Os índices suportam a execução eficiente de consultas no MongoDB. Sem índices, o MongoDB deve digitalizar todos os documentos em uma coleção para retornar resultados da consulta. O que são Índices no MongoDB? Estruturas de Dados: Índices no MongoDB são estruturas de dados que melhoram a velocidade de consulta ao permitir o acesso eficiente aos documentos em uma coleção. Baseados em Campos: Podem ser criados em um ou vários campos de um documento, permitindo a otimização de consultas específicas. Se existir um índice apropriado para uma consulta, o MongoDB usa o índice para limitar o número de documentos que deve digitalizar. Mas nada como exemplo prático, certo? Vamos conhecer mais dos índices e testá-los? Índice de campo único: Índices de campo único armazenam informações de um único campo em uma coleção. Por padrão, todas as coleções possuem um índice no _id campo. Você pode adicionar índices adicionais para acelerar consultas e operações importantes. Vamos trabalhar com um banco de sample_mflix, que comporta dados de filmes, abaixo, um exemplo de modelo do nosso documento da coleção movies. E agora queremos fazer uma busca de filmes que obtiveram mais de 3 vitórias em indicações a prêmios. Considerando o nosso modelo sem índice, percebemos: • Nº de documentos examinados: 25.314; • Documentos retornados: 7060, • Tempo de execução: 36ms. E agora, com índice criado: • Em 28ms, todos os 7060 documentos foram encontrados. Índice composto: No caso anterior, em que buscamos em uma query simples somente filmes cujo venceram mais de três indicações aos prêmios, pode ser complementado pelo diretor do filme. Assim, não seria mais interessante termos um índice composto por directors e awards.win? Sem sombra de dúvidas, teria mais eficiência na busca. Mas vamos agora a um ponto importante no momento da criação de um índice composto: A ordem dos campos em um índice composto pode afetar o desempenho das consultas, especialmente em consultas que buscam por uma combinação específica de campos. Vamos ver essas diferenças aplicadas ao nosso caso? Sem índice composto: • 52ms de query. • Mais de 25 mil documentos examinados, e • 18 documentos retornados. Com índice desordenado: db.movies.createIndex({ "awards.wins": 1, "directors": 1  }) • index keys examined: 162 • documents examined: 18 • documents returned: 18 Apesar de ter usado os índices percebemos o seguinte, conforme a ordenação do índice, primeiro foi buscado todos os diretores (total de 162 diretores) cujo receberam mais de três prêmios em suas indicações, após esse filtro, foi buscado filmes que foram dirigidos somente por Woody Allen. Índice composto correto: db.movies.createIndex({ "directors": 1, "awards.wins": 1 }) Assim: • index keys examined: 18 • documents examined: 18 • documents returned: 18 Com o índice {"directors": 1, "awards.wins": 1}, o MongoDB começa a busca por "directors" e depois por "awards.wins". Assim, essa ordem demonstra ser mais eficiente para a consulta específica que você está executando. O número menor de index keys examined indica que o MongoDB precisou analisar menos chaves no índice para encontrar os documentos correspondentes. Índice multichave: db.movies.createIndex({ "genres": 1 }) Para a nossa coleção exemplo, vamos criar um índice multichave que abrange múltiplos campos que são arrays, como “genres” e “cast”. Abaixo, sem índice criado. • Documents Examined: 25314, • Documents Returned: 3703. Com índice criado: Índice de texto: Vamos imaginar que utilizamos os plots dos filmes para fazer recomendações com base nos interesses dos usuários. De que forma poderíamos buscar palavras chaves nesses plots para recomendar filmes, sem o uso de índice: db.movies.find({ "plot": { $regex: "prostitution", $options: "i" } }) Primeiro detalhe é o uso do $regex, conhecido por expressões regulares, que nos ajuda a definir uma forma de identificar padrões em cadeias de caracteres (strings). O uso do “$options: i” diz respeito a insensibilidade para palavras maiúscula ou minúsculas. Abaixo, sem uso de índice: Com o índice criado: db.movies.createIndex({plot: 1}) Nesse momento, apesar do índice acima ser criado, ele se caracteriza por ser índice de campo único, ele é útil para consultas que envolvem um campo específico, como por exemplo “love”. O correto, para criar índice textual é: db.movies.createIndex({ "plot": "text" }) Índice Geoespacial: Os índices 2dsphere suportam consultas geoespaciais em uma esfera semelhante à Terra. Para por exemplo, os índices 2dsphere podem • Determinar pontos dentro de uma área especificada. • Calcule a proximidade de um ponto especificado. • Retorna correspondências exatas em consultas de coordenadas. • Abaixo, exemplos de casos de uso: Use índices 2dsphere para consultar e realizar cálculos em dados de localização onde os pontos de dados aparecem na Terra ou em outra superfície esférica. Para exemplo: • Um aplicativo de entrega de comida usa índices 2dsphere para dar suporte procura restaurantes próximos. • Um aplicativo de planejamento de rotas usa índices 2dsphere para calcular a distância mais curta entre as paradas para descanso. • Um planejador urbano usa índices 2dsphere para encontrar parques que existem dentro de limites da cidade. Os índices de hash e clusterizados têm suas próprias aplicações e contextos específicos no MongoDB. Índice de hash: São úteis para distribuir os dados de forma uniforme entre os nós do cluster. Podendo ser aplicados em situações que a distribuição uniforme dos dados é mais importante do que a ordenação, ou acesso sequencial. Não são apropriados para consultas que envolvem ordenação ou faixa de valores, já que não mantém ordem dos valores armazenados. Índice clusterizado: São úteis em situações em que os dados são frequentemente acessados em ordem específica ou quando consultas sequenciais são comuns. Eles organizam fisicamente os documentos de acordo com o campo específico. E então? O que você achou desse artigo, consegui te ajudar? Espero que sim. Em casos de dúvidas, não exite em perguntar/comentar, ficarei feliz em ajudar!

Quando iniciamos a modelagem de dados em MongoDB, precisamos obter respostas para perguntas pertinentes na construção dessa modelagem. Isso porque, um bom modelo de dados irá alavancar os recursos do banco de dados, e explorar o seu modelo de documento flexível. A modelagem de dados com MongoDB difere dos modelos tradicionais, pois não segue a normalização como primeira etapa, a flexibilidade que o MongoDB oferece facilita o mapeamento de documentos para uma entidade ou objeto. O esquema de modelagem no MongoDB abrange três etapas importantes do processo: carga de trabalho, identificação de relacionamento e padrões de design. 1. Carga de trabalho: Esse processo identifica dados relevantes, define como devem ser capturados e processados, e visualiza esses dados como um diagrama. Essa representação visual ajuda a identificar componentes de dados, determinar relacionamentos e encontrar a melhor maneira de demonstrá-los. 2. Relacionamentos, e 3. Padrões. Com base nisso, duas perguntas devem guiar nossa modelagem: 1. Quais são as principais peças de dados, ou entidades armazenadas? 2. Qual dessas entidades muda a longo prazo? 3. Quais tipos de operações serão feitas? IDENTIFICANDO CARGAS DE TRABALHO NO BANCO DE DADOS  Imagine o desenvolvimento de um aplicativo para resumir livros. Nele, os usuários podem criar resumos de livros lidos, detalhando os principais pontos, insights e informações relevantes. Cada resumo pode conter uma síntese do conteúdo, ideias-chave, conclusões e observações pessoais, proporcionando uma visão geral do livro para referência futura ou compartilhamento com outros leitores.   Aqui precisamos:  • Dimensionar os dados;  • Quantificar as operações, e  • Qualificar as operações.  De maneira simplificada, como realizar uma análise da carga de trabalho desta aplicação. E acima, fica evidente que a leitura de resenhas se destaca no exemplo dado. Com isso, vamos aprofundar o detalhamento: IDENTIFICANDO RELACIONAMENTOS Agora, precisamos compreender os relacionamentos entre as entidades de dados que compõe nosso modelo. Portanto, existem maneiras em que os objetos se relacionam podendo ser: um para um, um para muitos, muitos para um, ou muitos para muitos. E a conclusão dessa etapa resulta em um modelo lógico para nossos dados. Portanto, precisamos: • Identificar os relacionamentos; • Quantificar os relacionamentos, e • Referenciar ou incorporar. E por fim, agora, vamos definir se ao construir nosso modelo nós vamos referenciar ou incorporar os dados em um documento só. Aqui, é importante mencionar a regra de ouro da modelagem de dados em MongoDB: O que é usado junto na aplicação, é armazenado junto no banco de dados. Agora, vamos para as especificações de escolhas entre Referenciar e Incorporar: Referenciar: • Quando o lado “muitos” é um número enorme; • Para integridade em operações de escrita nos relacionamentos muitos para muitos, • Quando uma parte é usada com frequência, mas a outra não é, e a memória é uma restrição. Incorporar: • Para a integridade das operações de leitura; • Para integridade de operações de escrita um para um, e um para muitos; • Para dados que são excluídos ou arquivados juntos, • Se não souber, sempre, preferencialmente, incorporar. IDENTIFICANDO PADRÕES Os padrões tornam a modelagem de dados mais eficiente. Com os padrões de design, é mais fácil acomodar mudanças nos requisitos e estrutura de aplicativos. Aqui, vou abordar dois padrões, mas existem outros diversos que podem se encaixar nas mais diversas modelagens de dados: • Computed: São computações frequentes que tendem a reduzir o desempenho do banco, por exemplo, se uma resenha recebe uma enorme quantidade de comentários. Com o computed evita a necessidade de consultar todos os comentários cada vez que uma contagem é necessária, assim, a contagem de comentários já está disponível no documento, facilitando o acesso aos dados. • Extended Reference (Referência estendida): É uma técnica em que um documento faz referência a outro, mas não somente uma referência básica, este inclui todas as informações relevantes no próprio documento. Isso contribui para a redução de necessidades de consultas adicionais para buscar informações relacionadas. CONSTRUINDO NOSSO MODELO Bom, entendemos que nosso aplicativo serve para que cada usuário fique livre para escrever quantas resenhas desejar dos livros que já tenha lido. Assim, entendemos que podemos ter a coleção de usuários e resenhas. Podemos entender que um usuário pode escrever pouco, mas também pode ser alguém muito ativo, e, portanto, se encaixa em um para muitos. Assim, o lado muitos seria enorme, sugerindo que a referência seria a melhor das hipóteses. Vou exemplificar como seria Referenciado: No caso dos comentários, que se enquadram no modelo de relacionamento 'muitos para um', entendemos que, como a regra de ouro nos diz, ao acessarmos uma resenha, desejamos imediatamente ter acesso aos comentários. Portanto, o ideal seria a incorporação dos comentários das resenhas, na coleção resenhas. Por fim, conseguimos então criar nosso modelo. O que você achou desse exemplo? Algo que faria diferente? Espero que tenha esclarecido como funciona os princípios de modelagem do MongoDB.

Olá a todos! Hoje vamos discutir o conceito de Workspace no Power BI. Sabe aquele ambiente compartilhado em que várias pessoas podem colaborar juntas? Pois bem, é exatamente isso que chamamos de Workspace no Power BI. Dentro de um Workspace, é possível encontrar diversos elementos do Power BI, como painéis, relatórios e conjuntos de dados. É como ter uma pasta organizada onde todos os recursos necessários para análises e relatórios estão disponíveis. Além disso, há recursos exclusivos, como o Dataflow e o Datamart, que só podem existir dentro do contexto de um Workspace. É uma espécie de privilégio! Você pode convidar outras pessoas, ou contas do Power BI, para se juntarem ao seu Workspace e conceder permissões específicas, seja para edição ou somente visualização do conteúdo. É uma forma de colaborar em equipe e compartilhar conhecimento. No entanto, é importante lembrar que existe um Workspace pessoal chamado "Meu Workspace". Ele é similar à pasta "Meus Documentos" em seu computador pessoal. No entanto, é recomendado evitar o uso do "Meu Workspace" para compartilhar conteúdo com outras pessoas, a menos que seja para fins de teste.  Os Workspaces são ideais para criar um ambiente colaborativo, onde as pessoas de uma equipe podem compartilhar conteúdo. Agora vamos ver como podemos usar os Workspace.   Como criar Workspace? Criar Workspace é simples. Você pode fazer isso diretamente no Serviço do Power BI. Basta fazer login no serviço e clicar em " Workspaces ".   Se você já faz parte de um ou mais Workspaces, poderá visualizá-los na lista de Workspace. Para criar um Novo Workspace, siga as etapas a seguir: • Na página inicial, procure pela seção " Workspaces " e clique nesta. • Você verá a lista dos Workspace existentes. Para criar um novo Workspace, clique em "Novo Workspace". • Ao criar, um novo Workspace será necessário atribuir um nome a ele. Esse nome será visível para as pessoas que se juntarem a esse Workspace. Certifique-se de escolher um nome descritivo que identifique claramente o propósito ou o tema do Workspace. Isso ajudará os outros usuários a entenderem do que se trata quando forem convidados a participar. Após atribuir o nome, você poderá prosseguir e configurar as permissões e outras configurações relevantes para o Workspace.   Configurações Gerais de um Workspace no Power BI  Ao criar um Workspace no Power BI, você terá a oportunidade de configurar algumas opções básicas. Essas configurações gerais incluem o nome, a descrição e a imagem de identificação. Como você é o criador do Workspace, automaticamente será atribuído como o administrador deste. Para entrar em configurações mais detalhadas, incluindo configurações de capacidade e outras opções avançadas, basta que durante a criação como na imagem acima clique no botão Avançado (deixei em destaque na imagem). Lembre-se de que as configurações gerais fornecem uma base sólida para o seu Workspace, enquanto as configurações avançadas permitem um controle mais detalhado e personalizado. Ao ajustar essas configurações de acordo com as suas preferências e requisitos, você poderá aproveitar ao máximo o seu Workspace no Power BI.    Configurações Avançadas para o Workspace do Power BI As configurações avançadas do Workspace do Power BI oferecem opções adicionais para personalizar e otimizar a funcionalidade do seu Workspace. Aqui estão algumas seções importantes dentro dessas configurações: Lista de Contatos: Nesta seção, você pode configurar a lista de contatos do Workspace. Isso permite que você adicione e gerencie os membros que terão acesso e permissões no Workspace. Você pode adicionar colegas de equipe, colaboradores ou outras pessoas relevantes para garantir uma colaboração eficiente e controlada. Configuração Premium: Se sua organização possui uma capacidade Premium ou utiliza uma licença Premium por Usuário (PPU), você pode atribuir o Workspace a uma capacidade Premium nesta seção. Ao atribuir um Workspace a uma capacidade Premium, você poderá aproveitar todas as funcionalidades premium oferecidas pelo Power BI. Isso inclui recursos avançados, como Datamarts, funções de IA dentro do fluxo de dados e entidades computadas. Essas funcionalidades aprimoradas permitem uma análise mais sofisticada e poderosa dos dados em seu Workspace. É importante destacar que as configurações avançadas podem variar de acordo com as opções disponíveis no seu plano de assinatura e licenciamento do Power BI. Certifique-se de revisar as opções específicas disponíveis para o seu ambiente e ajustar as configurações de acordo com as necessidades e recursos da sua organização. Ao explorar e utilizar essas configurações avançadas, você poderá maximizar o potencial do seu Workspace do Power BI, personalizando-o para atender às suas demandas e tirando o máximo proveito das funcionalidades disponíveis.  Utilizando o OneDrive como Pasta Compartilhada: Se você deseja utilizar o OneDrive como uma pasta compartilhada para os usuários do Workspace, onde eles podem compartilhar não apenas conteúdo do Power BI, mas também qualquer tipo de arquivo, você pode aproveitar a opção "OneDrive da Área de Trabalho". Essa caixa de texto permite que você insira o link do OneDrive para estabelecer essa integração e facilitar o compartilhamento de arquivos entre os membros do Workspace. Adicionando Conteúdo ao Workspace: Após criar o Workspace, você será direcionado automaticament, substituindo o "Meu Workspace". No entanto, o novo Workspace estará vazio, sem nenhum conteúdo como painéis, conjuntos de dados ou relatórios. Agora é o momento de adicionar o conteúdo relevante ao Workspace para torná-lo útil e compartilhável. Você pode criar painéis interativos, relatórios informativos e carregar conjuntos de dados relevantes para análise.  Abaixo uma imagem após a criação do Workspace Pro.  Adicionando Conteúdo a um Workspace no Power BI É hora de adicionar conteúdo relevante. Existem várias maneiras de fazer isso, permitindo que você crie e compartilhe diferentes objetos do Power BI dentro do Workspace. Vejamos como adicionar conteúdo ao seu Workspace: Você pode criar diretamente alguns objetos, como Relatórios, Fluxos de Dados, Dashboards, Conjuntos de Dados, Conjuntos de Dados de Streaming, Datamarts e Relatórios Paginados. Basta navegar até o Workspace desejado e utilizar as opções disponíveis para criar esses objetos. Por exemplo, você pode criar um relatório interativo usando os recursos de criação e edição de relatórios do serviço do Power BI.     Também é possível adicionar conteúdos através do Power Bi Desktop:  Ao criar objetos do Power BI, como relatórios, no Power BI Desktop, é possível publicá-los diretamente em um Workspace específico. Siga estas etapas para publicar um relatório no seu Workspace: • Abra o arquivo do Power BI no Power BI Desktop. • No menu superior, clique em "Publicar" ou utilize o atalho "Ctrl + P". • Uma janela pop-up será exibida, perguntando em qual Workspace você deseja publicar o relatório. •  Selecione o Workspace desejado na lista de Workspace disponíveis. Por exemplo, você pode escolher o "Workspace de exemplo Workspace Teste de Exemplo" que foi criado anteriormente. • Clique em "Publicar" para iniciar o processo de publicação do relatório. O Power BI Desktop irá carregar o relatório para o serviço do Power BI e publicá-lo no Workspace selecionado. Após a conclusão da publicação, o relatório estará disponível para todos os membros do Workspace acessarem e interagirem. É importante ressaltar que apenas os usuários com permissões adequadas para o Workspace terão acesso ao relatório publicado. Portanto, certifique-se de definir as permissões corretas para garantir que as pessoas certas possam visualizar e colaborar no relatório. Após publicar um arquivo do Power BI do Power BI Desktop em um Workspace, você e os demais membros desse Workspace poderão visualizar e acessar o conteúdo publicado. Aqui está um exemplo de como o conteúdo pode ser exibido em um Workspace: Níveis de Acesso Vamos agora discutir os diferentes níveis de acesso disponíveis para os usuários em um Workspace do Power BI. Existem quatro níveis de acesso que podem ser atribuídos, cada um com suas respectivas permissões de edição e visualização: Visualizador: Os visualizadores têm acesso somente leitura ao conteúdo do Workspace. Eles podem visualizar relatórios, painéis e conjuntos de dados, mas não podem fazer alterações ou editar o conteúdo. Contribuidor: Os contribuintes têm permissões adicionais em relação aos visualizadores. Eles podem criar, editar, publicar e excluir conteúdo no Workspace. No entanto, eles não têm permissão para modificar usuários ou publicar um aplicativo com base no Workspace. Membro: Os membros têm todas as permissões dos contribuintes e podem publicar e atualizar aplicativos. Eles podem compartilhar itens com outras pessoas e permitir que elas compartilhem novamente. Além disso, os membros podem adicionar novos membros ou atribuir permissões inferiores. Em essência, eles possuem todas as permissões dos contribuintes. Administrador: Os administradores têm o maior nível de acesso e controle no Workspace. Eles podem excluir e atualizar o Workspace em si. Além disso, possuem autoridade para adicionar e remover membros, incluindo outros administradores. Os administradores têm todas as permissões concedidas aos membros. Além desses níveis de acesso, o administrador Power BI tem a capacidade de controlar certas configurações relacionadas aos Workspace organizacionais por meio do Portal de Administração. Isso inclui a capacidade de definir quem está autorizado a criar um Workspace e se os usuários podem usar um conjunto de dados em vários Workspace. Ao atribuir os níveis de acesso corretos aos usuários em um Workspace, você pode garantir que cada pessoa tenha as permissões adequadas para colaborar, contribuir e visualizar o conteúdo de forma eficiente, ao mesmo tempo em que mantém o controle sobre as configurações e o acesso ao Workspace. As vantagens e desvantagens dos Workspace do Power BI fornecem uma visão geral dos benefícios e considerações importantes ao utilizar essa funcionalidade. É importante levar em conta esses pontos ao decidir se os Workspace são a melhor opção para compartilhar conteúdo e colaborar com sua equipe. Aqui sehuem vantagens e desvantagens: Vantagens: Compartilhamento eficiente de conteúdo: Os Workspace permitem compartilhar facilmente painéis, relatórios, conjuntos de dados e outros objetos com os membros de um grupo, evitando a necessidade de compartilhar individualmente com cada usuário. Compartilhamento de diversos objetos: Além dos painéis e relatórios, os Workspace possibilitam compartilhar uma variedade de objetos, como Dataflows, Datasets, Dashboards, Relatórios Paginados, entre outros. Gerenciamento de vários Workspace: Os Workspace permitem criar ambientes separados para diferentes equipes ou projetos, facilitando a organização e a alternância entre Workspace no Power BI. Administração simplificada de usuários e grupos: Compartilhar conteúdo por meio de grupos no Power BI simplifica o gerenciamento de membros, permitindo que um administrador adicione ou remova usuários facilmente. Ambiente de desenvolvimento controlado: Os Workspace podem ser configurados como ambientes de desenvolvimento, onde os membros da equipe têm acesso de edição ao conteúdo compartilhado, facilitando o trabalho colaborativo. Desvantagens: Limitado para usuários finais: Os Workspace não são adequados para compartilhar conteúdo com usuários finais, pois não permitem uma separação clara entre o ambiente de desenvolvimento e o ambiente do usuário final. Complexidade na estrutura do Workspace: Montar uma estrutura de Workspace eficiente pode ser desafiador, exigindo considerações cuidadosas para atender às necessidades de desenvolvimento, usuário e implantação. Requisitos do Power BI Pro ou PPU: A criação e participação em Workspace do Power BI requerem uma assinatura Pro ou PPU e não está disponível para contas gratuitas do Power BI. No entanto, é possível criar aplicativos para Workspace em uma capacidade premium e atribuir usuários gratuitos a eles. É essencial ponderar essas vantagens e desvantagens ao decidir sobre a implementação de Workspace do Power BI, garantindo que atendam às necessidades específicas da sua organização e ao fluxo de trabalho de colaboração pretendido. Lembre-se! Lembre-se de que criar um Workspace é uma ótima maneira de organizar e compartilhar conteúdo com outras pessoas em sua equipe. Aproveite essa funcionalidade para uma colaboração eficaz no Power BI! Fontes: 1.  Gerenciar workspaces e conjuntos de dados no Power BI - Training | Microsoft Learn 2.  Criar e gerenciar workspaces no Power BI - Training | Microsoft Learn 3.  Gerenciar conjunto de dados no Power BI - Training | Microsoft Learn 4. Announcing My workspace governance improvement (Public Preview) | Microsoft Power BI Blog | Microsoft Power BI