Le document traite des webinaires MongoDB, en mettant l'accent sur l'indexation avancée, y compris les index de texte et géospatial. Il explique comment créer et utiliser ces index pour optimiser les performances des requêtes dans MongoDB. Plusieurs exemples et cas d'utilisation concrets illustrent ces concepts.

1. MongoDBEurope2016
Old Billingsgate, London
15th November
Use my code emmanueldeletang20 for 20% off tickets
mongodb.com/europe

2. Back to Basics 2016 : Webinar 4
Advanced Indexing –
Text and Geospatial Indexes
Emmanuel DELETANG
Emmanuel.deletang@mongodb.com
Senior Solutions Architect
V1.0

3. 3
Recap
• Webinar 1 – Introduction to NoSQL
– Les différentes type de base de données No SQL
– Mongodb est quel type de base de données.
• Webinar 2 – Ma première application avec MongoDB
– Créer une base et collections
– CRUD opérations
– Indexations et plan d’execution
• Webinar 3 – Schéma Design
– Schéma dynamique
– Approches embarqué
– Exemples

4. 4
Indexing
• Une voie évidente pour accède a la valeur de la données
• Eviter les “Table Scan”
1 2 3 4 5 6 7

5. 5
Les bases de données Traditionnel utilise Btrees
• … Et pour MongoDB

6. 6
Requête , insert , suppressions ,O(Log(n) Time

7. 7
Cree un index
db.coll.createIndex( { fieldName : <Direction> } )
Base de donnees
collections
Command
Nom du champs a indexes
Ascending : 1
Descending : -1

8. 8
Autres index
• Full Text Index
– Permet de rechercher dans le texte d'un champ ( Lucene , Solr et
Recherche élastique )
• Geospatial Index
– Permet de rechercher par emplacement ( par exemple les gens près de
moi )
– Ce ne sont pas des index Btrees

9. 9
Full Text Indexes
•
Un " index inversé " sur tous les mots à l'intérieur d'un champ unique (un seul index de texte
par collection )
{ “comment” : “I think your blog post is very interesting
and informative. I hope you will post more
info like this in the future” }
>> db.posts.createIndex( { “comments” : “text” } )
MongoDB Enterprise > db.posts.find( { $text: { $search : "info" }} )
{ "_id" : ObjectId(“…"), "comment" : "I think your blog post is very
interesting and informative. I hope you will post more info like this
in the future" }
MongoDB Enterprise >

10. 10
Results
MongoDB Enterprise > db.posts.getIndexes()
...
{
"v" : 1,
"key" : {
"_fts" : "text",
"_ftsx" : 1
},
"name" : "comment_text",
"ns" : "test.posts",
"weights" : {
"comment" : 1
},
"default_language" : "english",
"language_override" : "language",
"textIndexVersion" : 3
}

11. 11
Sur le Server
I INDEX [conn275] build index on: test.posts properties: { v: 1, key:
{ _fts: "text", _ftsx: 1 }, name: "comment_text", ns: "test.posts",
weights: { comment: 1 }, default_language: "english",
language_override: "language", textIndexVersion: 3 }}
I INDEX [conn275] building index using bulk method
I INDEX [conn275] build index done. scanned 3 total records. 0 secs

12. 12
Quelques details
>> db.posts.insert( { "comment" : "Red yellow orange green" } )
>> db.posts.insert( { "comment" : "Pink purple blue" } )
>> db.posts.insert( { "comment" : "Red Pink" } )
>> db.posts.find( { "$text" : { "$search" : "Red" }} )
{ "_id" : ObjectId(“…”), "comment" : "Red yellow orange green" }
{ "_id" : ObjectId( »…"), "comment" : "Red Pink" }
>> db.posts.find( { "$text" : { "$search" : "Red Green" }} )
{ "_id" : ObjectId(« …"), "comment" : "Red Pink" }
{ "_id" : ObjectId(« …"), "comment" : "Red yellow orange green" }
>> db.posts.find( { "$text" : { "$search" : "red" }} ) # <- Case Insensitve
{ "_id" : ObjectId(“…"), "comment" : "Red yellow orange green" }
{ "_id" : ObjectId(«…”), "comment" : "Red Pink" }
>>

13. 13
Utilisation du poids
• Nous pouvons assigner des poids différents aux champs(domaines)
différents dans l'index(indice) de texte
• Par exemple. Je veux favoriser des étiquettes sur des commentaires dans la
recherche
• Donc j'augmente le poids pour le champ(domaine) d'étiquettes
>> db.blog.createIndex( { comment: "text",
tags : "text” },
{ weights: { comment: 5,
tags : 10 }} )
• Maintenant les recherches favoriseront des étiquettes

14. 14
$textscore
• Nous pouvons vouloir favoriser des résultats avec des poids plus hauts,
ainsi:
>> db.posts.find( { "$text" : { "$search" : "Red" }}, { score: {
$meta: "textScore" }} ).sort( { score: { $meta: "textScore" } } )
{ "_id" : …, "comment" : "hello", "tags" : "Red green orange", "score"
: 6.666666666666666 }
{ "_id" : …, "comment" : "Red Pink", "score" : 3.75 }
{ "_id" : …, "comment" : "Red yellow orange green", "score" : 3.125 }
>>

15. 15
Autre parametres
• Langue : Choisissez la langue dans laquelle vous voulez
fouiller(rechercher) par exemple.
• $language : Spanish
• Support de la recherche “case sensitive”
– $caseSensitive : True (default false)
• Le support des caractères accentués (la recherche sensible
diacritique par exemple « café » est different de « cafe »)
• $diacriticSensitive : True (default false)

16. Geospatial Indexes

17. 17
Geospatial Indexes
• MongoDB supporte des index de Sphère 2D
• Permet à un utilisateur de représenter l'emplacement sur la terre (qui est une
sphère)
• Les Coordonnées sont stockées à GeoJSON formatent
• l'index Géospatial soutient le sous-ensemble des opérations de GeoJSON
• l'index est basé sur une représentation de QuadTree
• l'Index est basé sur la norme WGS 84

18. 18
coordonnées
• Les coordonnées sont représentées par la longitude, latitude
• la longitude
– Mesurée du méridien de Greenwich à Londres (0 degrés) l'est (jusqu'à
180 degrés)
– Pour l'ouest nous spécifions l'emplacements comme négatif
• La latitude
– Mesurée du nord d'équateur et le sud (0 à 90 nord, 0 à-90 sud)
• les Coordonnées dans MongoDB sont stockées sur l’ordre
Longitude/Latitude
• les Coordonnées dans Google sont stockées dans l’ordre Latitude/Longitude

19. 19
2DSphere Versions
• Deux versions active d’index 2dSphere
• Version 1: jusqu'à MongoDB 2.4
• Version 2: de MongoDB 2.6 en avant la V 3:0 MongoDB
• Version 3: depuis MongoDB 3.2
• Nous parlerons seulement de la Version 3 dans ce
webinaire

20. 20
Cree un index 2dSphere
db.collection.createIndex
( { <location field> : "2dsphere" } )
• Le champ de localisation doit être la coordonnée ou des données GeoJSON

21. 21
Example
>> db.test.createIndex( { loc : "2dsphere" } )
{
"createdCollectionAutomatically" : false,
"numIndexesBefore" : 1,
"numIndexesAfter" : 2,
"ok" : 1
}

22. 22
Output
>> db.test.getIndexes()
[
{
"v" : 1,
"key" : {
"loc" : "2dsphere"
},
"name" : "loc_2dsphere",
"ns" : "geo.test",
"2dsphereIndexVersion" : 3
}
]
>>

23. 23
Utilisez un Ensemble de données Simple pour examiner des
Questions de Geo
• Recherche de restaurants au Manhattan
• Utilisation de deux exemples
– https://raw.githubusercontent.com/mongodb/docs-assets/geospatial/neighborhoods.json
– https://raw.githubusercontent.com/mongodb/docs-assets/geospatial/restaurants.json
• Importer dans mongoDB
– mongoimport –c neighborhoods –d geo neighborhoods.json
– mongoimport –c restaurants –d geo restaurants.json

24. 24
Neighborhood Document
MongoDB Enterprise > db.neighborhoods.findOne()
{
"_id" : ObjectId("55cb9c666c522cafdb053a1a"),
"geometry" : {
"coordinates" : [
[
[
-73.94193078816193,
40.70072523469547
],
...
[
-73.94409591260093,
40.69897295461309
],
]
"type" : "Polygon"
},
"name" : "Bedford"
}

25. 25
Restaurant Document
MongoDB Enterprise > db.restaurants.findOne()
{
"_id" : ObjectId("55cba2476c522cafdb053adf"),
"location" : {
"coordinates" : [
-73.98241999999999,
40.579505
],
"type" : "Point"
},
"name" : "Riviera Caterer"
}
MongoDB Enterprise >
You can type this into
google maps but
remember to reverse the
coordinate order

26. 26
Ajout Indexes
MongoDB Enterprise > db.restaurants.createIndex({ location: "2dsphere" })
{
"createdCollectionAutomatically" : false,
"numIndexesBefore" : 1,
"numIndexesAfter" : 2,
"ok" : 1
}
MongoDB Enterprise > db.neighborhoods.createIndex({ geometry: "2dsphere" })
{
"createdCollectionAutomatically" : false,
"numIndexesBefore" : 1,
"numIndexesAfter" : 2,
"ok" : 1
}
MongoDB Enterprise >

27. 27
utilisez $geoIntersects pour trouver vos voisins
• Suppose que nous sommes a : -73.93414657, 40.82302903
• Dans quel quartier sommes-nous? Utilisons $geoIntersects
db.neighborhoods.findOne({ geometry:
{ $geoIntersects:
{ $geometry:
{ type: "Point",
coordinates:
[ -73.93414657,
40.82302903 ]}}}})

28. 28
Resultats
{
"geometry" : {
”coordinates" : [
[
-73.9338307684026,
40.81959665747723
],
...
[
-73.93383000695911,
40.81949109558767
]
]
"type" : "Polygon"
},
"name" : "Central Harlem North-Polo Grounds"
}

29. 29
Trouvez un restautant a moins de 0.35 km
db.restaurants.find({ location:
{ $geoWithin: { $centerSphere:
[ [ -73.93414657, 40.82302903 ], 5 / 6,378.1 ] }
} })
Distance in km
Divide by radius of earth
to convert to radians

30. 30
Results – (Projected)
{ "name" : "Gotham Stadium Tennis Center Cafe" }
{ "name" : "Chuck E. Cheese'S" }
{ "name" : "Red Star Chinese Restaurant" }
{ "name" : "Tia Melli'S Latin Kitchen" }
{ "name" : "Domino'S Pizza" }
• Without projection
{ "_id" : ObjectId("55cba2476c522cafdb0550aa"),
"location" : { "coordinates" : [ -73.93795159999999, 40.823376 ],
"type" : "Point" },
"name" : "Domino'S Pizza" }

31. 31
Résumer des operateurs
• $geoIntersect: trouver un point a cote de …
• $geoWithin: trouver une aire par rapport a un point spécifique
$geoNear: Retourne une localisation par rapport a une
information a cote de

32. 32
Résumer
• Text Indexes
• Geospatial Indexes