mirror of
https://github.com/Steffo99/unimore-bda-1.git
synced 2024-11-22 06:14:19 +00:00
29 lines
1.5 KiB
Markdown
29 lines
1.5 KiB
Markdown
# Ricerca in linguaggio naturale sul dataset Amazon
|
||
|
||
\[ **Stefano Pigozzi** | Attività #2 | Tema MongoDB | Big Data Analytics | A.A. 2022/2023 | Unimore \]
|
||
|
||
> ### Indexing e query optimization o Text search
|
||
>
|
||
> Approfondire un argomento tra questi studiando il capitolo 8 (Indexing e query optimization) o 9 (Text search) del libro “MongoDB in action” disponibile sul sito dell’insegnamento.
|
||
>
|
||
> Riassumere quindi alcune delle tecniche imparate e mostrarne un'applicazione pratica su alcune nuove interrogazioni sul dataset Amazon utilizzato nelle esercitazioni.
|
||
>
|
||
> (es. decidere gli indici adeguati ottimizzandone l’esecuzione o mostrare l’utilizzo di varie tecniche di text search, commentando le scelte effettuate).
|
||
|
||
## Premessa
|
||
|
||
L'attività è stata svolta su MongoDB 6.0.2, attraverso il progetto [Docker Compose](https://docs.docker.com/compose/) allegato.
|
||
|
||
Per ricreare lo stesso ambiente di lavoro utilizzato, sarà necessario:
|
||
|
||
1. Inserire il file `metaexport.json` all'interno della cartella `seed`, non allegato per via di diritti di ridistribuzione sconosciuti
|
||
|
||
2. Con un daemon Docker in esecuzione, e Docker Compose installato sulla macchina locale, "accendere" il progetto:
|
||
```console
|
||
# docker compose up -d
|
||
```
|
||
|
||
3. Con la [MongoDB Shell](https://www.mongodb.com/try/download/shell) installata sulla macchina locale, è possibile interfacciarsi al database con:
|
||
```console
|
||
$ mongosh --username=unimore --password=unimore --authenticationDatabase=admin mongodb://127.0.0.1:27017/amazon
|
||
```
|