📘 Laboratorio 2: MongoDB Atlas

🔍 Paso 4: Consultas Básicas en MongoDB Atlas

4.1 Cómo Realizar Consultas

En MongoDB Atlas, hay dos formas principales de consultar:

  1. Usando el campo “Filter” (para consultas simples)
  2. Usando la pestaña “Aggregations” (para consultas complejas con pipelines)

4.2 Filtrar Documentos (WHERE en SQL)

Para usar el filtro:

  1. Seleccionar la colección
  2. En el campo “Filter” (arriba de los documentos)
  3. Pegar el JSON de filtro
  4. Presionar “Apply”
SQL MongoDB Filter
SELECT * FROM usuarios WHERE pais = 'Perú' { "pais": "Perú" }
SELECT * FROM usuarios WHERE _id > 5 { "_id": { "$gt": 5 } }
SELECT * FROM usuarios WHERE pais = 'Perú' AND ciudad = 'Lima' { "pais": "Perú", "ciudad": "Lima" }

Ejemplos para probar en el campo Filter:

// Usuarios de Perú
{ "pais": "Perú" }

// Usuarios con ID mayor a 5
{ "_id": { "$gt": 5 } }

// Usuarios de Perú y Lima
{ "pais": "Perú", "ciudad": "Lima" }

// Mensajes con sentimiento positivo
{ "metadata_ia.sentimiento": "positivo" }

// Mensajes de modalidad audio
{ "modalidad": "audio" }

4.3 Operadores de Comparación

SQL MongoDB Filter
= { campo: valor }
!= { campo: { "$ne": valor } }
> { campo: { "$gt": valor } }
>= { campo: { "$gte": valor } }
< { campo: { "$lt": valor } }
<= { campo: { "$lte": valor } }

Ejemplos:

// _id mayor que 5
{ "_id": { "$gt": 5 } }

4.4 Operadores Lógicos

SQL MongoDB Filter
AND { $and: [ {cond1}, {cond2} ] } o simplemente { cond1, cond2 }
OR { $or: [ {cond1}, {cond2} ] }

Ejemplos:

// AND implícito (ambas condiciones)
{ "pais": "Perú", "ciudad": "Lima" }

// OR explícito
{ "$or": [ { "pais": "Perú" }, { "pais": "Argentina" } ] }

// Combinación AND + OR
{
    "$and": [
        { "activo": true },
        { "$or": [ { "pais": "Perú" }, { "pais": "Argentina" } ] }
    ]
}

4.5 LIKE (Búsqueda de Patrones)

SQL MongoDB Filter
LIKE '%texto%' { campo: { "$regex": "texto", "$options": "i" } }

Ejemplos:

// Usuarios con email que contiene "gmail"
{ "email": { "$regex": "gmail", "$options": "i" } }

// Mensajes que contienen "clima"
{ "contenido": { "$regex": "clima", "$options": "i" } }

4.6 BETWEEN (Rangos)

Ejemplo: Mensajes entre dos fechas

{
    "enviado_en": {
        "$gte": { "$date": "2024-01-15T00:00:00Z" },
        "$lte": { "$date": "2024-01-16T23:59:59Z" }
    }
}

4.7 IN (Múltiples Valores)

Ejemplo: Usuarios de Perú, México y Argentina

{ "pais": { "$in": ["Perú", "México", "Argentina"] } }

📊 Paso 5: Agregaciones (Equivalente a GROUP BY y JOINs)

5.1 Cómo Usar el Pipeline de Agregación

  1. Seleccionar una colección (ej: mensajes)
  2. Hacer clic en la pestaña “Aggregations”
  3. Hacer clic en “Add Stage”
  4. Seleccionar el tipo de etapa en el menú desplegable (ej: $match, $group, $lookup)
  5. Escribir el JSON de la etapa
  6. Hacer clic en “Apply” para ver resultados

5.2 Etapa $match (Filtrar) - STAGE: MATCH

Equivalente a WHERE en SQL.

Seleccionar en el menú: $match

Ejemplo 1: Filtrar mensajes con sentimiento positivo

{
  "metadata_ia.sentimiento": "positivo"
}

Ejemplo 2: Filtrar mensajes de un usuario específico

{
  "remitente_id": 1
}

5.3 Etapa $group (Agrupar) - STAGE: GROUP

Equivalente a GROUP BY en SQL.

Seleccionar en el menú: $group

Ejemplo 1: Contar mensajes por modalidad

{
        "_id": "$modalidad",
        "total": { "$sum": 1 }
}

Ejemplo 2: Promedio de tiempo de ejecución por módulo

{
        "_id": "$modulo",
        "tiempo_promedio": { "$avg": "$tiempo_ejecucion_ms" },
        "total": { "$sum": 1 }
}

Ejemplo 3: Conteo de usuarios por país

{
        "_id": "$pais",
        "total_usuarios": { "$sum": 1 }
}

5.4 Etapa $project (Seleccionar/Crear campos) - STAGE: PROJECT

Equivalente a SELECT con alias en SQL.

Seleccionar en el menú: $project

Ejemplo: Crear campos de año y mes

{
        "contenido": 1,
        "modalidad": 1,
        "anio": { "$year": "$enviado_en" },
        "mes": { "$month": "$enviado_en" }
}

5.5 Etapa $sort (Ordenar) - STAGE: SORT

Equivalente a ORDER BY en SQL.

Seleccionar en el menú: $sort

Ejemplo: Ordenar por fecha descendente

{
        "enviado_en": -1
}

5.6 Etapa $limit (Limitar) - STAGE: LIMIT

Equivalente a LIMIT en SQL.

Seleccionar en el menú: $limit

Ejemplo: Mostrar solo 5 resultados

5

5.7 Etapa $lookup (JOIN) - STAGE: LOOKUP

Equivalente a LEFT JOIN en SQL.

Seleccionar en el menú: $lookup

Ejemplo: Unir mensajes con usuarios

{
        "from": "usuarios",
        "localField": "remitente_id",
        "foreignField": "_id",
        "as": "usuario_info"
}

Después de $lookup, usar $unwind para expandir el array:

Seleccionar en el menú: $unwind

"$usuario_info"

5.8 Pipeline Completo: Mensajes por Usuario

Paso a paso para construir el pipeline:

Stage 1 - LOOKUP: Unir con usuarios

{
        "from": "usuarios",
        "localField": "remitente_id",
        "foreignField": "_id",
        "as": "usuario"
}

Stage 3 - GROUP: Agrupar por usuario

{
        "_id": "$usuario.username",
        "total_mensajes": { "$sum": 1 }
}

Stage 4 - SORT: Ordenar descendente

{
        "total_mensajes": -1
}

5.9 Pipeline: Resumen Diario

Stage 1 - GROUP: Agrupar por fecha en usuarios

{
        "_id": { "$dateToString": { "format": "%Y-%m-%d", "date": "$enviado_en" } },
        "total_mensajes": { "$sum": 1 },
        "usuarios_unicos": { "$addToSet": "$remitente_id" }
}

Stage 2 - PROJECT: Calcular usuarios activos

{
        "fecha": "$_id",
        "total_mensajes": 1,
        "usuarios_activos": { "$size": "$usuarios_unicos" }
}

Stage 3 - SORT: Ordenar por fecha en usuarios

{
        "fecha": 1
}

5.10 Pipeline: Top 3 Usuarios por Mensajes

Stage 1 - GROUP: Contar mensajes por usuario

{
        "_id": "$remitente_id",
        "total": { "$sum": 1 }
}

Stage 2 - SORT: Ordenar descendente

{
        "total": -1
}

Stage 3 - LIMIT: Top 3

3

Stage 4 - LOOKUP: Obtener información del usuario

{
        "from": "usuarios",
        "localField": "_id",
        "foreignField": "_id",
        "as": "usuario"
}

Stage 5 - UNWIND: Expandir

"$usuario"

Stage 6 - PROJECT: Formatear resultado

{
        "username": "$usuario.username",
        "total_mensajes": "$total"
}

🧪 Paso 6: Ejercicios Prácticos en MongoDB Atlas

Ejercicio 1: Insertar Nuevo Documento

  1. Ir a colección usuarios
  2. Hacer clic en “Insert Document”
  3. Seleccionar “Insert Document” (individual)
  4. Insertar:
{
    "_id": 11,
    "username": "nuevo_usuario",
    "email": "nuevo@test.com",
    "pais": "Brasil",
    "ciudad": "São Paulo",
    "activo": true,
    "creado_en": { "$date": "2025-03-27T10:00:00Z" }
}

🎯 Conclusión

MongoDB Atlas proporciona una interfaz web amigable para trabajar con datos NoSQL. Hemos:

  1. Creado un cluster gratuito en MongoDB Atlas
  2. Insertado datos del caso Aletza en formato documento JSON
  3. Realizado consultas equivalentes a SQL usando el campo Filter
  4. Creado pipelines de agregación con etapas $match, $group, $lookup, $project, $sort, $limit
  5. Optimizado consultas con índices simples, compuestos y de texto

La flexibilidad de MongoDB permite almacenar datos semiestructurados (como metadata_ia) sin necesidad de definir un esquema fijo, lo que facilita la evolución del modelo de datos del asistente Aletza.