mongodb数据库结构提取

weixin_37942128 2018-06-08 10:36:54

各位大神，我想把MongoDB的数据库结构提取出来，有什么方法实现啊？

...全文

1657 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

吖吖312 2018-12-28

打赏
举报

回复

[code=csharp][code=delphi][code=java]

[/code][/code][/code]同求

weixin_37942128 2018-06-19

打赏
举报

回复

那我需要这些结构，对数据库进行重构，我怎么去提取这些结构呢

rucypli 2018-06-17

打赏
举报

回复

mongodb是弹性表结构就是没有表结构概念

QLens 将GraphQL与MongoDB结合使用可能会导致数据不匹配和架构重复，从而要求开发人员多次编写相似的代码。这会大大减慢开发时间。另外，没有很多库可以将MongoDB转换为GraphQL模式。解决这个问题的大多数库都集中在关系数据库上。 QLens解决了这个问题。 QLens-开源工具，用于从您的MongoDB数据库中提取元数据，以生成GraphQL模式，解析器和服务器设置。由加速入门在您的计算机上全局安装解压缩mongo模式：npm -g install extract-mongo-schema 通过访问将下载到您的桌面上特征 GraphQL模式（包括解析器和突变）层次结构显示的可视交互图下载架构 GraphQL的Playground GUI QLens如何工作？ 1.输入URI 只需在屏幕顶部的输入表单中输入您的非关系数据库（MongoDB）U

情绪跟踪阅读器这个项目是一个跟踪形式的moodle日志提取器，灵感来自ktbs标准描述的存储格式，被ktbs4js项目使用。日志数据是从他们的 MySQL 数据库中提取的，可以是本地的（通过生产服务器的转储），也可以是直接从 Moodle 服务器中提取的。日志表的 info 列中包含的外键信息用于获取有关所研究跟踪的更多信息，特别是从使用论坛的角度来看。与生成日志来源处的用户有关的所有信息，以及有关课程及其层次结构的所有信息也都可以即时提取。数据被转换为 ktbs4js 使用的 JSON 格式并存储在 mongo 数据库中。默认情况下，该工具使用默认配置搜索本地可用的 MongoDB 数据库。可以在 ktbs_mongo.js 文件中更改数据库连接地址。本项目可独立使用。但是，moodle-trace-analytics 配套项目可以通过 Web 界面和 Web

蒙戈·西弗（MongoSyphon） NB MongoSyphon版本2已对其配置文件格式和功能进行了重大改进。介绍 MongoSyphon是一个提取/转换/加载（ETL）引擎，专门设计用于将数据合并和转换为文档形式。它可以从RDBMS表或MongoDB中读取，并输出到JSON，XML或直接输出到MongoDB。它在内部执行时间和内存高效的数据联接，而基础数据库不支持这种联接，或者数据合并是在多个源之间进行的。将数据发送到MongoDB时，它可以利用强大的本机文档更新功能。这与许多其他ETL工具不同，后者针对关系结构并具有最少的MongoDB附加组件。 MongoSyphon可用于初始批量传输和正在进行的更新。 MongoSyphon不包含显式的变更数据捕获（CDC）功能，但能够通过SQL和MongoDB查询执行基本的CDC任务，或使用外部CDC生成的变更表。它要求用户

进阶Python 3 该存储库展示了Python incl OOP（面向对象编程）实现的高级用法，与关系数据库和NOSQL数据库配合使用并获取HTML数据。专案使用Python3.7涵盖高级Python的项目 Python中的类：关联 Python中的类：继承 Python中的类：抽象类和接口提取html数据：BeautifulSoup 创建sqlite数据库使用ORM：SQLAlchemy 使用MongoDB数据库 班级协会模拟纸牌组（52张纸牌）改组的项目。随机洗牌后，应打印分类的纸牌并再次打印。类卡：构造函数__init__(self, suit, rank)设置卡片重写__str__(self)方法将打印卡名，例如fe“ jack of heart” 类甲板：包含等级和西装的两个列表构造函数__init__(self)设置Deck：创建Card类的52个对象的列表方法shuffle(self)使用随机数据在Deck中随机洗牌重写__str__(self)方法将打印卡组中的所有卡类继承具有类层次结构的项目：重用基类的方法。 *在Pyth

资源包含文件：lunwen文档+源码及数据+开题报告+教程我国二手房的庞大人口使得在互联网上寻找合适的二手房成为人们不得不面对的问题。互联网上有很多提供二手房信息的网站，用户在找房子的时候，往往会因为习惯等原因在一个平台上找到。笔者认为，一个在生活中具有实际意义的软件系统才算是一个好的系统，本系统结合以上背景，实现了一个基于网络爬虫技术的链家网站二手房价爬取分析系统。首先，它使用Python开源爬虫框架scrapy对链家网站的二手房价格信息网站进行爬取，根据不同网页的不同特点选择不同的爬取策略，编写爬虫代码，进行必要的过滤和提取二手房信息，是一个建设时的住房信息数据库。数据库部分采用非结构化数据库MongoDB，避免网上信息的非结构化特性对数据存储的影响。然后使用Python开源网站搭建Django框架，完成爬取的二手房列表的网页端展示。详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/122297234?spm=1001.2014.3001.5502

1,746

社区成员

1,464

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章