Avis des lecteurs
Résumé:Le livre « Data Modeling for MongoDB » de Steve Hoberman fournit une introduction aux concepts de modélisation des données et à leur application dans les environnements NoSQL, en particulier MongoDB. Il a reçu des critiques mitigées, louant ses explications claires et son cadre de modélisation tout en critiquant son manque d'approfondissement du contenu spécifique à MongoDB et ses problèmes de lisibilité.
Avantages:⬤ Bien écrit et facile à comprendre, il rend les sujets complexes accessibles.
⬤ Il convient aussi bien aux débutants qu'aux modélisateurs de données chevronnés qui passent d'une base de données relationnelle à une autre.
⬤ Offre un cadre et une approche étape par étape de la modélisation des données.
⬤ Clarifie l'importance de la modélisation des données dans les contextes NoSQL.
⬤ Inclut de nombreux exemples et modèles qui améliorent la compréhension.
⬤ Aide à combler le fossé entre les modélisateurs et les développeurs.
⬤ Manque de connaissances techniques approfondies sur MongoDB, qui s'apparente souvent à la modélisation relationnelle.
⬤ Certains trouvent le contenu répétitif et riche en texte, manquant de modélisation visuelle suffisante.
⬤ La lisibilité est médiocre en raison du faible contraste des diagrammes et des tableaux.
⬤ Certains lecteurs se disent déçus par le peu d'exemples de code et d'applications pratiques.
⬤ Le livre ne couvre pas certaines fonctionnalités de base de MongoDB, telles que l'importation/exportation de données.
(basé sur 19 avis de lecteurs)
Titre original :
Data Modeling for MongoDB: Building Well-Designed and Supportable MongoDB Databases
Contenu du livre :
Maîtriser la modélisation des données des applications MongoDB.
Félicitations Vous avez terminé l'application MongoDB dans les délais impartis et une fête est organisée pour célébrer la mise en production de votre application. Bien que les gens vous félicitent à cette occasion, vous ressentez un certain malaise. Pour terminer le projet dans les temps, il a fallu faire beaucoup d'hypothèses sur les données, notamment sur la signification des termes et sur la manière dont les calculs sont effectués. En outre, la documentation insuffisante de l'application sera d'une utilité limitée pour l'équipe d'assistance, et le fait de ne pas étudier toutes les règles inhérentes aux données peut éventuellement conduire à des structures peu performantes dans un avenir pas si lointain.
Et si vous disposiez d'une machine à remonter le temps et que vous pouviez revenir en arrière et lire ce livre ? Vous apprendriez que même les bases de données NoSQL comme MongoDB nécessitent un certain niveau de modélisation des données. La modélisation des données est le processus d'apprentissage des données et, quelle que soit la technologie, ce processus doit être exécuté pour que l'application soit réussie. Vous apprendrez la valeur de la modélisation conceptuelle, logique et physique des données et comment chaque étape augmente notre connaissance des données et réduit les hypothèses et les mauvaises décisions de conception.
Lisez ce livre pour apprendre à faire de la modélisation de données pour les applications MongoDB, et accomplissez ces cinq objectifs :
⬤ Comprendre comment la modélisation des données contribue au processus d'apprentissage des données et est, par conséquent, une technique nécessaire, même lorsque la base de données résultante n'est pas relationnelle. En d'autres termes, NoSQL ne signifie pas NoDataModeling.
⬤ Connaître les différences entre les bases de données NoSQL et les bases de données relationnelles traditionnelles, ainsi que la place de MongoDB.
⬤ Explorer chaque objet MongoDB et comprendre comment chacun d'entre eux se compare à leurs homologues de modélisation de données et de bases de données relationnelles traditionnelles, et apprendre les bases de l'ajout, de l'interrogation, de la mise à jour et de la suppression de données dans MongoDB.
⬤ Pratiquer une approche rationalisée et basée sur des modèles pour effectuer la modélisation conceptuelle, logique et physique des données. Reconnaître que la modélisation des données ne doit pas toujours conduire à des modèles de données traditionnels.
⬤ Distinguer les approches de développement descendantes des approches ascendantes et réaliser une étude de cas descendante qui relie toutes les techniques de modélisation.
Autres informations sur le livre :
| ISBN : | 9781935504702 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2014 |
| Nombre de pages : | 226 |
Achat:
Actuellement disponible, en stock.
