MongoDBコンパスの使用方法

著者は、 Open Internet / Free Speech Fund を選択して、 Write forDOnationsプログラムの一環として寄付を受け取りました。

序章

MongoDBシェルを使用すると、MongoDBが実行されているサーバーに既にアクセスできる限り、データベースにアクセスできます。ただし、コマンドラインインターフェイスは、データベースを操作するのに必ずしも理想的ではありません。データを検索または分析する方法が明確でない場合があるためです。代わりにビジュアルツールを使用してデータを表示、操作、分析すると便利な場合があります。この目的のために、MongoDBプロジェクトは、 MongoDBCompassと呼ばれる公式のグラフィカルユーザーインターフェイスを提供します。

MongoDB Compass（ Compass と短縮されることもあります）を使用すると、MongoDBデータベースエンジンが提供するほとんどの機能に直感的なビジュアル表示でアクセスできます。データベース、コレクション、および個々のドキュメントを一瞥し、インタラクティブにクエリを作成し、既存のドキュメントを操作し、専用のインターフェイスを介して集計パイプラインを設計できます。

このチュートリアルでは、MongoDB Compassをローカルマシンにインストールし、グラフィカルツールを使用してさまざまなデータベース管理を実行する方法を理解します。

前提条件

このチュートリアルに従うには、次のものが必要です。

sudo権限を持つ通常の非rootユーザーと、UFWで構成されたファイアウォールを備えたサーバー。このチュートリアルは、Ubuntu 20.04を実行しているサーバーを使用して検証されており、Ubuntu20.04のこの初期サーバーセットアップチュートリアルに従ってサーバーを準備できます。
サーバーにインストールされているMongoDB。これを設定するには、 Ubuntu20.04にMongoDBをインストールする方法に関するチュートリアルに従ってください。
認証を有効にして管理ユーザーを作成することにより、サーバーのMongoDBインスタンスを保護します。このようにMongoDBを保護するには、 Ubuntu20.04でMongoDBを保護する方法に関するチュートリアルに従ってください。
ローカルマシンからの接続を許可するように構成されたMongoDBインスタンス。これを設定するには、 Ubuntu20.04でMongoDBのリモートアクセスを構成する方法に関するガイドに従ってください。このガイドに従うときは、必ず2番目のリモートUbuntuサーバーの代わりにローカルマシンを使用してください。
MongoDBCompassをインストールできるローカルマシン。このチュートリアルには、UbuntuおよびRHELベースのオペレーティングシステムを実行しているマシンにCompassをインストールする方法の説明がありますが、WindowsおよびMacOSにCompassをインストールするためのMongoDBの説明へのリンクも含まれています。

注：サーバーの構成、インストール、およびMongoDBの安全なインストールの方法に関するリンクされたチュートリアルは、Ubuntu20.04を参照しています。このチュートリアルは、基盤となるオペレーティングシステムではなく、MongoDB自体に焦点を当てています。通常、認証が有効になっていて、ローカルマシンからのアクセスが許可されている限り、オペレーティングシステムに関係なくすべてのMongoDBインストールで機能します。

ステップ1—MongoDBCompassをインストールする

MongoDB Compassを使用するには、ローカルコンピューターにインストールする必要があります。 MongoDBは、UbuntuおよびRHELベースのLinuxディストリビューション、ならびにWindowsおよびMacOS用のグラフィカルツールの公式パッケージを提供します。

システムに適切なパッケージを見つけるには、Webブラウザの MongoDBCompassDownloadsページに移動します。そこで、ページの右側にある Available Downloads セクションを見つけて、そこにあるドロップダウンメニューから目的のVersionとPlatformを選択します。このチュートリアルの例では、この記事の執筆時点で最新の安定バージョンであるバージョン1.28.4をインストールします。

選択したら、リンクのコピーボタンをクリックして、ダウンロードリンクをクリップボードにコピーします。プラットフォームとしてUbuntuを選択した場合、このリンクは.debパッケージをダウンロードしますが、RedHatを選択した場合、リンクは.rpmパッケージをダウンロードします。

次に、ローカルマシンでターミナルセッションを開きます。

ローカルマシンがUbuntuを実行していて、コピーしたリンクが.debパッケージ用である場合は、wgetコマンドを実行し、コピーしたリンクを引数として渡します。これにより、パッケージが作業ディレクトリにダウンロードされます。

wget https://downloads.mongodb.com/compass/mongodb-compass_1.28.4_amd64.deb

次に、.debパッケージをaptとともにインストールします。

sudo apt install ./mongodb-compass_1.28.4_amd64.deb

このコマンドは、必要なすべての依存関係とともにCompassパッケージをインストールします。

ただし、CentOS、Fedora、Rocky LinuxなどのRHELベースのディストリビューションを使用している場合は、1つのコマンドで.rpmパッケージをWebから直接ダウンロードしてインストールできます。次のdnfコマンドを実行すると、Compassとそのすべての依存関係もインストールされます。

sudo dnf install -y https://downloads.mongodb.com/compass/mongodb-compass-1.26.1.x86_64.rpm

注： MongoDB Compassは、MacおよびWindowsシステムでも使用できます。 Linux以外のシステムでMongoDBCompassをセットアップするには、公式のMongoDBCompassドキュメントのインストール手順に従ってください。

MongoDB Compassパッケージをインストールした後、以下を実行して、インストールされたソフトウェアを実行できます。

mongodb-compass

コンパスはウェルカム画面であなたを迎えます：

ローカルマシンにMongoDBCompassをインストールしたので、リモートサーバーで実行されているMongoDBインスタンスに接続できます。

ステップ2—MongoDBサーバーに接続する

リモートサーバーで実行されているMongoDBインスタンスでMongoDBCompassを使用するには、シェルを介してデータベースにアクセスする場合と同じように、最初にMongoDBCompassに接続する必要があります。 Ubuntu 20.04 でMongoDBのリモートアクセスを構成する方法に関する前提条件のチュートリアルを完了したと仮定すると、ローカルマシンからのリモート接続を許可するようにMongoDBサーバーが既に構成されています。

Compassを使用すると、接続文字列（必要なすべてのデータベース接続情報を含む1行のテキスト）を使用するか、すべての接続の詳細を個別に入力することで接続できます。このガイドでは、2番目のオプションを使用して接続する方法の概要を説明しますが、接続文字列の作成方法を知りたい場合は、主題に関する公式ドキュメントを確認することをお勧めします。

ウェルカム画面の上部にある[接続フィールドに個別に入力]をクリックします。 新しい接続画面が表示され、空のフィールドのリストが表示されます。

MongoDBインスタンスが実行されているリモートサーバーのIPアドレスをHostnameフィールドに入力します。 MongoDBインスタンスが接続をリッスンしているポートを変更しない限り、デフォルトのPort値のままにします。サーバーは認証を有効にして保護されているため、認証オプションをユーザー名/パスワードに切り替える必要もあります。このオプションを選択した後、管理者のMongoDBユーザーのユーザー名、このアカウントに関連付けられたパスワード、およびこのユーザーの認証データベースを3つの新しいフィールドに入力します。

接続ボタンをクリックすると、CompassはMongoDBインスタンスへの接続を試みます。成功すると、インスタンス上のすべてのデータベースのリストを表示するホーム画面が表示されます。これらは、データベースサーバーのIPアドレスや実行中のMongoDBのバージョンなどの高レベルの情報とともに左側のパネルにも表示されます。

接続に失敗した場合は、すべての接続の詳細を正しく入力したことを確認してください。

ローカルのCompassインストールをリモートのMongoDBサーバーインスタンスに正常に接続したら、新しいテストデータベースの作成と、新しいコレクションへのテストデータの挿入に進むことができます。

ステップ3—テストデータの準備

MongoDB Compassのさまざまな機能を説明するために、このガイドでは例で一連のサンプルドキュメントを使用します。この手順では、コレクションを作成し、このサンプルデータのセットをコレクションに挿入します。

このサンプルコレクションには、世界で最も人口の多い20の都市を表すドキュメントが含まれています。東京のサンプルドキュメントは、次の構造に従います。

東京を代表するサンプルドキュメント

{
    "name": "Tokyo",
    "country": "Japan",
    "continent": "Asia",
    "population": 37.400
}

このドキュメントには、都市の名前、都市が存在する国、大陸、および数百万単位で表される人口に関する情報が含まれています。このガイドでは、サンプルデータベースにpopulationsという名前を付け、ドキュメントを保存するコレクションにはcitiesという名前を付けます。

開始するには、ホーム画面の上部にある CREATEDATABASEボタンをクリックします。または、左側のパネルの下部にあるプラス記号（ + ）をクリックすることもできます。

MongoDBでは、データベースとコレクションは通常、最初のドキュメントがコレクションに挿入されたときに作成され、これらの構造の明示的な作成操作は必要ありません。ただし、新しいデータベースを明示的に作成することは可能であり、それがこのチュートリアルのMongoDBCompassで行う方法です。

データベース名フィールドにpopulationsと入力し、コレクション名フィールドにcitiesと入力し、他のすべてのフィールドをデフォルト値のままにして、をクリックします。 ]データベースの作成：

コンパスがデータベースを作成します。 populationsデータベースをクリックして、データベースビューにアクセスします。次に、citiesをクリックして、空のコレクションビューを表示します。

データベースとコレクションが作成されたので、ソートされていないドキュメントのリストをcitiesコレクションに挿入できます。 データの追加ボタンをクリックし、ドキュメントの挿入オプションを選択します。

シェルコマンドを使用する場合と同様に、1つ以上のデータドキュメントをJSON形式で入力できるウィンドウが表示されます。次の一連のドキュメントをフィールドに入力し、デフォルトでそこにあったコンテンツを置き換えます。

[
  {"name": "Seoul", "country": "South Korea", "continent": "Asia", "population": 25.674 },
  {"name": "Mumbai", "country": "India", "continent": "Asia", "population": 19.980 },
  {"name": "Lagos", "country": "Nigeria", "continent": "Africa", "population": 13.463 },
  {"name": "Beijing", "country": "China", "continent": "Asia", "population": 19.618 },
  {"name": "Shanghai", "country": "China", "continent": "Asia", "population": 25.582 },
  {"name": "Osaka", "country": "Japan", "continent": "Asia", "population": 19.281 },
  {"name": "Cairo", "country": "Egypt", "continent": "Africa", "population": 20.076 },
  {"name": "Tokyo", "country": "Japan", "continent": "Asia", "population": 37.400 },
  {"name": "Karachi", "country": "Pakistan", "continent": "Asia", "population": 15.400 },
  {"name": "Dhaka", "country": "Bangladesh", "continent": "Asia", "population": 19.578 },
  {"name": "Rio de Janeiro", "country": "Brazil", "continent": "South America", "population": 13.293 },
  {"name": "São Paulo", "country": "Brazil", "continent": "South America", "population": 21.650 },
  {"name": "Mexico City", "country": "Mexico", "continent": "North America", "population": 21.581 },
  {"name": "Delhi", "country": "India", "continent": "Asia", "population": 28.514 },
  {"name": "Buenos Aires", "country": "Argentina", "continent": "South America", "population": 14.967 },
  {"name": "Kolkata", "country": "India", "continent": "Asia", "population": 14.681 },
  {"name": "New York", "country": "United States", "continent": "North America", "population": 18.819 },
  {"name": "Manila", "country": "Philippines", "continent": "Asia", "population": 13.482 },
  {"name": "Chongqing", "country": "China", "continent": "Asia", "population": 14.838 },
  {"name": "Istanbul", "country": "Turkey", "continent": "Europe", "population": 14.751 }
]

INSERT ボタンをクリックすると、Compassはドキュメントのリストを挿入し、コレクションブラウザに自動的に表示します。

これで、世界で最も人口の多い都市を表す一連のサンプルドキュメントを正常に作成できました。このコレクションは、MongoDB Compassを探索するときに、このガイドのサンプルデータとして機能します。次に、グラフィカルインターフェイスを使用してデータを参照する方法を学習します。

ステップ4—データのナビゲートとフィルタリング

MongoDB Compassは、グラフィカルインターフェイスを介してMongoDBデータベースに保存されているデータを参照するための便利なツールです。あいまいなデータベースやコレクションの名前を覚えておく必要がなくなり、数回クリックするだけでMongoDBサーバー上の任意のデータベースやコレクションに移動できます。

Compassの主要なナビゲーションツールは左側のパネルで、データベースの内容を示すツリーのように機能します。トップレベルのノードはデータベースであり、クリックすると利用可能なコレクションのリストが表示されます。

前の手順で作成したcitiesコレクションに移動するには、populationsデータベース名をクリックすると、その中のすべてのコレクションのリストが表示されます。テストデータを準備した後、単一のコレクションが利用可能になります。コレクション名をクリックすると、データブラウザ画面が読み込まれます。

デフォルトでは、Compassは、選択されたコレクションに対する空のクエリによって返された、フィルタリングされていない最初の20件の結果を表示します。前の手順で使用したデータの追加ボタンの右側に、表示セクションがあり、次の3つの表示モードから選択できます。

リストビュー：ドキュメントをキーと値のペアとして1行に1つずつ表示するデフォルトのビュー。この表示モードはJSONドキュメント形式に似ていますが、構文の色付けと、折りたたみ可能なネストされたドキュメントなどの追加のインターフェイス機能により、読みやすくなります。

JSONビュー：このビューには、JSONで表される実際のドキュメント構造が表示されます。

テーブルビュー：リレーショナルデータベースに見られるものと同様の表形式のインターフェイスでデータを表示します。これは、ドキュメントが明確に定義されたフラット構造に従っているが、埋め込まれたドキュメントまたは配列がドキュメントに表示されている場合は読みにくい場合に便利です。

使用するビューに関係なく、MongoDBシェルのfind()メソッドを使用する場合と同じように、データブラウザー画面を使用してデータをすばやくクエリできます。例として、MongoDBシェルで次の操作を実行することにより、コレクションにクエリを実行して、北米の都市を表すすべてのドキュメントを検索できます。

db.cities.find({ "continent": "North America" })

このfind()メソッドでは、{ "continent": "North America" }はクエリドキュメントです。これは、MongoDBにデータのフィルタリング方法を指示するコマンドの一部です。同様に、コレクションウィンドウの上部にあるMongoDBCompassのFILTER フィールドに、このドキュメントまたはその他のクエリドキュメントを入力して、データをフィルタリングできます。

先に進み、このクエリドキュメントを FILTER フィールドに入力してから、FINDを押します。

{ "continent": "North America" }

MongoDB Compassは、ドキュメントのリストをフィルタリング基準に一致する2つのエントリに絞り込みます。 find()コマンドで使用する有効なクエリドキュメントを使用して、FILTERフィールドの日付をフィルタリングできます。構文エラーが発生すると、Compassは FILTER バッジを赤に変え、クエリに問題があることを示します。

データブラウザインターフェイスを使用して、結果を並べ替え、予測を適用して、フィールドの限られたサブセットのみを返すこともできます。フィルタリングクエリバーの近くにあるOPTIONSボタンをクリックして、その他のオプションを表示します。 PROJECTおよびSORTフィールドは、FILTERフィールドの下に表示されます。他の多くのフィールドも表示されますが、それらすべてを詳細に説明することは、このガイドの範囲を超えています。

PROJECTフィールドとSORTフィールドはどちらも、シェルのfind()メソッドとsort()メソッドに渡すのと同じドキュメントを受け入れます。例として、返されるフィールドを都市名と人口のみを表示するように制限してから、結果を人口の昇順で並べ替えてみてください。

フィールドのリストをnameおよびpopulationに制限するには、次の投影ドキュメントをPROJECTフィールドに追加します。

{ "_id": 0, "name": 1, "population": 1 }

リストを人口の昇順で並べ替えるには、次の並べ替えドキュメントをSORTフィールドに追加します。

{ "population": 1 }

FIND ボタンをもう一度クリックして、これらの投影およびソートドキュメントを適用します。

Compassは、ニューヨークとメキシコシティを表す2つの簡略化されたドキュメントを表示するようになりました。結果は、MongoDBシェルで次のクエリを実行するのと同じです。

db.cities.find(
    { "continent": "North America" },
    { "_id": 0, "name": 1, "population": 1 }
).sort(
    { "population": 1 }
)

フィルタクエリドキュメントの場合と同様に、投影と並べ替えの設定に構文エラーがあると、それぞれのフィールドのラベルが赤に変わり、問題が発生したときに簡単に見つけることができます。

適用したドキュメントのフィルタ、投影、並べ替えをクリアするには、RESETボタンをクリックします。

注：データブラウザを使用して、個々のドキュメントのコンテンツを変更することもできます。リストビューで、リスト内のドキュメントにカーソルを合わせ、表示されるコンテキストメニュー内の鉛筆アイコンをクリックします。

静的表示は、ドキュメントをすばやく変更するために自由に変更できる編集可能なフィールドのリストに変わります。

必要な変更を加えたら、 UPDATE ボタンをクリックすると、データベースに書き込まれます。

ステップ5— Interactive AggregationPipelineBuilderを使用する

Compassの集約パイプラインビルダーは、マルチステップ集約パイプラインの作成を支援するグラフィカルツールです。このステップでは、順次集計ステージを追加してパイプラインを構築する方法について説明します。

注：このステップの例は、同様のテストデータを使用するアグリゲーションの使用方法チュートリアルのアグリゲーションパイプラインに従います。集約パイプラインに精通していない場合は、そのチュートリアルに従って、最初にそれらの原則について学ぶことができます。

例として、当面のタスクは、コレクションに含まれる国の中で最も人口の多い都市をリストすることですが、アジアと北アメリカで見つかった都市のみをリストするとします。パイプラインは、都市の名前と人口のみを返す必要があります。結果は、人口の降順で並べ替える必要があります。最初に、最大の都市を持つ国を返します。最後に、ドキュメントの構造は以下を複製する必要があります。

ドキュメント構造の例

{
    "location" : {
        "country" : "Japan",
        "continent" : "Asia"
    },
    "most_populated_city" : {
        "name" : "Tokyo",
        "population" : 37.4
    }
}

これらの要件を満たす集約パイプラインの構築を開始するには、citiesコレクションのAggregationsタブを開きます。

citiesコレクションからの最初のドキュメントをフィルタリングして、アジアと北アメリカの国のみを含めることから始めます。 citiesコレクションのAggregationsタブを開きます。

アグリゲーションパイプラインビルダービューの上部には、コレクション内のソースドキュメントが表示されます。これにより、集計パイプラインの入力として使用されるドキュメントをすばやく確認できます。ドキュメントがすぐに表示されない場合、デフォルトでドキュメントが表示されていない場合は、更新ボタン（⟳）を押してこれらのドキュメントを表示する必要がある場合があります。

この例の場合、これらは元の変更されていない構造を持つcitiesドキュメントです。最初は空の2番目の行は、最初の集約ステージです。

このパイプラインの例を作成するための最初のステップは、citiesコレクションからの最初のドキュメントをフィルタリングして、北米とアジアの都市を表すドキュメントのみが含まれるようにすることです。このためには、ドロップダウン選択…メニューを使用して、$matchステージを選択します。 MongoDB Compassは、期待される構文を示す例を提供します。期待値は、通常$matchステージの設定と同じ種類のクエリフィルタードキュメントです。

北米とアジアの都市のみに一致させるには、次のように入力します。

{
    "continent": { $in: ["North America", "Asia"] }
}

コンパスは、最初のステージを適用した結果を自動的にプレビューし、フィルタリングされたドキュメントを右側に表示します。このようにして、各ステージが意図したとおりに機能することをすばやく確認できます。

2番目のステップは、人口の降順でドキュメントを並べ替えることです。 ADDSTAGEボタンを使用してステージを追加します。別の空のステージ行が表示されます。そこで、$sortステージを選択し、ステージ設定として以下を入力します。

{ "population": -1 }

繰り返しになりますが、返されるドキュメントは同じ構造になりますが、プレビューペインで東京が最初に表示され、代わりに並べ替えられた結果が表示されます。

現在、都市のリストは予想される大陸からの人口でソートされているため、次の必要なステップは、各グループから最も人口の多い都市のみを選択して、国ごとに都市をグループ化することです。別のステージを追加します。今回は、ステージタイプとして$groupを選択します。

固有の大陸と国のペアで都市をグループ化し、最も人口の多い都市の名前と人口のみを表示してこれらのペアを要約するには、次のグループ化設定を入力します。

{
    "_id": {
        "continent": "$continent",
        "country": "$country"
    },
    "first_city": { $first: "$name" },
    "highest_population": { $max: "$population" }
}

highest_population値は、$maxアキュムレータ演算子を使用してグループ内の最大の人口を検索し、first_cityは最初の都市の名前を取得します。以前に適用した並べ替え段階のおかげで、グループ内で最も人口の多い都市でもあることを確認できます。

グループ化ステージを適用すると、ドキュメントのリストは9エントリに減りますが、ドキュメントの構造は以前とは異なります。コンパスは、右側のグループステージからの出力をプレビューし、新しく計算されたhighest_populationとfirst_cityの値、および_idフィールドのグループ化式の値を表示します。

このセクションの冒頭で説明した要件を満たすための最後のステップは、ドキュメントの構造を変換することです。これを行うには、別のステージ行を追加し、ステージとして$projectを選択します。指定されたドキュメント構造を実現するには、次の投影ドキュメントを入力します。

{
    "_id": 0,
    "location": {
        "country": "$_id.country",
        "continent": "$_id.continent",
    },
    "most_populated_city": {
        "name": "$first_city",
        "population": "$highest_population"
    }
}

このドキュメントでは、最初に_idフィールドを抑制して、出力にまったく表示されないようにします。次に、countryとcontinentの2つのフィールドを持つネストされたドキュメントとして記述されたlocationフィールドを作成します。これらはそれぞれ、入力ドキュメントの値を参照しています。 most_populated_cityも同様の原則に従い、nameフィールドとpopulationフィールドを内部にネストします。これらのフィールドは両方とも、最上位フィールドfirst_cityおよびhighest_populationを参照します。この投影ステージは、出力用のまったく新しい構造を効果的に構築します。

この集計ステージの右側のプレビューペインには、変換後のサンプル出力が表示されていることに注意してください。これにより、投影段階で期待される変換が行われたことをすばやく確認できます。

アグリゲーションパイプラインビルダーを使用すると、単一のアグリゲーションコマンドの複雑な構文を気にすることなく、段階ごとにアグリゲーションを簡単に構築できます。 SAMPLE MODE スイッチをオンに切り替えると、MongoDB Compassが入力ドキュメントのサブセットのみを使用するようになり、ソースデータセットが大きい場合にパイプラインをより迅速に開発できるようになります。

各ステージのプレビューペインのおかげで、各ステージが期待される結果を提供することを確認できます。また、フリップスイッチを使用して個々のステージを無効または有効にして、一部のステージがアクティブ化されていない場合に集約パイプラインがどのように機能するかを理解することもできます。

ステップ6—スキーマ構造の分析

前の手順では、MongoDB Compassを使用して、インタラクティブツールを使用してデータを参照しました。これらの例では、CompassはMongoDBでルーチン関数を実行するためのより多くの補助として機能しましたが、このステップでは、Compassに固有の機能であるスキーマビジュアライザーインターフェイスについて説明します。このツールは、コレクション内のデータの構造を理解するのに役立ちます。

使用するには、まずcitiesコレクションビューのSchemaタブを選択します。ビューは最初は空になりますが、分析ボタンを押すと、コンパスはデータをチャーンして、そのフォーム、サイズ、および内容に関する洞察を明らかにします。

注：データを参照するのと同様に、フィルタークエリドキュメントを使用して選択を絞り込み、MongoDBCompassにコレクションドキュメントのサブセットに関する洞察を提供させることができます。

ドキュメントフィールドごとに、スキーマビジュアライザーはデータベースで見つかったデータへの洞察を提供します。

たとえば、スキーマビジュアライザー内の_idフィールドに注目してください。 MongoDBでは、すべてのドキュメントに主キーとして使用される_idフィールドが必要です。 Compassのスキーマビジュアライザーでは、ドキュメントがデータベースに挿入された時期が表示されます。この例では、すべてのドキュメントが日曜日の夜の1つの時点で挿入されました。ただし、生きているデータベースでは、エントリはデータベースの使用中に分散されます。この知識は、通常の1週間にデータベースがどれだけ使用されているかを測定するのに役立ちます。

continentフィールドとcountryフィールドはどちらも文字列値を含みますが、コレクションに複数回表示される値がある場合、Compassはデフォルトでデータセットに各値が表示される頻度を便利に表示します。使用可能なcontinent値が少ないため、行に表示され、データセットで頻繁に発生することを示しています。データセットにはより明確なcountry値があるため、インターフェイスは代わりに頻度グラフを作成します。

nameフィールドも文字列値フィールドですが、今回はそれぞれが一意です。この場合、コンパスは値のサンプルセットを表示します。

CompassのスキーマビジュアライザーとMongoDBのフィルタリング機能を組み合わせることで、データと生成されたビジュアライゼーションをすばやくスキャンできるため、複雑なクエリを書き出すことなくデータを分析できます。これは、データベースの内容を視覚化するだけでなく、データを理解して、インデックスまたはシャードクラスターの作成に関する決定を支援するのにも役立ちます。

結論

この記事では、便利なビジュアルディスプレイを介してMongoDBデータを管理できるGUIであるMongoDBCompassについて理解しました。このツールを使用して、新しいコレクションの作成、新しいドキュメントの挿入、データのフィルタリングとナビゲート、多段階の集計パイプラインの作成、およびスキーマ視覚化ツールを使用したコレクションのスキーマの視覚化を行いました。

チュートリアルでは、MongoDB Compass機能のサブセットのみを説明しました。これには、インデックス管理、クエリ実行プランの視覚化、サーバーのリアルタイムパフォーマンスメトリックの表示など、MongoDB管理に関連する他の多くの機能が含まれます。 Compassがどのように役立つかについて詳しくは、公式の公式のMongoDBCompassドキュメントを参照することをお勧めします。