Bewertung:

Das Buch „Data Modeling for MongoDB“ von Steve Hoberman bietet eine Einführung in Datenmodellierungskonzepte und ihre Anwendung in NoSQL-Umgebungen, insbesondere MongoDB. Es hat gemischte Kritiken erhalten, in denen die klaren Erklärungen und der Rahmen für die Modellierung gelobt werden, während die mangelnde Tiefe der MongoDB-spezifischen Inhalte und die Probleme mit der Lesbarkeit kritisiert werden.
Vorteile:⬤ Gut geschrieben und leicht verständlich, macht komplexe Themen zugänglich.
⬤ Sowohl für Anfänger als auch für erfahrene Datenmodellierer, die von relationalen Datenbanken umsteigen, geeignet.
⬤ Bietet einen Rahmen und einen schrittweisen Ansatz für die Datenmodellierung.
⬤ Verdeutlicht die Bedeutung der Datenmodellierung in NoSQL-Kontexten.
⬤ Enthält zahlreiche Beispiele und Vorlagen, die das Verständnis verbessern.
⬤ Hilfreich für die Überbrückung der Kluft zwischen Modellierern und Entwicklern.
⬤ Fehlt ein tiefer technischer Einblick in MongoDB, ähnelt oft der relationalen Modellierung.
⬤ Einige finden den Inhalt repetitiv und textlastig, ohne ausreichende visuelle Modellierung.
⬤ Schlechte Lesbarkeit aufgrund des geringen Kontrasts in Diagrammen und Tabellen.
⬤ Einige Leser äußern ihre Enttäuschung über den begrenzten Beispielcode und die praktischen Anwendungen.
⬤ Das Buch deckt einige grundlegende MongoDB-Funktionen nicht ab, wie z. B. Datenimport/-export.
(basierend auf 19 Leserbewertungen)
Data Modeling for MongoDB: Building Well-Designed and Supportable MongoDB Databases
Meistern Sie die Datenmodellierung von MongoDB-Anwendungen.
Herzlichen Glückwunsch Sie haben die MongoDB-Anwendung innerhalb des vorgegebenen engen Zeitrahmens fertig gestellt, und es gibt eine Party, um die Freigabe Ihrer Anwendung für die Produktion zu feiern. Obwohl man Ihnen auf der Feier gratuliert, fühlen Sie sich innerlich unwohl. Um das Projekt rechtzeitig fertig zu stellen, mussten Sie viele Annahmen über die Daten treffen, z. B. über die Bedeutung von Begriffen und die Art und Weise, wie Berechnungen durchgeführt werden. Außerdem wird die unzureichende Dokumentation der Anwendung für das Supportteam nur von begrenztem Nutzen sein, und die Nichtuntersuchung aller inhärenten Regeln in den Daten kann in nicht allzu ferner Zukunft zu schlecht funktionierenden Strukturen führen.
Was wäre, wenn Sie eine Zeitmaschine hätten und dieses Buch noch einmal lesen könnten? Sie würden erfahren, dass selbst NoSQL-Datenbanken wie MongoDB ein gewisses Maß an Datenmodellierung erfordern. Datenmodellierung ist der Prozess des Lernens über die Daten, und unabhängig von der Technologie muss dieser Prozess für eine erfolgreiche Anwendung durchgeführt werden. Sie lernen den Wert der konzeptionellen, logischen und physischen Datenmodellierung kennen und erfahren, wie jede Stufe unser Wissen über die Daten erweitert und Annahmen und schlechte Designentscheidungen reduziert.
Lesen Sie dieses Buch, um zu lernen, wie man Datenmodellierung für MongoDB-Anwendungen durchführt, und erreichen Sie die folgenden fünf Ziele:
⬤ Verstehen, wie die Datenmodellierung zum Prozess des Lernens über die Daten beiträgt und daher eine erforderliche Technik ist, auch wenn die resultierende Datenbank nicht relational ist. Das heißt, NoSQL bedeutet nicht NoDataModeling
⬤ Wissen, wie sich NoSQL-Datenbanken von traditionellen relationalen Datenbanken unterscheiden und wo MongoDB hineinpasst.
⬤ Erforschen Sie jedes MongoDB-Objekt und verstehen Sie, wie es sich von der Datenmodellierung und traditionellen relationalen Datenbanken unterscheidet, und lernen Sie die Grundlagen des Hinzufügens, Abfragens, Aktualisierens und Löschens von Daten in MongoDB.
⬤ Praktizieren Sie einen rationalisierten, vorlagengesteuerten Ansatz zur Durchführung der konzeptionellen, logischen und physischen Datenmodellierung. Erkennen, dass Datenmodellierung nicht immer zu traditionellen Datenmodellen führen muss
⬤ Top-down- von Bottom-up-Entwicklungsansätzen zu unterscheiden und eine Top-down-Fallstudie zu erstellen, die alle Modellierungstechniken miteinander verknüpft.