Guía de arquitectura

de MongoDB
Los conceptos fundamentales que sustentan la
arquitectura de MongoDB
Guía de arquitectura
de MongoDB
Introducción
Los datos y el software están en el corazón de cada
negocio. Pero para muchas organizaciones,
aprovechar todo el potencial de la economía
digital sigue siendo un desafío importante. Desde
el inicio de MongoDB, hemos entendido que los
mayores desafíos que enfrentan los
desarrolladores están relacionados con el trabajo
con los datos:
° Las demandas de mayor productividad y
tiempo de comercialización más rápido
son frenadas por modelos de datos
relacionales rígidos que no coinciden con
el código moderno e imponen
interdependencias complejas entre los
equipos de ingeniería.
° Las organizaciones no pueden trabajar con
la cantidad masiva y en rápido crecimiento
de datos generados por las aplicaciones
modernas, incluidas series temporales,
datos geoespaciales y polimórficos, ni
extraer información de ellos.
° Las bases de datos heredadas monolíticas y
frágiles están inhibiendo el cambio
generalizado a sistemas distribuidos y
computación en la nube que brindan la
resiliencia y la escala que exigen los
negocios digitales y respaldan las nuevas
exigencias reguladoras para la privacidad
de datos.
° Las cargas de trabajo transaccionales,
analíticas, de búsqueda y móviles, que
antes estaban separadas, convergen para
crear aplicaciones ricas basadas en datos
y experiencias del cliente. Sin embargo,
cada carga de trabajo ha estado
tradicionalmente impulsada por su base
de datos y creó silos de datos duplicados
unidos con canalizaciones ETL frágiles, a
las que acceden diferentes API de
desarrolladores.
Para hacer frente a algunos de estos desafíos, se
han adoptado las bases de datos no tabulares (a
veces llamadas NoSQL o no relacionales)
rápidamente durante la última década. Pero
muchas de estas bases de datos NoSQL son
simplemente apósitos, que ofrecen un conjunto
de funciones de nicho.
El problema es que las bases de datos NoSQL
típicas hacen una o dos cosas bien. Pueden
ofrecer más flexibilidad en el modelo de datos
que las bases de datos tradicionales o escalar
fácilmente. Pero, para ello, descartan las
características más valiosas de las bases de
datos relacionales. A menudo, sacrifican la
integridad de los datos y la capacidad de
trabajar con datos de la manera necesaria para
crear aplicaciones ricas y valiosas, ya sean
nuevos puntos de contacto digitales con los
clientes de una organización o procesos
empresariales de backend centrales
modernizados.
2
Guía de arquitectura
de MongoDB
El modelo de documento
MongoDB se lanzó en 2009 como una clase
completamente nueva de base de datos de
propósito general y rápidamente se estableció
como una de las bases de datos más populares
entre los desarrolladores. MongoDB conserva
los mejores aspectos de las bases de datos
relacionales y NoSQL al tiempo que proporciona
una base tecnológica que permite a las
organizaciones satisfacer las demandas de las
aplicaciones modernas. Lo hace al reemplazar
las tablas rígidas de las bases de datos
relacionales con documentos flexibles que se
adaptan a la forma en que los desarrolladores
piensan y codifican. En lugar de almacenar datos
en columnas y filas, las bases de datos de
documentos almacenan datos como JSON
(Notación de Objetos de JavaScript). Una base
de datos de documentos puede almacenar
cualquier tipo de datos y se puede modificar
fácilmente la estructura de los documentos. Esto
permite que los desarrolladores sean mucho
más productivos y creen o iteran sus
aplicaciones más rápido. Se puede agregar
nuevos campos sin afectar otros documentos en
la colección, el equivalente MongoDB de una
tabla en una base de datos relacional. Y se
puede modelar los datos de cualquier forma que
se adapte a la aplicación, por ejemplo, como
pares clave-valor, como bordes o nodos de un
gráfico, o como estructuras anidadas que
representan relaciones.
Compatibilidad
mejorada con datos
de series temporales
Los datos de series temporales son los que
representan cómo cambia un sistema, un proceso o
un comportamiento a lo largo del tiempo. Se puede
capturar en intervalos constantes, como una
medición de dispositivo por segundo, o en
intervalos irregulares, como con alertas y auditorías
de eventos. Los datos de series temporales son
críticos para las aplicaciones modernas, en
particular para IoT, comercio de acciones, flujos de
clics y redes sociales. Con el cambio de sistemas
por lotes a sistemas en tiempo real, la captura y el
análisis eficientes de datos de series temporales
permiten que las organizaciones detecten y
respondan mejor a los eventos antes que sus
competidores, mejoren la eficiencia operativa y
reduzcan los costos y riesgos.
Gracias a la flexibilidad de MongoDB, los equipos
han estado utilizando la base de datos para
almacenar datos de series temporales durante
años. Sin embargo, modelar correctamente los
datos para lograr una solución eficaz no siempre
fue sencillo. Con las series temporales, un nuevo
tipo de colección introducido con MongoDB 5.0, y
las nuevas funciones, como la indexación en
clúster y las funciones de ventana, los equipos
pueden trabajar y almacenar datos de series
temporales sin preocuparse por la optimización del
modelo de bajo nivel. MongoDB optimizará
automáticamente su esquema para una alta
eficiencia de almacenamiento, consultas de baja
latencia y análisis en tiempo real contra datos
temporales.
3
Guía de arquitectura
de MongoDB

Como los desarrolladores han experimentado

los beneficios del modelo de datos de
documentos por sí mismos, se ha convertido
en la alternativa más popular al modelo
tabular utilizado por las bases de datos
relacionales tradicionales.
Las tres ventajas principales de ese
modelo son:

1. Intuitivo: más
rápido y fácil para
los desarrolladores
Se asignan los documentos en la base de datos
directamente a los objetos en su código, por lo
que es mucho más natural trabajar con ellos.
El siguiente ejemplo de un documento JSON en
MongoDB demuestra cómo se modela un objeto
de cliente en una estructura de documento único
con datos relacionados incrustados como
subdocumentos y matrices. Este enfoque colapsa
lo que de otro modo serían siete tablas principal-
secundaria separadas vinculadas por claves
foráneas en una base de datos relacional.
Con el modelo de datos de documentos, no
es necesario descomponer los datos en
tablas, ejecutar JOIN costosos o integrar una capa
separada de mapeo relacional de objetos (ORM).
En general, los datos a los que se accede en
conjunto se almacenan juntos, por lo que tiene
menos código para escribir y sus usuarios
obtienen un mayor rendimiento.
“La parte más hermosa
es el modelo de datos.
Todo es un documento
JSON natural. Entonces,
para los desarrolladores, es
fácil, realmente fácil,
trabajar rápidamente.
Dedican tiempo a crear
valor comercial en lugar de
modelar datos.”
— Filip Dadgar, Gerente de TI, Toyota
Material Handling Europe

4
Guía de arquitectura
de MongoDB

2. Esquema flexible: Con la validación de esquema, puede aplicar

adaptación
estándares de gobierno de datos a un esquema de
documento mientras mantiene los beneficios de
dinámica al cambio un modelo de datos flexible en desarrollo.

El esquema de un documento es dinámico y

autodescriptivo, por lo que no necesita predefinirlo 3. Universal: los
en la base de datos. Los campos varían de un documentos
JSON están por
documento a otro, y eso puede modificar la
estructura en cualquier momento, lo que le permite
integrar continuamente la nueva funcionalidad de la todas las partes
aplicación sin tener que tratar con migraciones de
esquema disruptivas. Ligero e independiente del idioma, JSON se ha
convertido en un estándar establecido para la
Cuando necesita realizar cambios en el modelo de
comunicación y el almacenamiento de datos. Los
datos, la base de datos de documentos continúa
documentos le permiten estructurar los datos de
almacenando los objetos actualizados sin la necesidad
cualquier forma que necesite su aplicación:
de realizar costosas operaciones de "ALTER TABLE"
objetos enriquecidos, pares clave-valor, tablas,
(CAMBIAR TABLA), actualizar una capa de middleware
datos geoespaciales y de series temporales, y los
ORM separada y coordinar todos estos cambios entre
nodos y bordes de un gráfico. Como resultado de
múltiples desarrolladores, DBA y equipos de
estas propiedades, atiende muchas más clases de
operaciones. Los documentos permiten que existan
aplicaciones con una sola base de datos.
múltiples versiones del mismo esquema en el mismo
espacio de tablas. Las aplicaciones antiguas y nuevas MongoDB almacena datos como documentos
pueden coexistir. JSON en una representación binaria llamada
BSON (JSON binario). A diferencia de la mayoría
MongoDB también ofrece validación de esquema para
de las bases de datos que almacenan datos JSON
que pueda hacer cumplir las reglas que rigen la
como cadenas y números primitivos, la
estructura de sus documentos. Esto es útil a medida
codificación BSON amplía la representación JSON
que sus aplicaciones pasan a producción porque puede
para incluir tipos adicionales como int, long, date,
gobernar su esquema sin tener que escribir controles
float point y decimal128. Esto facilita para las
en la capa de la aplicación.
aplicaciones que usan MongoDB procesar,
clasificar y comparar datos de manera confiable.

5
Guía de arquitectura
de MongoDB
El trabajo con datos de los
documentos
Algunas diferencias clave entre las bases de
datos son la expresividad del lenguaje de
consulta, la riqueza de la indexación y los
controles de integridad de datos.
La API de consulta de MongoDB es completa y
expresiva. Las consultas ad hoc, la indexación y las
agregaciones en tiempo real brindan formas
poderosas de acceder, agrupar, transformar y
analizar datos. Se puede unificar consultas en
bases de datos, admitir cargas de trabajo
transaccionales y datos archivados en su lago de
datos al utilizar la misma API de consulta y drivers,
todo con una sola cadena de conexión.
La cartera de agregación de MongoDB le
permite transformar y analizar datos. Los
documentos ingresan a una cartera de varias
etapas que los transforma en un resultado
agregado. Las etapas de cartera más básicas
proporcionan filtros que funcionan como
consultas y transformaciones de documentos
que modifican la forma del documento de
salida. Otras operaciones de cartera
proporcionan herramientas para agrupar y
clasificar documentos por campos específicos,
así como herramientas para agregar el
contenido de matrices, incluidas las de
documentos. Además, las etapas de cartera
pueden usar operadores para tareas como
calcular un promedio o concatenar una cadena.
La cartera proporciona una agregación de datos
eficiente mediante operaciones nativas dentro
de MongoDB y es el método preferido para la
agregación de datos en MongoDB.
Con las transacciones ACID, se mantienen las
mismas garantías de aislamiento de
instantáneas y de todo o nada que con las
bases de datos relacionales.
Esto sigue siendo posible ya sea que se esté
manipulando datos en un solo documento o con la
arquitectura de escalamiento horizontal de MongoDB,
en múltiples documentos y distribuidos
geográficamente en múltiples fragmentos.
Con una sólida consistencia de datos, MongoDB
elimina la complejidad de la aplicación impuesta por
los sistemas NoSQL eventualmente consistentes. Las
garantías de consistencia de MongoDB son totalmente
ajustables, lo que le permite equilibrar la actualización
de los datos con el rendimiento.
Para facilitar que las empresas actúen sobre los datos
en tiempo real, muchos desarrolladores están
creando canalizaciones de datos totalmente reactivas
basadas en eventos. MongoDB va más allá de muchas
otras bases de datos con funciones como Change
Streams, que detecta automáticamente y notifica a las
aplicaciones consumidoras sobre cualquier
modificación de datos en la base de datos.
La API de consulta de MongoDB absuelve a los
desarrolladores de tener que investigar, aprender
y mantenerse actualizados sobre múltiples formas
de trabajar con datos en diferentes cargas. Es más
natural de usar que SQL porque se siente como
una extensión de los lenguajes de programación
que ya están usando los desarrolladores. Para
acelerar aún más la productividad de los
desarrolladores, MongoDB proporciona drivers
nativos para marcos y lenguajes de programación
populares. Los drivers compatibles incluyen Java,
JavaScript, C#/.NET, Go, Python, PHP, Scala, Rust y
más. Todos los drivers MongoDB admitidos están
diseñados para ser idiomáticos para el lenguaje de
programación dado. Esto elimina la necesidad de
capas de abstracción ORM engorrosas y frágiles.
6
Guía de arquitectura
de MongoDB
Arquitectura distribuida:
escalable, resistente y de
misión crítica
A través de conjuntos de réplicas y fragmentación
nativa, MongoDB le permite escalar sus aplicaciones
con disponibilidad permanente. Se puede distribuir
datos para el acceso de usuarios de baja latencia
mientras se aplican controles de soberanía de datos
para regulaciones de privacidad de datos como RGPD.
Disponibilidad y
protección de datos con
conjuntos de réplicas
Los conjuntos de réplicas de MongoDB le permiten
crear hasta 50 copias de sus datos, que se
aprovisionan en nodos, centros de datos y regiones
geográficas independientes.
Los conjuntos de réplicas están diseñados
predominantemente para la resiliencia. Si un nodo
principal sufre una interrupción o se desconecta por
mantenimiento, el clúster de MongoDB elegirá
automáticamente un reemplazo en unos segundos,
cambiará las conexiones del cliente e intentará otra
vez cualquier operación que no funcionó.
El proceso de elección del conjunto de réplicas
está controlado por sofisticados algoritmos
basados​en una implementación extendida del
protocolo de consenso Raft. Antes de promocionar
una réplica secundaria, los algoritmos de elección
evalúan una variedad de parámetros que incluyen:
° Análisis de identificadores de elección, marcas
de tiempo y persistencia de diarios
para identificar aquellos miembros del conjunto
de réplicas que han aplicado las actualizaciones
más recientes de la réplica principal
° Heartbeat y estado de conectividad con la
mayoría de los demás miembros del conjunto
de réplicas
° Prioridades definidas por el usuario asignadas a
los miembros del conjunto de réplicas
Al ampliar la protección de datos, los desarrolladores
configuran conjuntos de réplicas para proporcionar
visibilidad geográfica y durabilidad multinodo
ajustable. A través de la preocupación de escritura de
MongoDB, se asegura de que las operaciones de
escritura se propaguen a la mayoría de las réplicas en
un clúster. Con MongoDB 5.0, la garantía de
durabilidad predeterminada se elevó a la
preocupación de escritura mayoritaria (w:majority). El
éxito de escritura ahora solo se reconocerá en la
aplicación una vez que se haya confirmado y
persistido en el disco en la mayoría de las réplicas.
La elección del nuevo valor predeterminado frente al valor
predefinido w:1 anterior permite una garantía de
durabilidad más sólida, en la que los datos reconocidos
pueden sobrevivir a las elecciones del conjunto de réplicas
y fallas completas del nodo. La nueva configuración
predeterminada de w:majority es totalmente ajustable,
por lo que puede mantener la configuración predefinida
anterior de w:1 o cualquier preocupación de escritura
personalizada que haya configurado previamente.
También se puede crear preocupaciones de escritura
personalizadas que se dirijan a miembros específicos de
un conjunto de réplicas, implementadas localmente y en
regiones remotas.
7
Guía de arquitectura
de MongoDB
Esto asegura que las escrituras solo se reconozcan
una vez que se hayan cumplido las políticas
personalizadas, como escribir en al menos un
servidor principal y una réplica en una región y al
menos una réplica en una segunda región. Esto
reduce el riesgo de pérdida de datos en caso de una
falla regional completa.
Más allá de la resiliencia, los conjuntos de réplicas
también se pueden usar para escalar las
operaciones de lectura, al enrutar, de modo
inteligente, las consultas a una copia de los datos
que está físicamente más cerca del usuario.
Escalar hacia arriba, hacia afuera y
entre niveles de almacenamiento
Como la mayoría de las bases de datos, se escala
MongoDB verticalmente al moverse a tamaños de
instancia más grandes o más pequeños. Como
sistema distribuido, MongoDB puede realizar un
reinicio continuo del conjunto de réplicas, lo que le
permite moverse entre diferentes instancias sin
tiempo de inactividad de la aplicación.
A través de la fragmentación nativa, MongoDB
también puede escalar su base de datos a través de
múltiples nodos para manejar cargas de trabajo de
escritura intensiva y tamaños de datos crecientes. La
fragmentación con MongoDB le permite escalar sin
problemas la base de datos a medida que sus
aplicaciones crecen más allá de los límites de
hardware de un solo servidor, y lo hace sin agregar
complejidad a la aplicación.
Para responder a las cambiantes demandas de la
carga de trabajo, puede agregar y eliminar
fragmentos en cualquier momento.
Con políticas sofisticadas como lecturas
protegidas, el clúster enrutará automáticamente
las consultas a los dos nodos más cercanos (medidos
por la distancia de ping), devolviendo resultados de
la réplica más rápida. Esto ayuda a minimizar las
consultas que esperan en un nodo que, de lo
contrario, podría estar ocupado, lo que reduce la
latencia de lectura de los percentiles 95 y 99. Tenga
en cuenta que las lecturas protegidas solo están
disponibles en clústeres compartidos.
También tiene la flexibilidad de refinar o cambiar su
clave fragmentada, que determina cómo se
distribuyen los datos en un clúster fragmentado, a
pedido sin afectar la disponibilidad del sistema. A
medida que se cambia su clave de fragmento o
cambia la topología del clúster, MongoDB
reequilibrará automáticamente los datos en los
fragmentos según sea necesario sin intervención
manual.
Simplemente aplicando hash a un valor de clave
principal, muchas bases de datos distribuidas rocían
datos aleatoriamente en un grupo de nodos, lo que
impone penalizaciones de rendimiento cuando se
consultan datos o agrega complejidad a la aplicación
cuando necesita ubicar datos en una región
específica. Al exponer múltiples políticas de
fragmentación a los desarrolladores, MongoDB
ofrece un mejor enfoque. Los datos se distribuyen
de acuerdo con los patrones de consulta o los
requisitos de ubicación de los datos, lo que le brinda
una escalabilidad mucho mayor en un conjunto más
diverso de cargas de trabajo.
8
 Guía de arquitectura
de MongoDB

La fragmentación nativa de MongoDB le ofrece o Fragmentación por zonas:

las siguientes opciones:
o Fragmentación a distancia: Los
documentos se dividen en fragmentos
según el valor de la clave de fragmento. Es
probable que los documentos con valores
de clave de fragmento cercanos entre sí se
coubiquen en el mismo fragmento. Este
enfoque es adecuado para aplicaciones
que necesitan optimizar las consultas
basadas en rangos, como la ubicación
conjunta de datos para clientes en una
región específica en un conjunto específico
de fragmentos.
o Fragmentación hash: Se distribuyen
los documentos de acuerdo con un
hash MD5 del valor de la clave de
fragmento. Este enfoque asegura una
distribución uniforme de las escrituras
en los fragmentos, lo que suele ser
óptimo para ingerir flujos de series
temporales y datos de eventos.
Permite a los desarrolladores
definir reglas específicas que rigen
la ubicación de los datos en un
clúster fragmentado.
Más allá del escalado vertical y horizontal,
MongoDB también ofrece escalado por niveles.
Cuando se trabaja en la nube, MongoDB Atlas
Online Archive clasificará automáticamente los
datos antiguos fuera de la base de datos y en el
almacenamiento de objetos en la nube. Los datos
archivados permanecen totalmente accesibles
con consultas federadas que abarcan el
almacenamiento de objetos y bases de datos en
una sola cadena de conexión. Este enfoque le
permite escalar el almacenamiento de datos de
manera más económica al moverlo a un nivel de
menor costo sin perder el acceso a los datos y sin
lidiar con canalizaciones ETL lentas y complejas.

Zona 4
Frankfurt

Zona 2
N. Virginia Zona 5
Zona 1
Tokio
N. California

Zona 3
Latencia aproximada de escritura São Paulo

Óptimo (0 – 100 ms)

Zona 6
Sídney
Aceptable (101 – 249 ms)

Aceptable (101 – 249 ms)

No Óptimo (250 ms+)

Figura 1: Servicio de aplicaciones siempre activas, distribuidas globalmente y de escritura en todas partes con MongoDB Atlas Global Clusters

9
Guía de arquitectura
de MongoDB
Privacidad y seguridad
Con la creciente economía digital viene un
aumento en la supervisión gubernamental de la
privacidad y la seguridad de los datos. MongoDB
incluye amplias capacidades para defender,
detectar y controlar el acceso a los datos:
° Autenticación: MongoDB ofrece un
sólido mecanismo de desafío-respuesta
basado en SCRAM-256, junto con la
integración a la infraestructura de
seguridad empresarial, incluidos LDAP,
Windows Active Directory, Kerberos,
certificados x.509 y AWS IAM.
° Autorización: El control de acceso
basado en roles (RBAC) le permite
configurar permisos granulares para un
usuario o aplicación en función de los
privilegios que necesitan para hacer su
trabajo.
° Auditoría: Para el cumplimiento
normativo, los administradores de seguridad
pueden usar el registro de auditoría nativo
de MongoDB para registrar toda la actividad
y los cambios de la base de datos.
° Aislamiento de red: Para los usuarios
que ejecutan bases de datos totalmente
administradas en MongoDB Atlas, los
datos de usuario y los sistemas
subyacentes están completamente
aislados de otros usuarios. Los recursos
de la base de datos están asociados con
un grupo de usuarios, contenido en su
propia nube privada virtual (VPC). Solo se
puede otorgar el acceso mediante la lista
blanca de IP o la interconexión de VPC.
Cifrado en todas partes: Los datos de
° instancia de la base de datos, incluso si no tienen
MongoDB se cifran mientras están en
movimiento a través de la red, en uso en la
base de datos y en reposo, ya sea en el
disco o en las copias de seguridad.
Con el cifrado de nivel de campo (FLE) del lado
del cliente, se tiene acceso a algunos de los
controles de protección de datos más avanzados
del mundo. FLE hace que sea aún más seguro
almacenar sus datos más confidenciales en la
nube porque es completamente inaccesible para
cualquier persona que no tenga las claves de
cifrado, incluidos aquellos que ejecutan la base
de datos por usted.
FLE también facilita el cumplimiento de las
condiciones de "derecho al olvido" en las
regulaciones de privacidad, como el RGPD y la
CCPA. Basta con destruir la clave del cliente y los
datos personales asociados se volverán inútiles.
Con FLE, se puede cifrar selectivamente campos
de documentos individuales, cada uno
opcionalmente protegido con su propia clave y
descifrado sin problemas en el cliente. En
MongoDB, FLE está totalmente separado de la
base de datos, lo que lo hace transparente para el
servidor. En cambio, se maneja exclusivamente
dentro de los drivers MongoDB en el cliente.
Todos los campos cifrados en el servidor
(almacenados en la memoria, en los registros del
sistema, en reposo y en las copias de seguridad) se
representan como texto cifrado, lo que los hace
ilegibles para cualquier parte que no tenga acceso
al cliente y las claves necesarias para descifrar los
datos. Este es un enfoque diferente y más
completo que el cifrado de columnas utilizado en
muchas bases de datos relacionales. La mayoría de
esas bases de datos maneja el cifrado del lado del
servidor, los datos siguen siendo accesibles para
los administradores que tienen acceso a la
privilegios de acceso de cliente.
10
Guía de arquitectura
de MongoDB
Una plataforma para todas
las cargas de trabajo
Sobre la base del modelo de datos de
documentos de MongoDB, la expresiva API
de consulta y el ADN de los sistemas
distribuidos, la plataforma de datos de
aplicaciones MongoDB Atlas ofrece un
conjunto cohesivo e integrado de datos y
servicios de bases de datos. Atlas agiliza la
forma en que los equipos trabajan con los
datos, específicamente en el contexto de la
creación de software y sistemas que brindan
experiencias en tiempo real tanto a los
clientes finales como a los usuarios internos.
Las características clave de la plataforma de
datos de aplicaciones de MongoDB incluyen:
° Un plano de datos con la capacidad de
admitir una amplia variedad de tipos de
aplicaciones que se desarrolla, implementa
y evoluciona de forma independiente para
abordar una amplia variedad de tipos de
aplicaciones y casos de uso
° Una experiencia unificada y coherente
para desarrolladores, analistas de datos,
científicos de datos y funciones de apoyo
críticas, como equipos de operaciones,
equipos de seguridad e ingenieros de
datos
° Distribución global de datos en nubes
múltiples, basada en la fragmentación
nativa de MongoDB, para admitir los
requisitos de residencia de datos y
proporcionar flexibilidad de
implementación
° Movimiento transparente de datos
entre servicios y gestión automatizada
del ciclo de vida de los datos
En esencia, MongoDB Atlas proporciona una base de
datos de uso general (Atlas Database) para
aplicaciones modernas. Casi todas las aplicaciones
necesitan una base de datos rápida que pueda
ofrecer tiempos de respuesta de milisegundos de un
solo dígito. Y con su modelo de datos de documentos
flexible, garantías transaccionales, API de consulta
rica y expresiva, y soporte nativo para escalado
vertical y horizontal, Atlas Database se puede
emplear para prácticamente cualquier caso de uso, al
reducir la necesidad de bases de datos especializadas
incluso cuando cambian los requisitos. El escalado
automático del clúster ajusta tanto la computación
como el almacenamiento en respuesta a la carga de
la aplicación, lo que elimina la necesidad de
monitorear la utilización y reaccionar ante las
necesidades de escalamiento.
Atlas Database está disponible en más de 80
regiones en AWS, Google Cloud Platform y Azure.
La mejor infraestructura y automatización de
bases de datos de su clase aseguran
disponibilidad continua, escalabilidad elástica y
cumplimiento de los estándares de privacidad y
seguridad de datos más exigentes. El tiempo de
actividad está respaldado por un acuerdo de
nivel de servicio del 99,995 %.
11
 Guía de arquitectura
de MongoDB

Más allá de ofrecer bases de datos MongoDB

totalmente administradas en la nube, Atlas
ofrece servicios complementarios adicionales
que permiten a las organizaciones admitir una
amplia gama de cargas de trabajo de datos de
análisis en tiempo real y aplicaciones.

Modelo de documento

Pares de valores Geoespacial

clave

Relaciones Gráficos

Objetos

Análisis en
Interfaz unificada
Transaccional tiempo real

Búsqueda Móvil

Arquitectura
Seguridad distribuida

Nubes múltiples

Figura 2: Plataforma de datos de aplicación de MongoDB

12
Guía de arquitectura
de MongoDB
Análisis en tiempo real
Atlas Database le permite implementar un nodo
de análisis de solo lectura para atender más
consultas de análisis con uso intensivo de
recursos. Se apunta fácilmente a los nodos de
análisis al configurar la preferencia de lectura y
asegurar de manera efectiva que las consultas de
análisis que aprovechan la canalización de
agregación integrada de MongoDB nunca
compitan por los recursos de la base de datos
con sus cargas de trabajo operacionales. Los
nodos de análisis, como todos los nodos de solo
lectura dentro de un clúster de MongoDB, no
participan en las elecciones y nunca pueden ser
elegidos para el clúster principal.
Atlas Search
Atlas Search está integrado en MongoDB Atlas, lo
que facilita la creación de capacidades de
búsqueda rápidas de texto completo sobre sus
datos de MongoDB sin necesidad de aprender una
API diferente o implementar una tecnología de
búsqueda separada. Atlas Search se basa en
Apache Lucene, la biblioteca estándar de la
industria. Los índices de búsqueda se ejecutan
junto con la base de datos y se mantienen
sincronizados automáticamente. Las capacidades
admitidas incluyen búsqueda aproximada,
autocompletar, facetas y filtros, puntuación
personalizada, analizadores para más de 30
idiomas y más.
Atlas Data Lake
Atlas Data Lake es un servicio de consulta bajo
demanda que le permite analizar datos en el
almacenamiento de objetos en la nube (Amazon
S3) al utilizar la API de consulta de MongoDB.
No hay infraestructura para configurar o
administrar.
La mejor manera de ejecutar
MongoDB en la nube
Atlas Database ofrece MongoDB como un servicio de
pago por uso facturado por hora. Para implementarlo, se
usa una GUI o la API de administración para seleccionar
el proveedor de nube pública, la región, el tamaño de la
instancia y las funciones que necesita. Atlas Database
ofrece:
o Aprovisionamiento automatizado de
bases de datos e infraestructura junto
con escalado automático, para que los
equipos puedan obtener los recursos
de bases de datos que necesitan,
cuando los necesitan, y escalar de
manera elástica en respuesta a las
demandas de las aplicaciones.
o Seguridad permanente para proteger
los datos, incluido el aislamiento de la
red, los controles de acceso
detallados, la auditoría y el cifrado de
extremo a extremo hasta el nivel de
los campos individuales.
o Certificaciones con estándares
globales para respaldar el
cumplimiento, incluidos ISO 27001,
SOC 2 y más. Se puede utilizar el Atlas
Database para cargas de trabajo
sujetas a HIPAA, PCI-DSS o RGPD.
o Replicación integrada tanto dentro
como entre regiones para una
disponibilidad permanente, incluso
ante interrupciones regionales
completas.
o Clústeres globales para bases de
datos totalmente administradas y
distribuidas globalmente que brindan
lecturas y escrituras receptivas y de
baja latencia a los usuarios en
cualquier lugar,
Continúa en la página siguiente »
13
13
Guía de arquitectura
de MongoDB
Atlas Data Lake paraleliza automáticamente las
operaciones al desglosar las consultas y dividir el
trabajo entre múltiples nodos de cómputo. Atlas
Data Lake también optimiza automáticamente las
cargas de trabajo utilizando la computación en la
región más cercana a sus datos. Esto es útil para
la residencia de datos, ya que le otorga la
capacidad de especificar la región en la que se
deben procesar sus datos.
La compatibilidad con consultas unificadas le
permite combinar y analizar datos en S3 y sus
clústeres de bases de datos de Atlas, junto con una
sola consulta. Además, se conservan fácilmente los
resultados de las agregaciones en el
almacenamiento de objetos o en su base de datos
en la nube. Los formatos de datos admitidos
incluyen JSON, BSON, CSV, TSV, Avro, ORC y
Parquet.
Atlas Charts
Atlas Charts es un servicio de visualización de
datos que admite de forma nativa datos JSON
ricamente estructurados. Cree fácilmente tablas,
gráficos y paneles en una interfaz de arrastrar y
soltar, y compártalos con otros usuarios para
colaborar o intégrelos directamente en sus
aplicaciones para crear experiencias de usuario
atractivas. Atlas Charts se configura para leer
desde análisis o nodos secundarios, lo que
asegura que no afecte las cargas de trabajo
operacionales. Las fuentes de datos admitidas
incluyen una o más implementaciones de Atlas
Database, Atlas Data Lake o una combinación de
ellos.
Realm Sync
Realm Sync ofrece sincronización de datos
bidireccional entre los clústeres de Atlas Database
y Realm, una base de datos móvil ligera y de
código abierto.
con sólidos controles de soberanía de
datos para el cumplimiento normativo. Los
clústeres globales le permiten
implementar rápidamente la
fragmentación por zonas mediante una
interfaz de usuario visual o la API de
administrador de Atlas. Cada zona es parte
del mismo clúster, por lo que se pueden
consultar globalmente, pero los datos se
anclan a fragmentos en regiones
específicas según las políticas de
localización de datos.
° Los clústeres de nubes múltiples le
permiten distribuir los datos en una sola
base lógica entre múltiples proveedores
de nube para redundancia entre nubes,
un alcance geográfico aún más amplio y
migraciones sin problemas entre
proveedores. También se pueden utilizar
los clústeres de nubes múltiples para
aprovechar fácilmente los mejores
servicios de cada proveedor de la nube
en sus datos operacionales en vivo; por
ejemplo, los usuarios que ejecutan
principalmente en AWS pueden crear
rápidamente una réplica en Google Cloud
para aprovechar la última IA de
Google/servicios de ML.
° Copias de seguridad completamente
administradas con recuperación de un
momento dado para proteger contra la
corrupción de datos y la capacidad de
consultar las copias de seguridad en el
lugar sin restauraciones completas.
° Monitoreo detallado, métricas en tiempo
real, generador de perfiles de consultas y
alertas personalizables para una
visibilidad completa del rendimiento.
Continúa en la página siguiente »
14
Guía de arquitectura
de MongoDB
Realm es una alternativa más fácil de usar para los
desarrolladores que los almacenes de datos
integrados, como SQLite o Core Data. Esta solución
conjunta ayuda a solucionar los desafíos únicos de
crear aplicaciones sin conexión para dispositivos
móviles, lo que simplifica el almacenamiento de
datos en el dispositivo, permitiendo el acceso a los
datos incluso sin conexión, y actualizaciones
bidireccionales cuando se establece una conexión.
Los SDK de Realm brindan a los desarrolladores las
herramientas necesarias para acceder a los datos
almacenados en MongoDB Atlas directamente
desde el cliente e interactuar con el conjunto más
amplio de servicios de la plataforma.
GraphQL
Genere automáticamente un esquema JSON para sus
colecciones MongoDB y habilite GraphQL para sus
aplicaciones MongoDB con un simple clic. Al realizar
consultas en un solo punto final para obtener
exactamente los datos que necesita, puede crear
aplicaciones de alto rendimiento. Cuando usa
GraphQL junto con otras funciones de desarrollo de
aplicaciones de MongoDB, como la autenticación
integrada y el control de acceso a datos, también es
fácil proteger su aplicación.
Arquitectura impulsada
por eventos
Como parte de los servicios más amplios
disponibles para los usuarios de Atlas, las
funciones le permiten definir y ejecutar la lógica
del lado del servidor sin tener que aprovisionar o
administrar servidores, lo que facilita la
integración con servicios en la nube, la creación
de API y más. Atlas Triggers le permite ejecutar
funciones automáticamente en tiempo real, en
respuesta a cambios en la base de datos o
eventos de autenticación de usuarios, o en
intervalos preestablecidos.
o Recomendaciones inteligentes de
índices y esquemas con Performance
Advisor, que analiza los registros de
consultas lentas de las recolecciones
de su base de datos y proporciona
sugerencias clasificadas por impacto
en el rendimiento de su base de
datos.
o Parches automatizados y
actualizaciones con un solo clic para
nuevas versiones principales de la
base de datos, lo que le permite
aprovechar los recursos más recientes
de MongoDB.
o Archivado automático de datos
antiguos de sus clústeres de bases de
datos en vivo al almacenamiento de
objetos en la nube completamente
administrado con Online Archive. La
consulta federada le permite analizar
los datos de su base de datos
operacional y los datos históricos en el
almacenamiento de objetos juntos y
en el lugar con una sola consulta para
obtener información más rápida. Las
consultas se enrutan automáticamente
al servicio de datos apropiado sin
tener que pensar en el movimiento de
datos, la replicación o ETL.
o Migración en vivo para mover una
base de datos MongoDB
autoadministrada al servicio Atlas o
para mover bases de datos Atlas entre
proveedores de la nube.
o Un nivel gratuito perpetuo de 512 MB.
Atlas Database brinda servicio a un amplio
rango de cargas de trabajo para empresas
emergentes, compañías de Fortune 500 y
agencias gubernamentales, incluidas
aplicaciones de misión crítica que manejan
datos altamente confidenciales en industrias
reguladas.
15
Guía de arquitectura
de MongoDB
MongoDB para aplicaciones
de misión crítica en su centro
de datos
Si necesita ejecutar MongoDB en su propia
infraestructura autoadministrada para cumplir
con los requisitos reglamentarios o comerciales,
MongoDB Enterprise Advanced es un paquete
ajustado con precisión de software avanzado,
soporte, certificaciones y otros servicios que
pueden ayudarlo. Se puede utilizar Enterprise
Advanced para impulsar una base de datos
MongoDB detrás de una sola aplicación, o para
crear su propio servicio de base de datos
privado y exponerlo a sus equipos de desarrollo.
Como parte de la suscripción MongoDB Enterprise
Advanced, MongoDB Enterprise Server es una
versión del software de base de datos que incluye
un motor de almacenamiento en memoria para un
alto rendimiento y una baja latencia predecible;
opciones de seguridad avanzadas, como controles
de acceso LDAP y Kerberos; auditoría integral; y un
motor de almacenamiento cifrado para proteger
los datos en reposo.
MongoDB Ops Manager simplifica las tareas de
administración asociadas con la ejecución de
MongoDB en las instalaciones o en una nube
privada.
Con Ops Manager, se puede automatizar la
implementación, el monitoreo, la copia de
seguridad y el escalado de MongoDB. También se
administra el ciclo de vida completo de sus bases
de datos MongoDB a través de una poderosa GUI
o programáticamente con API para permitir la
integración con sus herramientas de
Infraestructura como código (IaC).
Los usuarios de Kubernetes pueden usar MongoDB
Enterprise Operator para Kubernetes, que se
integra con MongoDB Ops Manager para
automatizar y administrar clústeres de MongoDB.
Le brinda control total sobre su implementación
de MongoDB desde un único plano de control de
Kubernetes. Puede usar el operador con
Kubernetes ascendente o con cualquier
distribución popular, como Red Hat OpenShift o
Pivotal Container Service (PKS).
MongoDB Connector para BI le permite usar
MongoDB como fuente de datos para sus
plataformas de análisis y BI basadas en SQL
existentes, como Tableau, Microstrategy, Looker
y más. Se incluye con MongoDB Enterprise
avanzado y está disponible en un modelo de pago
por uso para clústeres de bases de datos Atlas.
16
Guía de arquitectura
de MongoDB
Ejecute MongoDB gratis con
nuestras herramientas
MongoDB Community Server es la versión gratuita
disponible en la fuente del software de la base de
datos. Se ha descargado cientos de millones de
veces e incluye toda la funcionalidad principal de
la base de datos (modelo de documento flexible,
API de consulta expresiva, replicación y
fragmentación) para respaldar la creación de una
amplia variedad de aplicaciones.
MongoDB Compass
Se puede interactuar fácilmente con sus datos de
MongoDB al usar MongoDB Compass, la GUI para
MongoDB. A través de Compass, se puede
explorar y manipular datos, crear consultas y
canales de agregación visualmente desde la GUI y
exportarlos como código a su aplicación, ver y
crear índices, crear reglas de validación de
esquemas y más.
Cloud Manager
Cloud Manager es la plataforma de
administración basada en la nube que le
permite implementar, monitorear, respaldar y
escalar MongoDB. Le permite automatizar
tareas de administración como
implementación, monitoreo y alertas, escalado,
actualizaciones, copias de seguridad y
optimización del rendimiento.
También lo ayuda a identificar problemas antes
de que se conviertan en emergencias y
optimizar las operaciones. Con Cloud Manager,
se puede monitorear tendencias, ver
características de carga de trabajo en vivo,
configurar alertas y obtener sugerencias de
optimización de rendimiento.
Conectores
MongoDB Connector para Apache Spark expone
todas las bibliotecas de Spark, incluidas Scala, Java,
Python y R. Los datos de MongoDB se materializan
como marcos de datos y conjuntos de datos para
el análisis con aprendizaje automático, gráficos,
transmisión y API de SQL.
Con MongoDB Connector para Apache Kafka, se
crea carteras de datos sólidas que mueven
eventos entre sistemas en tiempo real, utilizando
MongoDB como fuente y receptor para Kafka. El
conector es compatible con MongoDB y
verificado por Confluent.
Puede usar cualquier distribución de Kubernetes
para administrar el ciclo de vida completo de sus
clústeres de MongoDB, dondequiera que elija
ejecutarlos, desde la infraestructura local hasta la
nube pública. Con las integraciones de
Kubernetes de MongoDB, se ejecuta y escala sus
clústeres con facilidad, independientemente de la
topología de infraestructura elegida.
17
Guía de arquitectura
de MongoDB

Para empezar
Todas las industrias se encuentran en medio de
la transformación digital. Muchas empresas no
aprovechan todo el potencial de sus inversiones
porque no logran modernizar su arquitectura de
datos. Al paso que construye o rehace su
empresa para un mundo digital, la velocidad
importa, medida por la rapidez con la que crea
aplicaciones, las escala y obtiene información de
los datos que generan. Estas son las claves de
las aplicaciones que brindan mejores
experiencias al cliente; habilitan conocimientos
más profundos basados​en datos; y hacen
posibles nuevos productos o modelos de
negocio. MongoDB le permite atender a las
demandas de las aplicaciones modernas con
una plataforma de datos de aplicaciones
completa que incluye todos los servicios
complementarios que necesitan los
desarrolladores.
En esta guía, exploramos los conceptos
fundamentales que sustentan la arquitectura de
MongoDB. Se encuentran otras guías sobre temas
como el rendimiento, las operaciones y las
mejores prácticas de seguridad en MongoDB.com.
Se puede comenzar ahora con MongoDB al:
1. Revisar el documento técnico de
orientación de casos de uso para
identificar casos de uso aplicables para
MongoDB.
2. Puesta en marcha de un clúster de
MongoDB completamente administrado
en el nivel gratuito de Atlas o descarga
de MongoDB para el desarrollo local.
3. Revisión de los manuales y tutoriales de
MongoDB en nuestra documentación.

Puerto seguro
El desarrollo, el lanzamiento y el momento de cualquier característica o funcionalidad descrita para nuestros
productos de quedan a nuestra discreción exclusiva. Esta información solo tiene la intención de delinear la
dirección general de nuestro producto y no se debe confiar en ella para tomar una decisión de compra, ni es
un compromiso, promesa u obligación legal para entregar cualquier material, código o funcionalidad.

© 2021 MongoDB, Inc. MongoDB y el logo MongoDB son marcas registradas

de MongoDB, Inc. Publicado en noviembre de 2021.

18