Mongo DB

Práce s databází Mongo DB

Databáze je systém, který slouží k ukládání dat. Standardní relační databáze ukládají data do předem definovaných tabulek, které jsou provázány vztahy (odtud pojem "relační"). Nejznámější zdarma dostupné databáze jsou PostgreSQL, MySQL a SQLite, z placených poté Microsoft SQL Server nebo Oracle Database. Pro práci s databázemi používáme jazyk SQL (Structured Query Language).

Hlavní motivace, proč používat databáze, jsou:

  • umožňují efektivně uložit velké množství dat,
  • poskytují způsob, jak snadno a rychle najít požadovanou informaci,
  • snadno můžeme přidávat, upravovat, řadit a mazat záznamy,
  • umožňují propojení s aplikacemi (např. weby),
  • řeší přístup více uživatelů najednou,
  • zajišťují zabezpečení dat.

Čtení dat

NoSQL databáze jsou poměrně široký pojem a zahrnuje různé typy databází, které používají jiný způsob ukládání dat než tabulky provázané relacemi. Konkrétně existuje několik typů NoSQL databází.

  • Key-value databáze ukládají data do dvojic, kde jeden prvek (klíč) identifikuje hodnotu (value). Na stejném principu fungují například slovníky v Pythonu.
  • Grafové databáze vycházejí z teorie grafů. To je součást matematiky, která se zabývá strukturami složenými z bodů (vrcholů) a spojnic mezi nimi (hranami). Pomocí teorie grafů lze řešit například dopravní úlohy. V grafu pak vrcholy symbolizují města a hrany vzdálenosti mezi nimi. Můžeme pak např. spočítat nejkratší trasu pro návštěvu několika měst. (Speciální případ, kdy navštěvujeme všechna města, se na nazývá problém obchodního cestujícího.)
  • Dokumentové databáze slouží k ukládání dokumentů, nejčastěji ve formátu JSON, XML nebo YAML.

My se budeme zabývat databází MongoDB, což je dokumentová databáze využívající formát JSON.

Kromě NoSQL databází se v poslední době objevil blockchain, což je způsob ukládání dat, kdy již vložené záznamy nelze nijak upravit.

Formát JSON

Pojďme se nyní vrátit k našemu příkladu se spolubydlícími. Uvažujeme, že si chtějí svoje výdaje evidovat v databázi. Protože jsou ale poněkud neukáznění, ke každému nákupu si zapisuje různé věci. Např. někdo zapisuje datum nákupu, jiný poznámku, značku výrobku, jestli byl produkt v akci atd. Kvůli jejich kreativitě se rozhodli, že využijí NoSQL databázi, která jim dá větší volnost než klasická databáze. Domluvili se ale, že je nutné vždy uvést jméno kupujícího a cenu. Jednotlivé nákupy pak máme zapsané ve formátu JSON a naším úkolem je uložit je do databáze.

Níže jsou informace o nákupu, jak je zaprotokoloval Petr.

  • jméno: Petr,
  • věc: Prací prášek,
  • částka v korunách: 399,
  • datum: 2020-03-04,
  • značka: Persil,
  • hmotnost: 7.8.

Formát JSON taktéž připomíná slovníky v Pythonu. Data jsou uspořádána do dvojic - klíče a hodnoty. Níže vidíš, jak vypadají data zapsaná ve formátu JSON.

nakup = {
    "Jméno": "Petr",
    "Cena": 399,
    "Věc": "Prací prášek",
    "Datum": "2020-03-04",
    "Značka": "Persil",
    "Hmotnost": 7.8
}

Ve světě relačních databází používáme ke čtení příkaz SELECT. Většinou nechceme načíst všechna data v tabulce (kolekci), ale pouze jejich část. Nyní si ukážeme, jak nastavit, jaká data chceme získat.

Test načtení dat

K načtení jednoho záznamu použijeme funkci find_one(). Pokud funkci nedáme žádný parametr, vrátí nám první záznam z kolekce.

vysledek = kolekce.find_one()
print(vysledek)

Funkce vrátí první vložený záznam, který obsahuje námi zadané hodnoty a vygenerované ID.

Sestavení dotazu

Na MongoDB a modulu pymongo je sympatické, že pro dotazy používáme slovník. Dotazy tedy píšeme stejně, jako když připravujeme data pro vložení. Zkusme třeba napsat dotaz na nákupy, které provedl Libor. Dotaz ve formě slovníku předáme funkce find_one().

dotaz = {"Jméno": "Libor"}
vysledek = kolekce.find_one(dotaz)
print(vysledek)

Většinou chceme vrátit všechny řádky, které odpovídají našemu dotazu. K tomu slouží funkce find(). Ta nám vrátí všechny dokumenty, které odpovídají našemu dotazu, jako seznam. Seznam poté můžeme projít pomocí cyklu.

dotaz = {"Jméno": "Petr"}
vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument)

Pokud chceme požadovaný dokument vybrat na základě více klíčů, jednoduše z těchto klíčů sestavíme slovník.

dotaz = {"Jméno": "Petr", "Věc": "Toaletní papír"}
vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument)

Pokud bychom chtěli vypsat jenom nějakou konkrétní informaci (např. cenu), vložíme požadovaný klíč do hranatých závorek za proměnnou dokument. Je to podobné, jako kdybychom četli nějakou hodnotu ze seznamu, pouze nepoužíváme číselný index. Pokud znáš slovníky, je ti zápis určitě povedomý.

vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument["Částka v korunách"])

Určitým nebezpečím je, že tento zápis skončí chybou, pokud by v některém dokumentu nebyl přítomen daný klíč. Pokud máme obavu, že nějaká informace může chybět, můžeme využít metodu get(), které můžeme vložit výchozí hodnotu, kterou vrátí, nenalezne-li požadovaný klíč.

Další věc, na kterou si musíme dát pozor, je, že na rozdíl od seznamu nebo slovníku nemůžeme výsledek dotazu automaticky projít cyklem dvakrát. Pokud bychom chtěli s výsledkem stejného dotazu pracovat opakovaně, musíme použít metodu rewind() nebo položit dotaz znovu. Proměnná vysledek je totiž ve skutečnosti jakási forma záložky (kurzor) v knize. Pokud knihu dočteme, zůstane záložka na konci. Chceme-li knihu přečíst znovu, musíme nejprve záložku přesunout na začátek.

vysledek.rewind()
for dokument in vysledek:
    print(dokument.get("Datum", "Datum není zadáno"))

Větší než, menší než...

U číselných hodnot a dat chceme často formulovat dotaz obsahující nerovnost. Mohli bychom například chtít vypsat všechny nákupy v hodnotě větší než 100 Kč. MongoDB nepoužívá symboly > a <, ale jejich anglické zkratky. Například porovnání větší než zapisujeme jako $gt, což vychází z anglického "greater than". Dolar přidáváme, aby si MongoDB zkratku nespletlo s názvem sloupce. Kompletní přehled operátorů najdeš v tabulce níže.

Význam Zápis v Pythonu Zápis v MongoDB
Větší než > $gt
Menší než < $lt
Větší nebo rovno >= $gte
Menší nebo rovno <= $lte

Operátor a hodnotu, se kterou chceme porovnávat, píšeme jako slovník, kde operátor je klíč {"$gt": 100}. To pak vložíme do dalšího slovníku, kterým určíme, pro jaký sloupec naše podmínka platí {"Částka v korunách": {"$gt": 100}}. Celý zápis tedy vypadá takto:

dotaz = {"Částka v korunách": {"$gt": 100}}
vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument)

Výběr hodnoty ze seznamu

Někdy potřebujeme do jednoho dotazu vložit více možných hodnot pro jeden klíč. V MongoDB používáme operátor in. Operátor in známe i z Pythonu a jeho funkce je zde obdobná: ptáme se, jestli je hodnota klíče pro daný řádek přítomna v námi zadaném seznamu. Syntaxi najdeš na příkladu níže.

dotaz = {"Jméno": {"$in": ["Libor", "Míša"]}}
vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument)

Počet hodnot

Pokud by nás zajímal počet dokumentů, které vyhovují našemu dotazu, můžeme použít metodu count_documents(), která pro danou kolekci vrátí počet dokumentů, které vyhovují danému dotazu.

dotaz = {"Jméno": {"$in": ["Libor", "Míša"]}}
vysledek = kolekce.find(dotaz)
print(kolekce.count_documents(dotaz))

Dotaz typu "nebo"

Uvažujme nyní, že bychom chtěli vyhledat nákupy, které provedl Petr nebo šlo o nákupy toaletního papíru. V tomto případě nemůžeme vložit oba klíče a hodnoty vedle sebe, protože bychom získali nákupy, které provedl Petr a současně šlo o nákupy toaletního papíru. K získání dokumentů, které vyhovují alespoň jedné z podmínek, můžeme použít operátor $or. Klíče a hodnoty, které hledáme, pak vložíme do seznamu.

dotaz = {"$or": [{"Jméno": "Petr"}, {"Věc": "Pečící papír"}]}
vysledek = kolekce.find(dotaz)
for dokument in vysledek:
    print(dokument)

Použití regulárních výrazů

V MongoDB můžeme k vyhledávání používat i regulární výrazy. Pokud si například nejsme jisti, jak jsou v kolekci zapsané pytle na odpadky (můžou být v jednotném i množném čísle), můžeme použít žolíky na poslední dvě písmena, která se pro jednotné a množné číslo liší. Při použití regulárních výrazů používáme operátor $regex.

dotaz = {"Věc": {"$regex": "Pyt.. na odpadky"}}
vysledek = kolekce.find(dotaz)
for polozka in vysledek:
    print(polozka)

Pro lepší kontrolu můžeme použít i skupiny.

dotaz = {"Věc": {"$regex": "Pyt(le|el) na odpadky"}}
vysledek = kolekce.find(dotaz)
for polozka in vysledek:
    print(polozka)

Čtení na doma: Velikost písmen

Pokud bychom chtěli u hodnot provádět vyhledávání bez ohledu na velikost písmen, můžeme k tomu využít metodu collation. Té jako parametr zadáme dvojici hodnot - locale a strength. Locale je označení jazyka, podle kterého se má velikost písmen posuzovat, v našem případě zvolíme cs (češtinu), pro angličtinu bychom například zadali en. Druhý parametr označuje, zda má být velikost písmen ignorována. Pokud zadáme 2, je při vyhledávání ignorována, pokud 1, musí být velikost písmen u hodnoty dokumentu stejná jako v našem dotazu.

Pozor, toto nastavení ovlivní pouze hodnoty, velikost písmen u klíče musí být stejná v našem dotazu i dokumentu.

dotaz = {"Věc": "pytel na odpadky"}
vysledek = kolekce.find(dotaz).collation({"locale": "cs", "strength": 2})
for polozka in vysledek:
    print(polozka)

Alternativně můžeme použít regulární výrazy, kde nastavíme operátoru $options hodnotu i, což znamená, že je u regulárních výrazů ignorována velikost písmen (další možnosti, které je možné nastavit, jsou k dispozici v dokumentaci).

dotaz = {"Věc": {"$regex": "pyt(le|el) na odpadky", "$options": 'i'}}
vysledek = kolekce.find(dotaz)
for polozka in vysledek:
    print(polozka)