Las bases de datos relacionales se caracterizan por ser una colección ordenada de registros que se organizan en un conjunto de tablas. Estas tablas se relacionan entre sí, dando lugar a una base de datos desde donde se puede acceder a los datos o volver a montarlos de muchas maneras diferentes sin tener que reorganizar las tablas de la base.
Para acceder a estos datos, usaremos lo que se conoce como Lenguaje de Consultas Estructuradas, (SQL, Structured Query Language). Con SQL podemos obtener y alterar datos de una forma organizada siempre y cuando tengamos en cuenta cuál es la estructura de la base de datos con la que estamos trabajando. Para ello, utilizaremos los distintos comandos que SQL pone a nuestra disposición.

Las bases de datos relacionales se organizan a través de identificadores. De este modo, cada tabla tiene un identificador único que es el que va a establecer su relación con el resto de tablas. A su vez, estos identificadores hacen que sea más fácil organizar cada una de las tablas por separado.

En cuanto a los formatos que se utilizan en este tipo de bases de datos, suele ser el formato tabla, (Un ejemplo serían las hojas de Excel o Access) y los registros se organizarían por filas y columnas.

Los principales sistemas gestores de bases de datos relacionales son: MySQL, MariaDB, SQLite, PostgreSQL, SQL Server y Oracle.

Bases de datos no relacionales

Las bases de datos no relacionales están diseñadas para modelos de datos específicos y que no necesitan ser relacionados con otros modelos. Cada tabla funciona de forma independiente y son mucho más sencillas que los modelos relacionales.

Esta sencillez de acceso y de ordenación de la base de datos hace que en el panorama actual estén cobrando más importancia que las relacionales.

Las bases de datos no relacionales pueden tener identificador único, es decir, para identificar cada uno de los registros de la base de datos, pero este identificador no se usará (generalmente) para relacionar unos registros con otros. Como veremos, la información se organiza normalmente mediante documentos y es muy útil cuando no tenemos un esquema exacto de lo que se va a almacenar.

Los principales sistemas gestores de bases de datos no relacionales son: MongoDB, Redis y Cassandra.

Algunos ejemplos de software de bases de datos o DBMS populares incluyen MySQL, Microsoft Access, Microsoft SQL Server, FileMaker Pro, Oracle Database y dBASE.

Al ser basada en código abierto es fácilmente accesible y la inmensa mayoría de programadores que trabajan en desarrollo web han pasado usar MySQL en alguno de sus proyectos porque al estar ampliamente extendido cuenta además con una ingente comunidad que ofrece soporte a otros usuarios.

El modelo relacional desarrolla un esquema de base de datos (data base schema) a partir del cual se podrá realizar el modelo físico o de implementación en el DBMS.

Este modelo esta basado en que todos los datos están almacenados en tablas (entidades/relaciones) y cada una de estas es un conjunto de datos, por tanto una base de datos es un conjunto de relaciones. La agrupación se origina en la tabla: tabla -> fila (tupla) -> campo (atributo)

El Modelo Relacional se ocupa de:

Donde las relaciones estan formadas por :

Existen dos formas para la construcción de modelos relacionales:

Los objetivos que este modelo persigue son:

En un diagrama ER, las entidades son las partes más importantes.
2. Identifica las relaciones: Las relaciones resaltan cómo las entidades interactúan entre sí.

Las relaciones generalmente son verbos como “compra”, “contiene” o “hace”.
3. Agrega atributos: Los atributos muestran características específicas de una entidad, detallando qué información es importante para el modelo.

En un diagrama ER, los atributos son necesarios para modelar qué características se incluirán con cada entidad. Los atributos como “Número ID”, “Nombre” y “SKU” son atributos comunes.
4. Completa el diagrama

Es increíblemente importante organizar el diagrama ER de una forma lógica para aumentar la comprensión. El propósito principal de los diagramas de entidad-relación es modelar una base de datos compleja, por lo que es esencial aprender cómo crear diagramas ER simples y lógicos.

El SQL se usa para controlar todas las funciones que un sistema gestor de base de datos brinda a sus usuarios, proporcionando además un marco para crear la propia base de datos, gestionar su seguridad, actualizar sus contenidos, recuperar los datos y compartirlos entre diferentes usuarios.

De hecho, la mayoría de los sistemas de gestión de base de datos relacionales usan el lenguaje de programación SQL para interactuar con la base de datos. Oracle es una de las herramientas para la gestión de bases de datos más conocida y usada, pero también se encuentran Microsoft SQL, MySQL y Access, entre otros.

Lo que ha hecho que se popularice y consolide es:

Hay reglas en la normalización de una base de datos y cada una de ellas se denomina Forma Normal. Existen 3 tipos principales.

La primera Forma Normal (1FN)

Hay que seguir una serie de pasos para normalizar, en otras palabras, para decir que nuestra tabla está en primera forma normal. Estos son:

Para identificar si lo hemos hecho de manera correcta debemos considerar los siguientes aspectos:

La segunda Forma Normal (2FN)

Debemos seguir los siguientes pasos:

Sabremos si nuestra base de datos tiene en la segunda forma normal si esta previamente cumple con las normas de la Primera forma Normal y si sus atributos no principales dependen de forma completa de la clave principal.


En otras palabras, que no existen dependencias parciales.

La tercera Forma Normal (3FN)

Debemos considerar los siguientes puntos:

Configuración de cuenta

Nos dirigimos a la página oficial de MongoDB y seleccionamos TRY FREE y nos registramos con un correo.
Una vez puesto los datos y haber presionado en el botón “Get started free” nos redireccionará a la siguiente ventana donde nos muestra lo que tendrá nuestro clúster.
Continuamos dando clic en Create clúster.

Crear un nuevo cluster

Crear un nuevo usuario para la base de datos

Permitir conexión desde cualquier IP

Connectarte a tu cluster

Observa que los campos <username>, <cluster-name> y <db-name> de la URI ya están completados para ti. Todo lo que necesitas hacer es reemplazar el campo <password> con el creado en el paso anterior.

Esto es todo, ahora tienes el URI para añadir a tu aplicación y conectarte a tu base de datos. Mantén esta URI en un lugar seguro para que puedas usarlo luego.

La parte central del uso de Mongoose está en la definición de un esquema donde se indica la configuración de los documentos para una colección de MongoDB. Y aunque MongoDB es una base de datos nosql, donde los documentos se almacenan sin un esquema predefinido, el uso de un esquema te permite normalizar tu información, sin sacrificar la flexibilidad. Además, hace que la transición de sql a nosql, sea más sencilla.

En palabras prácticas, Mongoose funciona como una capa adicional sobre MongoDB a través de la cuál se implementan y automatizan muchas de las tareas habituales de trabajar con una base de datos.

Mongoose además, abre las puertas a una comunidad de plugins que puedes usar para automatizar tareas comunes, tales como el encriptado de información, paginación, consultas adicionales, y más.

BSON está diseñado de tal manera que consume menos espacio, pero no es tan eficiente como JSON. BSON, de hecho, en algunos casos, usa más espacio que JSON. La razón de esto es la transitabilidad, lo que significa que BSON agrega información adicional a los documentos, como la longitud de la cadena y los subobjetos, lo que a su vez hace que el recorrido sea más rápido.

BSON también está diseñado de manera que tiene una técnica de codificación y decodificación comparativamente más rápida. Por ejemplo, todos esos números enteros almacenados como números enteros de 32 bits para que no se analicen con ellos hacia y desde el texto. Por lo tanto, usa más espacio que JSON para enteros más pequeños, pero BSON es mucho más rápido de analizar.

Además de los puntos mencionados anteriormente, BSON utiliza tipos de datos adicionales como BinData y tipos de datos de fecha que no están disponibles en JSON. BSON amplía el modelo de tipo JSON para proporcionar tipos de datos adicionales para una codificación y decodificación más eficiente en diferentes idiomas, mientras que en el caso de JSON, no se proporciona tal disposición. Facilita el intercambio de datos y junto con XML, que es particularmente el formato principal. JSON admite todos los tipos de datos básicos que pueda imaginar, como números, cadenas y otros valores booleanos. También admite tipos de datos como hashes y matrices. El BSON utiliza el formato de tipo JSON para almacenar los datos en forma de documentos exactamente de la misma forma en que se almacenan los datos en forma de filas y columnas en una base de datos relacional .

Hay nueve tipos de operadores, cada uno de los cuales recibe el nombre de su función. Por ejemplo, los operadores lógicos utilizan operaciones lógicas. Para ejecutarlos, tienes que utilizar una palabra clave específica y seguir la sintaxis. Sin embargo, ¡son bastante fáciles de seguir!

Operadores lógicos

Los operadores lógicos se utilizan a menudo para filtrar datos en función de las condiciones dadas. También permiten la evaluación de muchas condiciones, de las que hablaremos con más detalle.

A continuación te presentamos algunos operadores lógicos que puedes utilizar:

$and

Una condición «and» realiza una operación lógica «and» en una matriz de dos o más expresiones. Selecciona los documentos en los que se cumplen todas las condiciones de las expresiones.

$or

Una condición «or» realiza una operación lógica «or» en una matriz de dos o más expresiones. Selecciona los documentos en los que al menos una de las expresiones es verdadera.

$nor

Este operador realiza una operación lógica «nor» en una matriz utilizando una o varias expresiones. A continuación, selecciona los documentos que no cumplen las expresiones de la consulta. En términos más sencillos, hace lo contrario de la condición $or.

$not

Este operador realiza una operación lógica de «not» en una matriz para la expresión especificada. A continuación, selecciona los documentos que no coinciden con las expresiones de la consulta. Esto incluye los documentos que no contienen el campo.

Operadores de comparación

Los operadores de comparación pueden utilizarse para comparar valores en uno o más documentos.

Igual a ($eq)

Este operador coincide con los valores que son iguales al valor dado

Mayor que ($gt)

Este operador coincide si los valores son mayores que el valor dado

Menor que ($lt)

Este operador coincide si los valores son menores que el valor proporcionado

Mayor o igual que ($gte)

Este operador coincide cuando los valores son mayores o iguales que el valor dado

Menor o igual que ($lte)

Este operador sólo coincide si los valores son menores o iguales que el valor dado

En ($en)

Este operador devuelve los documentos que coinciden con los valores especificados

No en ($nin)

Este operador devuelve los documentos que no coinciden con los valores dados. Esta es la sintaxis básica del operador $nin

No es igual ($ne)

El operador $ne devuelve los documentos en los que el valor especificado no es igual

Operadores de elementos

Los operadores de consulta de elementos pueden identificar los documentos utilizando los campos del documento. Los operadores de elementos consisten en $exist y $type.

$exists

Este operador coincide con los documentos que tienen un campo especificado. Este operador tiene un valor booleano que puede ser true o false.

Si se especifica que es true, coincide con los documentos que contienen ese campo, incluidos los documentos en los que el valor del campo es nulo. Si <boolean> es false, la consulta sólo devuelve los documentos que no contienen el campo.

$type

Este operador hace coincidir los documentos según el tipo de campo especificado. Es útil cuando tienes datos muy desestructurados, o cuando los tipos de datos no son predecibles. Estos tipos de campo son tipos BSON especificados y pueden definirse por número de tipo o por alias.

Los validadores ayudan a restringir el tipo de datos que se insertan en los documentos. Los validadores se definen en la recopilación. Se requiere la creación de un validador para usar la palabra clave validador y opcional nivel de validación y acción de validación para especificar el modo de validación. La validación del documento no restringe la inserción del nuevo campo en el documento.

Sintaxis: createCollection(“collectionName”,{validator:{ fields condition }})

Validadores de esquema en una nueva colección

Palabra clave adicional $ jsonSchema para cada año fiscal junto con la propiedades adicionales valor como Falso es necesario para poner restricción a nivel de esquema. Evita que se agreguen nuevos campos en el documento.

Sintaxis: createCollection(“collectionName”,{validator: { $jsonSchema { schema condition } }})

Actualizar o crear validadores de esquema en una colección existente

Se puede crear un validador en una colección existente usando collMod

Sintaxis: runCommand({collMod:”collectionName”,validator:{schema condition}})

Eliminar validadores de esquema en una colección existente

Para eliminar validadores de esquema, es necesario configurar <strong>validationLevel</strong> como apagado.

Sintaxis: runCommand({collMod:”collectionName”,validator:{ },validationLevel:off})

Verificar validadores en una colección existente

Para verificar si la colección existente tiene validadores de esquema que se ejecutan debajo del comando. Sin especificar el nombre de la colección db.getCollectionInfos() El método proporciona detalles de validadores en todas las colecciones que residen dentro de una base de datos.

Sintaxis: getCollectionInfos({name : “collectionName”})