MongoDB Eğitimi: MongoDB Veritabanları Nasıl Kurulur ve Sorgulanır

MongoDB Etrafındaki Temel Kavramlar

Bu noktaya kadar belge veritabanları deyip durdum, peki aslında nedirler? İşte ana kavramlar:

• Belgeler: Veriler, belge adı verilen nesnelerde saklanır. Basitçe söylemek gerekirse, belgeler JSON anahtar-değer nesnelerine benzer. Tek bir belge bir tabloda bir satıra denktir. Bir Python programcısıysanız, bir belgeyi sözlük gibi düşünebilirsiniz ve sorun olmaz. Yalnız unutmayın, belgeler iç içe belgeler içerebilir; bu da belge veritabanlarının temel özelliklerinden biridir.
• Koleksiyonlar: Koleksiyonlar ilişkisel veritabanlarındaki tablolara benzer ama satırlar yerine, tahmin ettiğiniz gibi, belgeler içerir. Koleksiyonlar binlerce veya milyonlarca sözlük barındırabilen dev veri yapılarıdır.
• Şemasız: İşin ilginçleştiği yer burası. Bir koleksiyon farklı boyutlarda belgelere sahip olabilir. Örneğin, 1 numaralı belgede 10 anahtar-değer çifti varken 2 numaralı belgede 15 olabilir (koleksiyonun anlamlı olması için bilginin aynı kategori/konu hakkında olması koşuluyla, örneğin ürünler gibi).

İşte ilişkisel veritabanları ile belge veritabanları arasındaki farkları özetleyen harika bir tablo:

Hadi artık MongoDB’de belgelerle çalışmaya başlayalım!

MongoDB Kurulumu: Veri Kaynaklarına Bağlanma

Belge veritabanlarını sorgulamak için MongoDB sunucusunu kurmamız gerekir. Platforma özel talimatlar şunlardır:

• Windows için, bu bağlantıdaki talimatları izleyin.
• Unix benzeri sistemlerde, MongoDB’yi terminalden kurabilirsiniz:

$ sudo apt-get install -y mongodb

Ardından, sanal bir ortam içinde pymongo ve requests kütüphanelerini kurun. pymongo, MongoDB sunucusunun resmi Python bağdaştırıcısıdır. requests kütüphanesine ise bir API’den veri çekmek için ihtiyaç duyacağız.

$ pip install pymongo
$ pip install requests

Sonra, terminalden aşağıdaki komutla MongoDB sunucusunu başlatın:

$ sudo service mongodb start

Artık bir belge veritabanına biraz veri yüklemeye hazırız. Bunu yaparken iki senaryo vardır:

1. Uygun formatlarda (JSON, BSON, YAML veya XML) yerel veriye sahipsiniz.
2. Veriyi harici kaynaklardan, genellikle API’lerden çekmeniz gerekiyor.

İkisini de ele alacağız. Önce, yerelde drone_races.json adlı bir koleksiyonu yükleyelim. İşte bunun için bir parça kod:

import json

from pymongo import MongoClient

# Establish connection to MongoDB
client = MongoClient("localhost", 27017)
# Create a database named "drones"
drones = client["drones"]
# Create a collection named "races"
races = drones["races"]

# Load dataset into MongoDB
with open("data/drone_races.json", "r") as file:
   data = json.load(file)
   races.insert_many(data)

Bizim için en önemli iki nesne drones (bir veritabanı) ve races (bir koleksiyon). Fonksiyon ve metotların çoğu koleksiyonlarla ilgilidir. Veritabanı nesneleri çoğunlukla koleksiyonları yönetmek için kullanılır.

Şimdi, aynı veriyi bir API kullanarak nasıl yükleyeceğimize bakalım. Bilgileri Mockaroo adlı bir hizmeti kullanarak bir API olarak sakladım. İşte kod parçası:

import requests
from pymongo import MongoClient

# Fetch data from the API
api_url = (
   "https://my.api.mockaroo.com/drone_race_matches.json?key=6f5a6b50"
)
response = requests.get(api_url)

if response.status_code == 200:
   data = response.json()  # Get the JSON data from the API

   # Establish a connection to MongoDB
   client = MongoClient()

   # Access or create a specific database
   drones = client["drones"]

   # Access or create a specific collection within the database
   races = drones["races"]

   # Insert the fetched data into the MongoDB collection
   races.insert_many(data)
else:
   print("Failed to fetch data from the API.")

drones belge veritabanının races koleksiyonuna biraz veri yükledik, yoksa yüklemedik mi? Sorgularla kontrol edelim!

Temel MongoDB Sorguları

MongoDB’de belgeleri sayma

Bir koleksiyonda veri olup olmadığını öğrenmek için içindeki belgeleri saymamız gerekir. Bunu yapmak için count_documents metodunu kullanacağız:

>>> races.count_documents({})
9040

count_documents’a geçirilen boş sözlüğe dikkat edin. Bu sözlük, MongoDB’de filtre olarak adlandırılır. Eğitim boyunca, farklı türde filtreler oluşturmak için bu sözlüğü nasıl dolduracağımızı öğreneceğiz. Şu anda filtre yok. Yukarıdaki kod, SQL’de SELECT COUNT(*) FROM table_name ile aynıdır.

9040 belge var — harika! Şimdi biraz veriye bakalım.

MongoDB’de tek bir belgeyi çıkarmak

pymongo ile tek bir belgeye bakmak için find_one metodunu kullanabiliriz:

from pprint import pprint

>>> pprint(races.find_one())
{'_id': ObjectId('659d31e9255ec0cf4bab529d'),
'laps': 3,
'league': 'F1 Drones',
'location': {'city': 'Ford',
             'country': 'United Kingdom',
             'date': 'error: invalid date "2024-10-25"',
             'venue': 'Manhattan Seas'},
'name': 'Honorable',
'pilots': {'drone': 'DJI3-old',
           'finishing_position': 66,
           'name': 'Kariotta Cow',
           'qualification_time': 27.39,
           'team': 'Sky Crusaders',
           'telemetry': {'altitude': 34.3,
                         'battery_voltage': 12.1,
                         'speed': 68.3,
                         'timestamp': 'error: invalid date '
                                      '"2024-10-25T14:09:26Z"'}},
'sponsors': ['Fat Shark', 'DJI', 'Etisalat'],
'weather_conditions': 'snowy'}

Bu belgenin alanlarına (anahtarlarına) dikkat edin. Tek bir drone yarışına dair bilgiler saklanır ve şunlar gibi bilgileri içerir:

• Tur sayısı
• Maç sırasındaki hava koşulları
• Maçtaki pilotlar (hepsi değil)
• Maç sponsorları vb.

Belgede ayrıca benzersiz bir hash olan zorunlu _id alanı bulunur.

MongoDB’de tüm belgeleri seçmek

count_documents her zaman bir sayı döndürür; ancak bazen sorgumuzun eşleştiği veriye bakmak isteriz. Bunu yapmak için find_one’ın abisi olan find’ı kullanabiliriz:

from pprint import pprint

for race in races.find():
   pprint(race)
   break

{'_id': ObjectId('659d31e9255ec0cf4bab529d'),
'laps': 3,
'league': 'F1 Drones',
'location': {'city': 'Ford',
             'country': 'United Kingdom',
             'date': 'error: invalid date "2024-10-25"',
             'venue': 'Manhattan Seas'},
'name': 'Honorable',
'pilots': {'drone': 'DJI3-old',
           'finishing_position': 66,
           'name': 'Kariotta Cow',
           'qualification_time': 27.39,
           'team': 'Sky Crusaders',
           'telemetry': {'altitude': 34.3,
                         'battery_voltage': 12.1,
                         'speed': 68.3,
                         'timestamp': 'error: invalid date '
                                      '"2024-10-25T14:09:26Z"'}},
'sponsors': ['Fat Shark', 'DJI', 'Etisalat'],
'weather_conditions': 'snowy'}

find, boş bir sorgu (argümansız) ile belgeleri teker teker döndürür ama istediğimiz bu değil! İlginç sorulara yanıt verebilmek için sorgular yapmak istiyoruz. İşte burada filtre belgeleri faydalı olacaktır.

MongoDB’de bir koşula göre seçim yapmak

En basit filtrelerle başlayalım — bir alanın bir değere eşit olduğu belgeleri eşleştirmek. Bu, şuna denktir:

SELECT *
 FROM table_name
WHERE field = value

Bunu MongoDB’de yapalım:

criteria = {"sponsors": "Fat Shark"}

fat_shark_races = races.count_documents(criteria)
fat_shark_races

6194

Yukarıda, sponsoru "Fat Shark" olan yarışları seçiyoruz. Sözdizimi, sponsors alanını "Fat Shark"a eşleyen basit bir sözlüktür.

MongoDB sorgu dili, bazı yaygın eşitsizlik (inequality) operatörleri olmadan bir dil olmazdı. İşte “küçüktür” operatörünün kullanımı:

criteria = {"pilots.qualification_time": {"$lt": 10}}

quick_races = races.count_documents(criteria)
quick_races

3061

Yukarıdaki sorgu, MongoDB sorgu dilinin (MQL) dört yeni özelliğini tanıtır:

• Alt alanlara nokta gösterimiyle erişebilirsiniz. pilots.qualification_time, pilotlar alanı içindeki iç içe geçmiş elemeler süresini çıkarır.
• MQL’de operatörlerin neredeyse tümü dolar işaretiyle başlar.
• Operatörler yukarıdaki gibi iç içe bir belgede kullanılır.
• $lt, “küçüktür” operatörüdür.

Yani bu sorgunun sonucu bize, bir pilotun elemeler süresinin 10 saniyeden kısa olduğu 3061 maç olduğunu söylüyor. Bu sorgu $lt operatörü ile mümkün oldu. İşte onun kardeşleri:

• $lte: küçük eşit
• $gt: büyük
• $gte: büyük eşit.

Bunların sözdizimi $lt ile aynıdır.

MongoDB’de mantıksal koşul operatörleriyle seçim yapmak

MQL, $and ve $or gibi mantıksal koşul operatörlerini de içerir. Sonuncusuyla başlayalım.

Konum olarak Birleşik Krallık ya da sponsor olarak Etisalat olan yarışları getireceğiz:

criteria = {
   "$or": [
       {"location.country": "United Kingdom"},
       {"sponsors": "Etisalat"},
   ]
}

>>> races.count_documents(criteria)

6223

Yine, ayrıntılı bir açıklama için Explain code düğmesini kullanın.

Kriterlerimize uyan 6223 belge var. Aynı alan için birden fazla değerle OR mantığını kullanmak için $in operatörünü kullanabiliriz.

Örneğin, kötü hava koşullarını şu şekilde kontrol edebiliriz:

criteria = {
   "weather_conditions": {"$in": ["rainy", "snowy", "cloudy"]}
}

>>> races.count_documents(criteria)

5508

Bu sorguyu $or operatörüyle yazmak eziyet olurdu. Şimdi $and’e geçelim.

Bu kez, konumu Avustralya VE sponsoru Fat Shark olan yarışları bulmak istiyoruz. Bunu $and ile şöyle yapabiliriz:

criteria = {
   "$and": [
       {"location.country": "Australia"},
       {"sponsors": "Fat Shark"},
   ]
}
>>> races.count_documents(criteria)
193

Ama pratikte $and’i nadiren kullanırsınız; çünkü çok daha basit bir şekilde uygulanabilir:

criteria = {
   "location.country": "Australia",
   "sponsors": "Fat Shark",
}

races.count_documents(criteria)
193

AND mantıksal operatörünü elde etmek için filtre belgesine daha fazla anahtar-değer çifti eklemeniz yeterlidir.

Son olarak, üyelik dışılığını kontrol eden $nin operatörü vardır. Örneğin, Amerika Birleşik Devletleri, Birleşik Krallık veya Avustralya’da yapılmamış tüm maçları döndürebiliriz:

criteria = {
   "location.country": {
       "$nin": ["United States", "United Kingdom", "Australia"]
   }
}

>>> races.count_documents(criteria)
126

Bu, ülkelerden geriye sadece Birleşik Arap Emirlikleri’ni bırakır; bu yüzden yukarıdaki sorgu aslında şöyle de yazılabilirdi:

criteria = {"location.country": "United Arab Emirates"}

>>> races.count_documents(criteria)
126

Ama fikir anlaşıldı.

MongoDB’de null ya da eksik değerleri sorgulamak

Null ya da eksik değerleri kontrol etmek tüm veri analizi görevlerinde evrensel bir işlemdir. Bu nedenle MongoDB’de bunun için bir operatör vardır — $exists. İşte belirli bir alanın var olup olmadığını kontrol eden iki örnek:

criteria = {"location.district": {"$exists": True}}

>>> races.count_documents(criteria)

0

Hmm, anlaşılan district alanı hiçbir belgede yok. Ancak laps alanı tüm belgelerde bulunmalı; çünkü yarışlar hakkında kilit bir bilgidir.

criteria = {"laps": {"$exists": True}}

races.count_documents(criteria)
9040

Beklendiği gibi, tüm belgelerde laps alanı var. Peki var olup da null olan alanlar? Onu da kontrol edebiliriz:

criteria = {"pilots.finishing_position": None}

races.count_documents(criteria)
0

Python’daki yerleşik None nesnesini kullanarak herhangi bir alanın eksikliğini kontrol edebiliriz.

Null ya da varlık kontrolleri gerektiren bazı ileri düzey senaryolar da vardır. Örneğin, bazı dev iç içe dizilerin belirli elemanlarının var olup olmadığını kontrol etmek isteyebilirsiniz.

Bunu yapmak için MQL’de dizi indeksleme sözdizimini kullanabiliriz. Örneğin, yalnızca bir sponsoru olan yarışları bulmak için sponsors dizisinin ikinci elemanının var olup olmadığını kontrol etmemiz gerekir:

# Sayım her zamanki gibi 0’dan başlar
criteria = {"sponsors.1": {"$exists": False}}

races.count_documents(criteria)
2929

Ve bu, anahtara elemanın indeks numarasını eklemek kadar kolaydır. Yani koleksiyonumuzda, neredeyse 3000 yarış yalnızca bir kuruluş tarafından sponsor edilmiştir.

Bu dizi indeksleme sözdizimi sadece $exists için değil, birçok diğer operatör için de çalışır.

Projeksiyonlar (alanları kısıtlama)

Eğitimde ele alacağımız son konu projeksiyonlar. Bu noktaya kadar, sorgu sonuçlarımız her belgedeki tüm alanları içeriyordu. Belgeleriniz yüzlerce alana sahipse bu ideal değildir. Yazdırdığınızda nasıl bir göz yorgunluğu yaratacağını hayal edin!

Bu nedenle, döndürülmesini istediğimiz alanları seçmek için projeksiyonları kullanabiliriz. İşte nasıl yapılacağı:

criteria = {"pilots.telemetry.speed": {"$gte": 20}}
projection = {
   "sponsors": 1,
   "location.country": 1,
   "pilots.telemetry.speed": 1,
   "pilots.name": 1,
}

fast_pilots = races.find(criteria, projection)

for pilot in fast_pilots:
   pprint(pilot)
   break

Yukarıdaki durumda, filtre kriterimizi her zamanki gibi yazıyoruz; fakat bu kez dört alanı 1’e ayarlı başka bir belge tanımlıyoruz. Bu projection belgesini find veya count_documents’a ikinci argüman olarak verirsek, çıktı olarak yalnızca 1’e ayarladığımız alanları alırız.

{'_id': ObjectId('659d31e9255ec0cf4bab529d'),
'location': {'country': 'United Kingdom'},
'pilots': {'name': 'Kariotta Cow', 'telemetry': {'speed': 68.3}},
'sponsors': ['Fat Shark', 'DJI', 'Etisalat']}

Yalnızca dört alan seçmiş olmamıza rağmen, yaramaz _id alanı bir şekilde araya sıkıştı. Bu davranışı bastırmak için projeksiyon sözlüğünde onu 0’a ayarlayın:

criteria = {"pilots.telemetry.speed": {"$gte": 20}}
projection = {
   "sponsors": 1,
   "location.country": 1,
   "pilots.telemetry.speed": 1,
   "pilots.name": 1,
   "_id": 0,
}

fast_pilots = races.find(criteria, projection)

for pilot in fast_pilots:
   pprint(pilot)
   break

{'location': {'country': 'United Kingdom'},
'pilots': {'name': 'Kariotta Cow', 'telemetry': {'speed': 68.3}},
'sponsors': ['Fat Shark', 'DJI', 'Etisalat']}

İşte şimdi daha hoş görünüyor.

Son olarak, birkaç alan dışında hepsini döndürmek için, o alanları 0’a ayarlayabiliriz:

projection = {"_id": 0, "league": 0, "pilots": 0}

# Bu sefer boş kriter
races.find_one({}, projection)

{'name': 'Honorable',
'location': {'venue': 'Manhattan Seas',
 'city': 'Ford',
 'country': 'United Kingdom',
 'date': 'error: invalid date "2024-10-25"'},
'sponsors': ['Fat Shark', 'DJI', 'Etisalat'],
'laps': 3,
'weather_conditions': 'snowy'}

Gördüğünüz gibi, bu kez _id, league ve pilots dışında tüm alanlara sahibiz.

Sonuç

Bu eğitim, bir veritabanı yönetim aracı olarak MongoDB’nin devasa kapsamını tam olarak yansıtmaz. Bugün yalnızca GET sorgularını (bilgi getirme sorguları) ele aldık; ancak MongoDB, veri uzmanlarının belge veritabanlarındaki bilgileri eklemesine, güncellemesine veya silmesine de izin verir. Ayrıca tüm bir sorgu sınıfını — toplulaştırmaları (aggregations) — da dışarıda bıraktık.

Tüm bu konular bu makalenin kapsamı dışındadır ve öğrenmek için ek kaynaklar gerektirir. Neden şunlara göz atmıyorsunuz:

• Python ile veri biliminde MongoDB kullanmaya giriş kursu — toplulaştırma gibi ileri düzey sorguları da kapsayan kapsamlı bir kurs
• Python’da MongoDB’ye Giriş — pymongo ile CRUD (oluşturma, okuma, güncelleme ve silme) işlemlerini kapsayan bir başka MongoDB eğitimi.
• NoSQL kavramları kursu — NoSQL veritabanlarıyla ilgileniyorsanız bu kurs size göre. Belge veritabanlarının yanı sıra diğer ilişkisel olmayan veritabanlarını da kapsar.