Bases de Datos · BBD-131

MongoDB avanzado: agregaciones y escalado

Pipeline de agregación, conjuntos de réplicas y fragmentación para datos que superan un servidor.

Próximamente Avanzado 7 módulos · 33 clases

Formato asíncrono Desarrollo, Ingeniería / Industria MongoDB

DATOS

Lo que aprenderás

Componer pipelines de agregación con match, group, lookup, unwind, facet y window fields.
Optimizar una agregación leyendo su explain y forzando el uso de índices en las primeras etapas.
Configurar un conjunto de réplicas con elección de primario y preferencias de lectura.
Elegir una clave de fragmentación evitando el fragmento caliente y la distribución desigual.
Operar un clúster fragmentado: fragmentos, enrutadores mongos y equilibrado de trozos.
Diagnosticar cuellos de botella con mongostat, el perfilador y las métricas del clúster.

Contenido del curso

7 módulos · 33 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Punto de partida 4 clases

Qué límites aparecen al crecer
Entorno multinodo con Docker
Conjunto de datos del curso
Medir antes de cambiar nada

Módulo 2 · Pipeline de agregación 5 clases

Etapas match, project, group y sort
unwind y trabajo con arrays
lookup: uniones entre colecciones
Expresiones, acumuladores y variables
Salida a colección con merge y out

Módulo 3 · Agregaciones avanzadas 5 clases

facet para varios resultados en una pasada
setWindowFields y funciones de ventana
bucket y densificación de series
Agregaciones sobre datos geoespaciales
Optimizar el orden de etapas con explain

Módulo 4 · Conjuntos de réplicas 5 clases

Primario, secundarios y árbitros
Oplog, sincronización y retardo
Elecciones y prioridades de nodo
Preferencias de lectura y consistencia
Simular la caída del primario

Módulo 5 · Fragmentación 5 clases

Arquitectura: fragmentos, mongos y servidores de configuración
Elegir la clave de fragmentación
Fragmentación por rango y por hash
Trozos, división y equilibrado
Consultas dirigidas frente a dispersas

Módulo 6 · Operación 5 clases

Perfilador y consultas lentas
mongostat, mongotop y métricas del clúster
Copias en clúster fragmentado
Añadir y retirar un fragmento
Actualizaciones sin corte de servicio

Módulo 7 · Caso de escalado 4 clases

Diagnóstico de un clúster con reparto desigual
Cambio de clave y migración de datos
Rehacer los informes como agregaciones eficientes
Validación de la carga y cierre

Requisitos

Modelado documental y consultas en MongoDB con soltura.
Manejo de Docker o de máquinas Linux para levantar varios nodos.
Conocer los conceptos de replicación y particionado en bases de datos.

Descripción

Cuando la colección deja de caber cómodamente en un servidor y los informes tardan minutos, las consultas simples ya no bastan. Hace falta trasladar el cálculo al motor con el pipeline de agregación y repartir los datos entre nodos sin que la elección de la clave arruine el reparto. Ese es el terreno de este curso.

La primera mitad se dedica al pipeline de agregación con casos de informe reales: agrupaciones, uniones entre colecciones, facetas, funciones de ventana y optimización etapa por etapa. La segunda levanta un conjunto de réplicas y después un clúster fragmentado en contenedores, para probar elecciones de primario, preferencias de lectura, equilibrado de trozos y comportamiento ante la caída de un nodo.

Al cerrar se puede dimensionar y operar un despliegue de MongoDB que crece, y explicar por qué se ha elegido cada clave de fragmentación. Conecta con los cursos de ingeniería de datos y de arquitecturas en tiempo real, donde MongoDB aparece como almacén de una parte del sistema.

¿Para quién es este curso?

Desarrolladores con una base MongoDB en producción que ha superado la capacidad de un único servidor.
Ingeniería de datos que genera informes pesados y quiere resolverlos dentro del motor.
Perfiles técnicos responsables de la disponibilidad de servicios apoyados en MongoDB.