TUGAS 1 (DATABASE ADVANCED - pengenalan mongoDB)

PENGENALAN MONGODB

INSTALLASI MONGODB

    Untuk memulai proyek kita, langkah pertama adalah mengunduh dan menginstal MongoDB. Dengan mengakses situs resmi MongoDB, kita dapat mengunduh versi terbaru dari perangkat lunak ini yang sesuai dengan sistem operasi kita.

1. Instalasi MongoDB di windows

    Unduh paket instalasi MongoDB untuk Windows dari situs resmi MongoDB (https://www.mongodb.com/try/download/community) dan pilih versi yang sesuai dengan sistem Anda (64-bit atau 32-bit).


mongoDB berhasil di install

2. Instalasi MongoDB Compass di windows

    Unduh paket instalasi MongoDB Compass dari situs resmi MongoDB (https://www.mongodb.com/try/download/compass) sesuai dengan sistem operasi Anda (Windows).


mongoDB compass berhasil di install

3. Instalasi MongoDB Shell di windows

    Unduh paket instalasi MongoDB Compass dari situs resmi MongoDB (https://www.mongodb.com/products/tools/shell) sesuai dengan sistem operasi Anda (Windows).



mongoDB sehll compass berhasil di install



PERMASALAHAN YANG DISELESAIKAN OLEH MONGODB

1. Struktur Data yang Beragam

  Database tradisional mengharuskan data memiliki struktur tetap (dalam bentuk tabel). Namun, jika data berubah-ubah atau tidak memiliki struktur jelas, hal ini menjadi sulit. MongoDB bisa menyimpan data dalam berbagai bentuk tanpa membutuhkan skema yang kaku.

2. Skalabilitas

    Database tradisional biasanya sulit untuk diperbesar karena harus menggunakan server yang lebih besar (skalabilitas vertikal). MongoDB memungkinkan penggunaan banyak server sekaligus (skalabilitas horizontal) sehingga bisa menangani data yang lebih banyak dan beragam.

3. Kinerja Cepat untuk Volume Data Besar

    MongoDB dirancang untuk menangani data dalam jumlah besar, baik untuk proses membaca maupun menulis data, yang membuatnya ideal untuk aplikasi modern dengan data yang terus berkembang.

4. Pengelolaan Data Tidak Terstruktur

    MongoDB sangat cocok untuk data yang tidak memiliki struktur tetap, seperti data media sosial, log aplikasi, atau konten multimedia.

HUBUNGAN MONGODB DAN BIGDATA

Big Data adalah istilah untuk menggambarkan data dalam jumlah besar, bervariasi, dan sering kali tidak terstruktur. MongoDB sangat cocok untuk mengelola Big Data karena fleksibilitasnya. Beberapa kelebihan MongoDB dalam menangani Big Data adalah:

  • Mampu Menyimpan Data Besar: MongoDB bisa menyimpan data dalam jumlah besar dengan efisien.
  • Proses Data Real-Time: MongoDB memungkinkan data diolah secara langsung saat diterima.
  • Kompatibel dengan Alat Big Data: MongoDB sering digunakan bersama dengan alat lain seperti Hadoop atau Spark untuk analisis data yang lebih mendalam.
KEGUNAAN MONGODB

1. Aplikasi Web dan Mobile
MongoDB banyak digunakan di aplikasi media sosial, e-commerce, dan layanan streaming yang memerlukan interaksi real-time dan menangani banyak data.            

2. Manajemen Konten
MongoDB cocok untuk platform yang menyimpan berbagai macam data seperti teks, gambar, dan video.   
     
3. Analitik Big Data
MongoDB digunakan untuk menyimpan data besar yang nantinya bisa diolah oleh alat analitik lainnya.

4. Internet of Things (IoT)
Dalam sistem IoT, banyak perangkat yang menghasilkan data terus-menerus, dan MongoDB bisa mengelola data yang bervariasi ini dengan baik.

5. Sistem Manajemen Pelanggan (CRM)
MongoDB cocok untuk menyimpan data pelanggan yang beragam, seperti informasi kontak dan preferensi.

PERBANDINGAN MONGODB DENGAN DATABASE LAIN

MongoDB adalah salah satu jenis document store dalam keluarga NoSQL. Berikut perbandingan MongoDB dengan jenis database lainnya:

  1. Relational Database (RDBMS):

    • Struktur: Data disimpan dalam tabel dengan skema tetap.
    • Keuntungan: Sangat bagus untuk data yang terstruktur dan mendukung transaksi yang kompleks.
    • Kekurangan: Kurang fleksibel dan sulit untuk diskalakan secara horizontal.
    • Contoh: MySQL, PostgreSQL.

  2. Document Store (MongoDB):

    • Struktur: Data disimpan dalam bentuk dokumen yang fleksibel (JSON/BSON).
    • Keuntungan: Fleksibel dan mudah diskalakan secara horizontal.
    • Kekurangan: Kurang cocok untuk transaksi yang kompleks.
    • Contoh: MongoDB, Couchbase.

  3. Key-Value Store:

    • Struktur: Data disimpan dalam pasangan kunci-nilai.
    • Keuntungan: Sangat cepat untuk pencarian sederhana.
    • Kekurangan: Tidak cocok untuk data yang kompleks.
    • Contoh: Redis, DynamoDB.

  4. Graph Database:

    • Struktur: Data disimpan dalam bentuk node dan relasi antar node.
    • Keuntungan: Cocok untuk analisis jaringan dan hubungan antar data.
    • Kekurangan: Tidak ideal untuk data terstruktur tradisional.
    • Contoh: Neo4j.

  5. Column-Family Store:

    • Struktur: Data disimpan dalam kolom-kolom yang dikelompokkan.
    • Keuntungan: Baik untuk data yang sering diindeks.
    • Kekurangan: Kurang fleksibel untuk data yang beragam.
    • Contoh: Apache Cassandra, HBase.





Komentar

Posting Komentar

Postingan populer dari blog ini

Local File Inclusion (LFI) & Remote File Inclusion (RFI) - Sabilla Ardani Putri

Gambar
Local File Inclusion (LFI) & Remote File Inclusion (RFI) Definisi  Local File Inclusion (LFI)   Local File Inclusion (LFI) adalah celah keamanan yang terjadi ketika aplikasi web memungkinkan pengguna untuk memasukkan file lokal dari server melalui input yang tidak divalidasi. Penyerang bisa mengeksploitasi ini untuk membaca file sensitif atau bahkan mengeksekusi kode berbahaya di server.   Definisi  Remote File Inclusion (RFI) Remote File Inclusion (RFI) terjadi saat penyerang mengunggah file berbahaya (biasanya file PHP) ke server, kemudian mengeksekusinya dari jarak jauh. Ini biasanya memanfaatkan celah upload file tanpa validasi yang tepat. Tujuan Serangan Membaca file konfigurasi atau file sensitif seperti password. Mengeksekusi skrip berbahaya. Mendapatkan akses tidak sah atau kontrol atas server. DEMO Local File Inclusion (LFI) Langkah 1: Persiapan Folder & File Buat folder di C:\xampp\htdocs\ dengan nama lfi . Langkah 2: Buat fi...
Baca selengkapnya

TIDAK TERPAKAI - Footprinting dan Reconnaissance menggunakan Whois, Web History, Google Dork, GHDB

Gambar
Footprinting dan Reconnaissance menggunakan Whois, Web History, Google Dork, GHDB Pada artikel kali ini, kita akan membahas bagaimana cara mengumpulkan informasi terkait website bhaktisemesta.ac.id menggunakan beberapa tools yang umum digunakan dalam riset web dan cybersecurity. Tools yang akan kita gunakan meliputi: Whois – Untuk mendapatkan informasi pendaftaran domain, seperti tanggal pembuatan, pemilik, dan penyedia layanan domain. Web History – Untuk melihat riwayat tampilan dan perubahan website dari waktu ke waktu. Google Dork – Untuk menemukan informasi tersembunyi yang tidak terlihat langsung di website tetapi terindeks oleh Google. GHDB (Google Hacking Database) – Untuk mencari potensi celah keamanan atau eksploitasi yang terdokumentasi terkait website tersebut. Dengan menggunakan metode ini, kita dapat memahami lebih dalam tentang struktur dan perkembangan website bhaktisemesta.ac.id , serta mengetahui informasi yang mungkin tidak tersedia secara langsung di halaman ut...
Baca selengkapnya

Manajemen Data Master - Sabilla Ardani Putri

Gambar
  Manajemen Data Master 1. Instalasi Odoo di Ubuntu 1.1 Update Sistem      Sebelum menginstal Odoo, pastikan sistem dalam keadaan terbaru dengan menjalankan perintah              berikut:    sudo apt update && sudo apt upgrade -y 1.2 Install Dependensi      Odoo membutuhkan beberapa paket tambahan untuk berjalan dengan baik. Instal paket-paket berikut:    sudo apt install python3 python3-pip python3-dev libxml2-dev libxslt1-dev zlib1g-dev    libsasl2-dev \ libldap2-dev build-essential libjpeg-dev libpq-dev libffi-dev libssl-dev    libmysqlclient-dev wkhtmltopdf -y 1.3 Install PostgreSQL      Odoo menggunakan PostgreSQL sebagai basis data. Instal PostgreSQL dengan perintah berikut:    sudo apt install postgresql -y      Setelah instalasi selesai, buat user PostgreSQL untuk Odoo:    sudo -u postgres createuser -s odoo ...
Baca selengkapnya