Trabajo Práctico — Parcial 2 | Bases de Datos 2 Universidad Tecnológica Nacional — Facultad Regional Avellaneda Tecnicatura Universitaria en Programación | Div 133
- Sebastián Lescano
- Joaquín Avallone
- Lautaro Subeldia
- Thiago Martínez
- Mateo Corbetto
Presentacion: https://gamma.app/docs/BASE-DE-DATOS-STREAMING-DE-PELICULAS-6uusseg2zhpmj28?mode=doc
StreamBase es un MVP (Mínimo Producto Viable) que simula el backend de una plataforma de streaming tipo Netflix. Demuestra el modelado de datos en MongoDB usando decisiones fundamentadas de embedding y referencing, y ejecuta tres Aggregation Pipelines reales sobre la base de datos.
- Python 3.9 o superior
- MongoDB instalado y corriendo en
localhost:27017 pip(gestor de paquetes de Python)
git clone [https://github.com/LautaroSantiago/streambase-bd2](https://github.com/LautaroSantiago/streambase-bd2)
cd streambase-bd2
**2. Crear entorno virtual e instalar dependencias**
python -m venv venv
# En Windows:
venv\Scripts\activate
# En Linux/Mac:
source venv/bin/activate
# Instalar paquetes:
pip install -r requirements.txt
**3. Configurar variables de entorno**
MONGO_URI=mongodb://localhost:27017
DB_NAME=streambase
**4. Cargar los datos de ejemplo**
python seed.py
**5. Ejecutar las consultas (Aggregation Pipelines)**
python queries.py
**📁 Estructura del proyecto**
streambase/
├── db.py # Módulo de conexión a MongoDB
├── seed.py # Script de carga de datos de ejemplo
├── queries.py # Aggregation Pipelines (consultas principales)
├── requirements.txt # Dependencias del proyecto
├── .env # Variables de entorno (NO subir a GitHub)
├── .gitignore
└── README.md
**🗂️ Colecciones y modelo de datos**
peliculas
Almacena el catálogo de contenido disponible en la plataforma.
{
"_id": 1,
"titulo": "Inception",
"anio": 2010,
"duracion_min": 148,
"director": {
"nombre": "Christopher Nolan",
"nacionalidad": "Británico"
},
"generos": ["Ciencia Ficción", "Acción", "Thriller"],
"calificacion": 8.8
}
usuarios
Almacena los suscriptores de la plataforma con su plan vigente.
{
"_id": 1,
"nombre": "Sebastián Lescano",
"email": "sebastian@streambase.com",
"plan": {
"tipo": "premium",
"precio_mensual": 1499,
"fecha_inicio": "2024-01-15"
}
}
reproducciones
Colección asociativa que registra cada vez que un usuario reproduce una película.
{
"usuario_id": 1,
"pelicula_id": 1,
"duracion_min": 148,
"completada": true,
"fecha": "2025-03-10"
}
## 🏗️ Justificación de las decisiones de diseño
### ¿Por qué `director` y `generos` están embebidos en `peliculas`?
Según la **heurística principal** vista en clase — el espectro *"Limitado vs. Ilimitado"*:
* **`director`** es una relación **1:1** con la película. Un director no se consulta nunca de forma independiente al film; siempre se accede junto a él. Al ser de tamaño fijo y acceso conjunto, corresponde **embeber**.
* **`generos`** es un array de tamaño **Limitado y Pequeño** (una película tiene entre 1 y 5 géneros, nunca crece). Aplicando la Regla de Oro: *"Si el dato es Limitado/Pequeño, puede incrustarse en el documento padre"*.
### ¿Por qué `plan` está embebido en `usuarios`?
El plan de suscripción es un atributo directo del usuario: relación **1:1**, tamaño fijo, siempre consultado junto al perfil del usuario. No es una entidad independiente con vida propia. $\rightarrow$ **Embeber**.
### ¿Por qué `reproducciones` es una colección separada?
La relación entre usuarios y películas es **N:M Sin Límites**:
* Un usuario puede ver miles de películas a lo largo del tiempo.
* Una película puede acumular millones de reproducciones.
Intentar almacenar las reproducciones dentro del documento de un usuario o de una película violaría la **Regla de Expansión Constante**: *"Si un dato crece indefinidamente, nunca lo incrustes en el documento padre"*. El documento superaría el límite de 16 MB de MongoDB.
La solución correcta es la **Colección Asociativa**: cada reproducción es un documento independiente que porta referencias (`usuario_id` y `pelicula_id`) a ambos lados de la relación.
**🔍 Aggregation Pipelines**
**Pipeline 1 — Top 5 películas más vistas**
Etapas: $group → $sort → $limit → $lookup → $unwind → $project
**Pipeline 2 — Géneros favoritos de un usuario**
Etapas: $match → $lookup → $unwind (×2) → $group → $sort → $project
**Pipeline 3 — Usuarios premium con más tiempo reproducido**
Etapas: $lookup → $unwind → $match → $group → $sort → $project
**📚 Fuentes consultadas**
- Apuntes de clase — Bases de Datos 2 — UTN Avellaneda (2026)
- [Documentación oficial de MongoDB](https://www.mongodb.com/docs/ "https://www.mongodb.com/docs/")
- [PyMongo Documentation](https://pymongo.readthedocs.io/ "https://pymongo.readthedocs.io/")
- [Python Dotenv](https://pypi.org/project/python-dotenv/ "https://pypi.org/project/python-dotenv/")