

movies>db.movies.find({}, {"title": 1})
{ "_id" : "movie:1", "title" : "Vertigo" }
{ "_id" : "movie:2", "title" : "Alien" }
{ "_id" : "movie:3", "title" : "Titanic" }
{ "_id" : "movie:4", "title" : "Sacrifice" }
{ "_id" : "movie:5", "title" : "Volte/Face" }
{ "_id" : "movie:6", "title" : "Sleepy Hollow" }
{ "_id" : "movie:7", "title" : "American Beauty" }
{ "_id" : "movie:8", "title" : "Impitoyable" }
{ "_id" : "movie:9", "title" : "Gladiator" }
{ "_id" : "movie:10", "title" : "Blade Runner" }
{ "_id" : "movie:11", "title" : "Piège de cristal" }
{ "_id" : "movie:12", "title" : "58 minutes pour vivre" }
{ "_id" : "movie:13", "title" : "Van Gogh" }
{ "_id" : "movie:14", "title" : "Seven" }
{ "_id" : "movie:15", "title" : "Twelve Monkeys" }
{ "_id" : "movie:16", "title" : "Le last_name de la rose" }
{ "_id" : "movie:17", "title" : "Pulp fiction" }
{ "_id" : "movie:18", "title" : "Mary à tout prix" }
{ "_id" : "movie:19", "title" : "Terminator" }
{ "_id" : "movie:20", "title" : "Les dents de la mer" }
Type "it" for more
movies>

movies>db.movies.find({"title": "Spider-Man"}, {"summary": 1})
{ "_id" : "movie:47", "summary" : "Orphelin, Peter Parker est élevé par sa tante May et son oncle Ben dans le quartier Queens de New York. Tout en poursuivant ses études à l'université, il trouve un emploi de photographe au journal Daily Bugle. Il partage son appartement avec Harry Osborn, son meilleur ami, et rêve de séduire la belle Mary Jane.Cependant, après avoir été mordu par une araignée génétiquement modifiée, Peter voit son agilité et sa force s'accroître et se découvre des pouvoirs surnaturels. Devenu Spider-Man, il décide d'utiliser ses nouvelles capacités au service du bien.Au même moment, le père de Harry, le richissime industriel Norman Osborn, est victime d'un accident chimique qui a démesurément augmenté ses facultés intellectuelles et sa force, mais l'a rendu fou. Il est devenu le Bouffon Vert, une créature démoniaque qui menace la ville. Entre lui et Spider-Man, une lutte sans merci s'engage." }

movies>db.movies.find({"title": "Gladiator"}, {"director": 1})
{ "_id" : "movie:9", "director" : { "_id" : "artist:4", "last_name" : "Scott", "first_name" : "Ridley", "birth_date" : "1937" } }

movies>db.movies.find({"actors.last_name": "Dunst"}, {"title": 1})
{ "_id" : "movie:67", "title" : "Marie Antoinette" }

movies>db.movies.find({"summary": {$exists: true}}, {"title": 1})
{ "_id" : "movie:1", "title" : "Vertigo" }
{ "_id" : "movie:2", "title" : "Alien" }
{ "_id" : "movie:3", "title" : "Titanic" }
{ "_id" : "movie:4", "title" : "Sacrifice" }
{ "_id" : "movie:5", "title" : "Volte/Face" }
{ "_id" : "movie:6", "title" : "Sleepy Hollow" }
{ "_id" : "movie:7", "title" : "American Beauty" }
{ "_id" : "movie:8", "title" : "Impitoyable" }
{ "_id" : "movie:9", "title" : "Gladiator" }
{ "_id" : "movie:10", "title" : "Blade Runner" }
{ "_id" : "movie:11", "title" : "Piège de cristal" }
{ "_id" : "movie:12", "title" : "58 minutes pour vivre" }
{ "_id" : "movie:13", "title" : "Van Gogh" }
{ "_id" : "movie:14", "title" : "Seven" }
{ "_id" : "movie:15", "title" : "Twelve Monkeys" }
{ "_id" : "movie:16", "title" : "Le last_name de la rose" }
{ "_id" : "movie:17", "title" : "Pulp fiction" }
{ "_id" : "movie:18", "title" : "Mary à tout prix" }
{ "_id" : "movie:19", "title" : "Terminator" }
{ "_id" : "movie:20", "title" : "Les dents de la mer" }
Type "it" for more

movies>db.movies.find({"genre": {$nin: ["Drame", "Comédie"]}}, {"title": 1, "genre": 1})
{ "_id" : "movie:1", "title" : "Vertigo", "genre" : "drama" }
{ "_id" : "movie:2", "title" : "Alien", "genre" : "Science-fiction" }
{ "_id" : "movie:3", "title" : "Titanic", "genre" : "drama" }
{ "_id" : "movie:4", "title" : "Sacrifice", "genre" : "drama" }
{ "_id" : "movie:5", "title" : "Volte/Face", "genre" : "Action" }
{ "_id" : "movie:6", "title" : "Sleepy Hollow", "genre" : "Fantastique" }
{ "_id" : "movie:8", "title" : "Impitoyable", "genre" : "Western" }
{ "_id" : "movie:9", "title" : "Gladiator", "genre" : "drama" }
{ "_id" : "movie:10", "title" : "Blade Runner", "genre" : "Action" }
{ "_id" : "movie:11", "title" : "Piège de cristal", "genre" : "Action" }
{ "_id" : "movie:12", "title" : "58 minutes pour vivre", "genre" : "Action" }
{ "_id" : "movie:13", "title" : "Van Gogh", "genre" : "drama" }
{ "_id" : "movie:14", "title" : "Seven", "genre" : "crime" }
{ "_id" : "movie:15", "title" : "Twelve Monkeys", "genre" : "Science-fiction" }
{ "_id" : "movie:16", "title" : "Le last_name de la rose", "genre" : "crime" }
{ "_id" : "movie:17", "title" : "Pulp fiction", "genre" : "Action" }
{ "_id" : "movie:19", "title" : "Terminator", "genre" : "Science-fiction" }
{ "_id" : "movie:20", "title" : "Les dents de la mer", "genre" : "Horreur" }
{ "_id" : "movie:21", "title" : "Le silence des agneaux", "genre" : "crime" }
{ "_id" : "movie:22", "title" : "Godzilla", "genre" : "Action" }
Type "it" for more

movies>db.movies.find({}, {"title": 1, "actors.first_name": 1, "actors.last_name": 1})
{ "_id" : "movie:1", "title" : "Vertigo", "actors" : [ { "first_name" : "James", "last_name" : "Stewart" }, { "first_name" : "Kim", "last_name" : "Novak" }, { "first_name" : "Arthur", "last_name" : "Pierre" } ] }
{ "_id" : "movie:2", "title" : "Alien", "actors" : [ { "first_name" : "Sigourney", "last_name" : "Weaver" } ] }
{ "_id" : "movie:3", "title" : "Titanic", "actors" : [ { "first_name" : "Kate", "last_name" : "Winslet" }, { "first_name" : "Leonardo", "last_name" : "DiCaprio" } ] }
{ "_id" : "movie:4", "title" : "Sacrifice", "actors" : [ ] }
{ "_id" : "movie:5", "title" : "Volte/Face", "actors" : [ { "first_name" : "John", "last_name" : "Travolta" }, { "first_name" : "Nicolas", "last_name" : "Cage" } ] }
{ "_id" : "movie:6", "title" : "Sleepy Hollow", "actors" : [ { "first_name" : "Johnny", "last_name" : "Depp" }, { "first_name" : "Christina", "last_name" : "Ricci" }, { "first_name" : "Christopher", "last_name" : "Walken" } ] }
{ "_id" : "movie:7", "title" : "American Beauty", "actors" : [ { "first_name" : "Kevin", "last_name" : "Spacey" }, { "first_name" : "Anette", "last_name" : "Bening" } ] }
{ "_id" : "movie:8", "title" : "Impitoyable", "actors" : [ { "first_name" : "Clint", "last_name" : "Eastwood" }, { "first_name" : "Gene", "last_name" : "Hackman" }, { "first_name" : "Morgan", "last_name" : "Freeman" } ] }
{ "_id" : "movie:9", "title" : "Gladiator", "actors" : [ { "first_name" : "Russell", "last_name" : "Crowe" }, { "first_name" : "Adam", "last_name" : "Baldwin" }, { "first_name" : "Ryan", "last_name" : "ONeal" }, { "first_name" : "Marisa", "last_name" : "Berenson" } ] }
{ "_id" : "movie:10", "title" : "Blade Runner", "actors" : [ { "first_name" : "Harrison", "last_name" : "Ford" }, { "first_name" : "Rutger", "last_name" : "Hauer" } ] }
{ "_id" : "movie:11", "title" : "Piège de cristal", "actors" : [ { "first_name" : "Bruce", "last_name" : "Willis" } ] }
{ "_id" : "movie:12", "title" : "58 minutes pour vivre", "actors" : [ { "first_name" : "Bruce", "last_name" : "Willis" } ] }
{ "_id" : "movie:13", "title" : "Van Gogh", "actors" : [ { "first_name" : "Jacques", "last_name" : "Dutronc" } ] }
{ "_id" : "movie:14", "title" : "Seven", "actors" : [ { "first_name" : "Kevin", "last_name" : "Spacey" }, { "first_name" : "Morgan", "last_name" : "Freeman" }, { "first_name" : "Brad", "last_name" : "Pitt" } ] }
{ "_id" : "movie:15", "title" : "Twelve Monkeys", "actors" : [ { "first_name" : "Bruce", "last_name" : "Willis" } ] }
{ "_id" : "movie:16", "title" : "Le last_name de la rose", "actors" : [ { "first_name" : "Sean", "last_name" : "Connery" }, { "first_name" : "Christian", "last_name" : "Slater" } ] }
{ "_id" : "movie:17", "title" : "Pulp fiction", "actors" : [ { "first_name" : "John", "last_name" : "Travolta" }, { "first_name" : "Bruce", "last_name" : "Willis" }, { "first_name" : "Quentin", "last_name" : "Tarantino" }, { "first_name" : "Samuel L.", "last_name" : "Jackson" }, { "first_name" : "Rosanna", "last_name" : "Arquette" }, { "first_name" : "Uma", "last_name" : "Thurman" }, { "first_name" : "Christopher", "last_name" : "Walken" }, { "first_name" : "Harvey", "last_name" : "Keitel" }, { "first_name" : "Tim", "last_name" : "Roth" } ] }
{ "_id" : "movie:18", "title" : "Mary à tout prix", "actors" : [ { "first_name" : "Cameron", "last_name" : "Diaz" }, { "first_name" : "Mat", "last_name" : "Dillon" } ] }
{ "_id" : "movie:19", "title" : "Terminator", "actors" : [ { "first_name" : "Arnold", "last_name" : "Schwartzenegger" } ] }
{ "_id" : "movie:20", "title" : "Les dents de la mer", "actors" : [ { "first_name" : "Roy", "last_name" : "Scheider" }, { "first_name" : "Robert", "last_name" : "Shaw" }, { "first_name" : "Richard", "last_name" : "Dreyfus" } ] }
Type "it" for more

movies>db.movies.find({"actors.last_name": "Eastwood", "director.last_name": {$ne: "Eastwood"}}, {"title": 1})
{ "_id" : "movie:32", "title" : "Le bon, la brute et le truand" }

Sortez du client mongo, puis téléchargez à partir de la section Fichiers de ce cours les deux fichiers au format JSON dont nous aurons besoin pour ce LAB :

• movies_ref.json
  • ce fichier contient la liste des films avec références, les identifiants des artistes, et impose donc d'effectuer des jointures
• artists.json
  • ce fichier contient la liste des artistes.

Connectez-vous à MongoDB avec le client mongo et créez une base de données moviesref contenant deux collections movies et artists.

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
movies>use moviesref
switched to db moviesref
moviesref>db.createCollection("movies")
{ "ok" : 1 }
moviesref>db.createCollection("artists")
{ "ok" : 1 }
moviesref>exit
bye

Utilisez maintenant la commande mongoimport pour importer les fichiers dans MongoDB :

[root@centos7 ~]# mongoimport -d moviesref -c movies --file movies-refs.json --jsonArray
2017-09-20T11:19:58.697+0200	connected to: localhost
2017-09-20T11:19:58.721+0200	imported 88 documents
[root@centos7 ~]# mongoimport -d moviesref -c artists --file artists.json --jsonArray
2017-09-20T11:20:14.384+0200	connected to: localhost
2017-09-20T11:20:14.405+0200	imported 206 documents

Re-connectez-vous à MongoDB en utilisant le client mongo :

[root@centos7 ~]# mongo
MongoDB shell version: 3.2.16
connecting to: test
Server has startup warnings: 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] 
2017-09-19T11:51:43.992+0200 I CONTROL  [initandlisten] ** WARNING: soft rlimits too low. rlimits set to 4096 processes, 64000 files. Number of processes should be at least 32000 : 0.5 times number of files.
test>use moviesref
switched to db moviesref

Le serveur MongoDB ne sait pas effectuer de jointures. Pour cette raison celles-ci doivent être mises en place du côté client. Cela revient essentiellement à appliquer l’algorithme de jointures par boucle imbriquées en stockant des données temporaires dans des structures de données sur le client, et en effectuant des échanges réseaux entre le client et le serveur.

La première étape dans la jointure côté client consiste à chercher l’artiste Clint Eastwood et à le stocker dans l’espace mémoire du client :

moviesref>eastwood = db.artists.findOne({"first_name": "Clint", "last_name": "Eastwood"})
{
	"_id" : "artist:20",
	"last_name" : "Eastwood",
	"first_name" : "Clint",
	"birth_date" : "1930"
}

Ensuite il convient d'utiliser cette “variable” pour rechercher dans la collection movies :

moviesref>db.movies.find({"director._id": eastwood['_id']}, {"title": 1})
{ "_id" : "movie:8", "title" : "Impitoyable" }
{ "_id" : "movie:26", "title" : "Les pleins pouvoirs" }
{ "_id" : "movie:63", "title" : "Million Dollar Baby" }

Etant donné une collection de documents on applique un traitement en deux phases:

Une fonction est appliquée à chaque document de la collection et produit une valeur placée dans un accumulateur.

Les valeurs placées dans l’accumulateur sont traitées par une fonction d’agrégation reduce ,produisant une valeur finale.

Un exemple simple peut être vu en considérant la requête SQL suivante :

select count(*) from Collection

Dans ce cas :

• la phase map produit une valeur de 1 et la place dans l'accumulateur pour chaque document dans la collection,
• la phase reduce calcule la somme pour produire un résultat.

En allant un peu plus loins, considérez la requête SQL suivante :

select count(*) from Collection group by annee

Dans ce cas, les valeurs produites par le map sont partionnées en groupes où chaque groupe représente une année. Le map produit donc des paires groupe, valeur ou année, valeur.

Revenons maintenant à notre base de données de films. Notre but est de produire un document par réalisateur contenant la liste des films réalisés par ce réalisateur :

• la phase map : un groupe doit être créé par réalisateur contenant les films réalisés par ce dernier,
• la phase reduce : la création du document final.

Par exemple la phase map est la définition d'une variable mapRealisateur contenant une fonction. Saisissez donc cette commande dans l'interface du client mongo :

movies>var mapRealisateur = function() {
...               emit(this.director._id, this.title);
...       };
movies>

La phase reduce contient une fonction, reduceRealisateur, qui prend deux arguments directorId, l’identifiant du groupe auquel elle s’applique, et la liste des valeurs produites par le map sous forme d'un tableau javascript. Saisissez donc cette commande dans l'interface du client mongo :

movies>var reduceRealisateur = function(directorId, titres) {
...    var res = new Object();
...    res.director = directorId;
...    res.films = titres;
...    return res;
...  };
movies>

Pour lancer le traitement, il convient d'exécuter la commande suivante qui appelle la fonction mapReduce sur la collection movies :

movies>db.movies.mapReduce(mapRealisateur,  reduceRealisateur, {out: {"inline": 1}} )
{
	"results" : [
		{
			"_id" : "artist:1",
			"value" : "Marie Antoinette"
		},
		{
			"_id" : "artist:10",
			"value" : "Volte/Face"
		},
		{
			"_id" : "artist:101",
			"value" : {
				"director" : "artist:101",
				"films" : [
					"Eyes Wide Shut",
					"Shining"
				]
			}
		},
		{
			"_id" : "artist:111",
			"value" : {
				"director" : "artist:111",
				"films" : [
					"Jeanne d'Arc",
					"Le cinquième élément",
					"Léon",
					"Nikita",
					"Le grand bleu"
				]
			}
		},
		{
			"_id" : "artist:122",
			"value" : {
				"director" : "artist:122",
				"films" : [
					"King of New York",
					"Bad Lieutenant"
				]
			}
		},
		{
			"_id" : "artist:13",
			"value" : "Sleepy Hollow"
		},
		{
			"_id" : "artist:135",
			"value" : "The Matrix Revolutions"
		},
		{
			"_id" : "artist:138",
			"value" : "De bruit et de fureur"
		},
		{
			"_id" : "artist:142",
			"value" : "Usual suspects"
		},
		{
			"_id" : "artist:168",
			"value" : "Une journée en enfer"
		},
		{
			"_id" : "artist:17",
			"value" : {
				"director" : "artist:17",
				"films" : [
					"American Beauty",
					"Skyfall"
				]
			}
		},
...

MapReduce peut prendre plusieurs options dont une s'avère particuluièrement utile, à savoir le résultat d’une requête :

movies>db.movies.mapReduce(mapRealisateur,  reduceRealisateur,
...          {out: {"inline": 1}, query: {"country": "USA"}} )
{
	"results" : [
		{
			"_id" : "artist:1",
			"value" : "Marie Antoinette"
		},
		{
			"_id" : "artist:10",
			"value" : "Volte/Face"
		},
		{
			"_id" : "artist:101",
			"value" : "Eyes Wide Shut"
		},
		{
			"_id" : "artist:122",
			"value" : {
				"director" : "artist:122",
				"films" : [
					"King of New York",
					"Bad Lieutenant"
				]
			}
		},
		{
			"_id" : "artist:13",
			"value" : "Sleepy Hollow"
		},
		{
			"_id" : "artist:135",
			"value" : "The Matrix Revolutions"
		},
		{
			"_id" : "artist:142",
			"value" : "Usual suspects"
		},
		{
			"_id" : "artist:168",
			"value" : "Une journée en enfer"
		},
		{
			"_id" : "artist:17",
			"value" : {
				"director" : "artist:17",
				"films" : [
					"American Beauty",
					"Skyfall"
				]
			}
		},

• https://www.mongodb.com/fr
• https://fr.wikipedia.org/wiki/MongoDB
• http://blog.ippon.fr/2013/11/19/mongodb-est-moins-rapide-et-alors/
• http://www.next-decision.fr/les-editeurs/stockage/mongo-db
• https://docs.mongodb.com/manual/release-notes/
• http://b3d.bdpedia.fr/mongodb.html
• https://openclassrooms.com/courses/guide-de-demarrage-pour-utiliser-mongodb
• http://blog.xebia.fr/2010/12/15/mongodb-en-pratique/
• http://www.slideshare.net/marksmalley1/json-the-argonauts-and-mark
• https://fr.wikipedia.org/wiki/BSON
• https://blog.michaelckennedy.net/2013/04/22/a-roundup-of-mongodb-management-tools-nosql-database/
• http://rockmongo.com/
• http://genghisapp.com/
• http://b3d.bdpedia.fr/mongodb.html
• http://blog.xebia.fr/2010/12/15/mongodb-en-pratique/
• https://api.mongodb.com/java/current/
• http://javarticles.com/2016/01/inserting-document-using-mongodb-java-driver.html
• https://www.mongodb.com/blog/post/introducing-new-c-driver
• http://mongoc.org/libmongoc/1.2.2/tutorial.html

<html>

</html>