为应用程序选择数据库可能是一个真正的挑战。不同的数据库设计服务于不同的目的，在这种情况下，由于他们的僵化模式和对数据类型的约束，关系数据库不能完全满足开发人员的需求。
可以通过使用灵活的数据库来提供弹性，该数据库能够处理大量非结构化数据并增加/减少存储容量，而不会在业务需求突然改变时丢失。
因此，NoSQL数据库逐渐取代了关系数据库：它们的功能可以满足现代(通常是非结构化)数据的挑战。
MongoDB领先于所有其他NoSQL数据库，满足了对各种开发领域数据的快速灵活访问的业务需求，特别是在实时数据占主导地位的情况下。从MongoDB 4.0开始就可以支持ACID事务。
你可以检查数据库引擎排名的可靠样条图表，以及多年来数据库趋势的排名，并将MongoDB的使用情况与其他数据库的使用情况进行比较。
让我们深入探讨MongoDB的技术方面及其优势。
什么是MongoDB？
MongoDB是一个面向文档的数据库。这意味着所有数据都存储在JSON类文档中，这些文档依次存储在集合中，类似于关系数据库中的表，但它们之间没有指定的关系。它针对本地存储文档和其他类型的数据进行了优化。
为什么使用MongoDB？
我想指出MongoDB最引人注目的特性：
· 动态模式：你不需要在创建集合时预先定义模式；你可以随时更改字段的类型、文档的数量和大小。因此，提供了动态数据模型的创建。这就是所谓的MongoDB的灵活性。它在敏捷开发中得到认可。
· 支持索引, 文档动态查询和实时聚合，实现强大的数据分析。
· 可扩展性。这意味着你可以轻松地在多个服务器之间传播数据，而不会对其可用性造成威胁。在关系数据库中使用的方法就不一样了。
· 无需将应用程序的业务对象映射到数据库表(例如，在Java中使用JPA)。因此，处理数据很容易。
· 支持自动分片，可实现水平缩放。横向扩展需要添加服务器，这些服务器的成本通常低于使用功能更强大的CPU（垂直扩展）。 MongoDB在集合级别对数据进行分片。
· 跨平台兼容性。
· 最后但并非最不重要的是免费和开源.
然而，我要指出的是，在灵活性和可靠性之间始终存在着一种权衡。最新版本通常涉及ACID遵从性，并由SQL数据库提供。因此，你需要为你的应用程序选择一个数据库，即关系数据库或NoSQL数据库。
MongoDB实时分析
如果你的数据不断增长并且偶尔会改变其结构，那么自然会产生一个问题：如何处理这些数据？这里有NoSQL数据库和MongoDB的功能。 MongoDB针对原生存储文档及通过索引快速访问进行了优化，同时支持复制。因此它比关系竞争对手快得多。要增强现有优化，你可以搜索不同的技术，包括使用WiredTiger引擎，基于区域的分片，为字段选择短名称等。
MongoDB支持谷歌(Google)、思科(Cisco)、SAP、Facebook、Expedia等公司，这一事实本身就说明了问题。它通常用于实时分析，大数据，移动应用程序等.MongoDB是非结构化和半非结构化数据的最佳决策，例如：
· 社交媒体上的帖子
· 网页
· 电子邮件
· 报告
· 病历
· 市场调研原始数据
· 科学数据
· 其他
此外，它还非常适合存储结构化数据。
可用的MongoDB数据可视化工具
无论你选择何种类型的数据，有时需要可视化所有数据。在搜索MongoDB数据可视化工具时，我注意到很难找到具有开箱即用功能的工具。因此，今天我将给大家介绍一个我使用的工具，这些工具用于可视化我的数据。
· 第一个是Compass，它是一个本机MongoDB数据库管理GUI应用程序，是MongoDB Atlas订阅的一部分。尽管如此，Compass还提供免费试用，在此期间我成功完成了对该应用程序的测试。我发现它适用于MongoDB数据及其集合模式的可视化，编辑，添加和删除数据。此外，我使用了Schema可视化工具在我的数据集中定义模式。这就是它的界面：
· 我认为它是Compass最强大的部分之一，因为它使我能够与数据实时交互，快速执行简单和复杂的查询来过滤数据，查看数据的特定部分，使用生成的直方图分析数据类型和字段值的分布。
· 我选择的第二个数据可视化工具是Flexmonster Pivot Table。它是Web报告和数据分析的组件。它支持连接到JSON数据源，因此我创建了一个Node.js应用程序，并设置了到MongoDB的连接，然后将数据加载到数据透视表中。然后，我通过UI分析了应用排序、过滤和聚合的数据。
Flexmonster提供免费试用版，使我能够评估所有功能和特性。
另外，我注意到，尽管Compass是作为一个独立的应用程序安装的，但是Flexmon需要嵌入到Web应用程序中。我有一个Angular 4应用程序，有时需要一段时间才能将新工具集成到其中。但是在文档中，我找到了一个帮助我快速完成这项任务的教程。
要开始了解数据，你可以从MongoDB数据库请求数据并将其直接加载到数据透视表中。我已经使用本教程将数据导入Node.js应用程序。
我希望你能尝试这两种工具来实现最复杂的MongoDB数据分析目标。可以自由地尝试使用Compass和FlexmontePivotTable，看看它们的功能是如何相互补充的。
原文标题《How to Visualize and Understand Your MongoDB Data》
作者：Veronika Rovnik
译者：lemon
不代表云加社区观点，更多详情请查看原文链接
