MongoDB Kommentarer: 4.5/5 — Högt betyg

Förmåga att hantera data, särskilt NoSQL-data.

Ibland kraschar det automatiskt och tar upp mycket minne.

Förmåga att hantera, analysera och hantera data effektivt.

MongoDB har enkla integrationer och väldefinierad och noggrant förklarad dokumentation och bibliotek. Detta gör nästan allt för en NoSQL-utvecklare enkelt att använda. MongoDB erbjuder välstrukturerade funktioner för att koppla samman scheman och datavariabler, vilket gör den unik att använda.

MongoDB har högt minneskravsage även för låg datalagring, vilket gör det tveksamt att använda för storskaliga projekt.

Jag har arbetat med småskaliga projekt som behöver en databas för att hantera situationer med databashantering, och för det har MongoDB varit min bästa följeslagare för att hantera data. Det är usage med effektiva funktioner och egenskaper är förstklassiga.

Det är en mycket flexibel och skalbar NoSQL-databas som erbjuder snabb prestanda och ett rikt frågespråk. Med sin dokumentbaserade datastruktur möjliggör den enkel hantering av komplexa datamodeller och anpassar sig väl till förändrade affärskrav. Dess inbyggda replikerings- och höga tillgänglighetsfunktioner säkerställer dataredundans och feltolerans. Mongo DB:s aktiva community och stora ekosystem gör den till ett populärt val för utvecklare och organisationer som letar efter en kraftfull och mångsidig databaslösning.

Även om det finns många fördelar, har det vissa potentiella nackdelar att beakta. Dessa inkluderar en inlärningskurva för att bemästra avancerade funktioner, bristen på transaktionsstöd för komplex analys, begränsningar i stöd för komplex analys, samt begränsningar och begränsningar i den kostnadsfria community-utgåvan. Det är avgörande att noggrant bedöma dessa faktorer i relation till dina specifika behov och användningsfall innan du bestämmer dig för om Mongodb är rätt databaslösning för ditt projekt.

Den tar itu med problemet med att hantera stordata och tillhandahåller en kraftfull och mångsidig databaslösning för företag.

Användarvänlighet: Om du använder Mongodb i något projekt är detta användbart för relationer, anta att du skapar en e-handelswebbplats. Det är användbart eftersom det inte finns någon tabellliknande databas, den lagrar bara den data du vill ha. Anta att du skapar en elektronisk samling. Så om du använder MongoDB innehåller den data i JSON-format och det förbrukar mindre utrymme och är mycket snabbare. Enkel implementering: Om du implementerar detta i ditt projekt är JSON-formatet enkelt att visa, läsa och skriva eftersom det liknar JavaScript-syntax och det förbrukar mindre utrymme och är snabbare. Du kan lagra data genom att skapa scheman, och den relationen är också bra och kräver mindre kodning. Antal funktioner: MongoDB tillhandahåller några verktyg: MongoDB Compass, Mongo Atlas för användning online via MongoURI, Mongo Terminal. Enkel integration: Om du integrerar detta i ditt projekt finns det en modul så att du kan installera den modulen och du kan enkelt integrera den med ditt backend-projekt och var som helst.

Så det ogillande är att du enkelt kan lagra data utan att skapa något schema och det finns ingen standardvalidering om du vill använda validering så du måste skapa ytterligare men i MySQL finns det standardvalidering ingen duplicerad data kommer att lagras i databasen men i MongoDB finns det inget att validera men om du vill validera något så måste du använda obligatoriskt sant och så många saker.

För relationsstrukturen kan vi enkelt koppla samman många samlingar med hjälp av mongoose.schema.types('collection_name'), så detta är en mycket användbar MongoDB-lösning för oss.

Mongo db är en mer tillförlitlig databas inom industrin, den ger en mer skalbar funktion inom databaslagring och beskriver de korrekta stegen i data som löser frågan just på kort tid.

Det finns inget ogillande med mongoDb när man använder det dagligen i ett företag.

mongodb löser problemet relaterat till den policy som användaren köpte. Det finns information relaterad till den policy de köpte, och det löser även problemet som uppstår, nämligen att policyn har fastnat i det aktuella skedet. Det gynnar oss att hitta det exakta problemet med dokumentet eller det aktuella skedet.

Användarvänlighet, prestanda, skalbarhet, arkitektur, enkel integration

Det enda ämnet jag inte gillar är kommandoraden: väldigt svårt till en början att förstå kommandona!

För att stödja hanteringen av miljoner bilder och dokument i en Oracle-databas

MongoDBs funktioner och prestanda samt deras kontinuerliga utveckling av förbättringar

MognoDB Compass, vilket är ett mycket grundläggande verktyg jämfört med Studio 3t/Robo 3t

Vi kunde ersätta Oracle/MS SQL på många ställen

Flexibelt schema - I MongoDB behöver vi inte tänka på rätt schema (till skillnad från SQL-databaser) under applikationsbyggandet, allt eftersom våra behov ändras kan vi lägga till egenskaper i schemat. Snabb skanning i stora samlingar - MongoDB lagrar data i binärt format, vilket gör att dess fråga körs mycket snabbt även i kapslade sökningar.

Fel vid oändlig loop – på grund av samlingsrelationer fastnar samlingen i en oändlig loop när data sparas eller uppdateras i en annan samling. Fel vid RAM-storlek – När en fråga utförs på en stor datamängd ger det ett fel vid aggregerad pipeline-storlek.

I vårt företag arbetar vi med flexibla data från klientdatabaser. Därför kan vi inte bestämma schemat i förväg. Detta ledde till att vi valde en NoSQL-databas, närmare bestämt MongoDB.

Datan är lätthanterlig och lagring av data är också mycket enkelt med MongoDB.

Jag har jobbat med den här programvaran i ett år nu och har inte stött på några problem.

Det löser problemet med att lagra stora mängder data och kontrollera dem med ett enda klick. Att dela data med vem som helst är också fördelaktigt för mig.

enkel installation och konfiguration och jag kan lösa allt med kod, vare sig det är C#, Node.js, Python eller något annat, utöver hastighet och skalbarhet.

Det är inte så att jag inte gillar det, men att arbeta med transaktioner är lite mer komplicerat, men det fungerar bra.

Prestanda och arbete med data från flera källor och olika format, utan definierad standard