一、MongoDB简介
-
概述
MongoDB是一个基于分布式文件存储的数据库，由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB介于关系型数据和非关系型数据库之间，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，类似json格式，因此可以存储比较复杂的数据类型。
MongoDB最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库表单查询的绝大部分功能，而且还支持对数据建立索引。
-
MySQL
关系型数据库。 查询语句是使用传统的sql语句，拥有较为成熟的体系，成熟度很高。 关系型数据库遵循ACID规则 开源数据库的份额在不断增加，mysql的份额页在持续增长。 缺点：在海量数据处理的时候效率会显著变慢。数据库事务必须具备ACID特性，ACID是Atomic原子性，Consistency一致性，Isolation隔离性，Durability持久性。
数据的持久存储，尤其是海量数据的持久存储，还是需要一种关系数据库。 -
MongoDB
非关系型数据库(nosql ),属于文档型数据库。存储方式：虚拟内存+持久化。
查询语句：是独特的MongoDB的查询方式。
适合场景：事件的记录，内容管理或者博客平台等等。
数据处理：数据是存储在硬盘上的，只不过需要经常读取的数据会被加载到内存中，将数据存储在物理内存中，从而达到高速读写。
成熟度与广泛度：新兴数据库，成熟度较低，Nosql数据库中最为接近关系型数据库，比较完善的DB之一，适用人群不断在增长。
优势： 快速！在适量级的内存的MongoDB的性能是非常迅速的，它将热数据存储在物理内存中，使得热数据的读写变得十分快， 高扩展， json的存储格式！文档的数据库: 即可以存放xml、json、bson类型系那个的数据。这些数据具备自述性（self-describing），呈现分层的树状数据结构。数据结构由键值(key=>value)对组成。
-
关系型数据库和非关系型数据库的区别
关系型数据库通过外键关联来建立表与表之间的关系；
非关系型数据库通常指数据以对象的形式存储在数据库中，而对象之间的关系通过每个对象自身的属性来决定；学生: 张三 性别: 男 科目: 语文 成绩: 80 关系型数据库: // 学生表 create table student(id int primary key, name char(50), sex char(10)) // 成绩表，stuid存储的是学生表中对应的主键，用于表的关联 create table score(id int primary key, name char(20),grade int,stuid int, foreign key(stuid) references student(id)) 非关系型数据库: { "name":"张三", "sex":"男", "score":{ "name":"语文", "grade": 80 } }关系型数据库SQLite、Oracle、mysql
非关系型数据库 MongoDb、redis -
MySQL和MongoDB的区别
数据库: 容器，不管是mysql还是mongodb，一个单一的服务器都可以管理多个数据库;
集合：是一组mongodb的文件，等价于mysql中的table，集合中文档可以有不同的字段，也可以有不同的数据类型;[图片上传失败...(image-52d227-1540208871848)]
二、MongoDB安装和卸载
-
卸载
sudo apt-get autoremove mongodb sudo apt-get autoclean mongodb // 清除残留数据 dpkg -l |grep ^rc|awk '{print $2}' |tr ["\n"] [" "]|sudo xargs dpkg -P -
安装
第1步 – 导入公钥** Ubuntu软件包管理器apt（高级软件包工具）需要软件分销商的GPG密钥来确保软件包的一致性和真实性。 执行此下面的命令将MongoDB密钥导入到您的服务器： sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 2930ADAE8CAF5059EE73BB4B58712A2291FA4AD5 第2步 – 创建源列表文件MongoDB 检查URL http://repo.mongodb.org/apt/ubuntu/dists/。 如果您在该网页上看到一个目录“bionic”，则将下述命令中的单词“xenial”替换为“bionic”一词， 【原因：MongoDB尚未发布Bionic Beaver软件包，但Xenial软件包在Ubuntu 18.04 LTS上运行良好】 执行以下命令在/etc/apt/sources.list.d/中创建一个MongoDB列表文件： echo "deb http://repo.mongodb.org/apt/ubuntu xenial/mongodb-org/3.6 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-3.6.list 第3步 – 更新存储库 使用apt命令更新存储库： sudo apt-get update 说明：执行完会提示一些失败，不用在意 第4步 – 安装MongoDB 执行以下命令来安装MongoDB： sudo apt-get install -y mongodb 第5步：启动MongoDB 执行以下命令启动MongoDB并将其添加为在启动时启动的服务 sudo systemctl start mongodb 如果执行完这一步终端没有任何输出，则说明是正确的 如果启动的时候提示：Failed to start mongod.service: Unit mongodb.service not found. 解决办法如下： 1创建配置文件： cd /etc/systemd/system/ sudo vi mongodb.service 2.在里面追加文本： [Unit] Description=High-performance, schema-free document-oriented database After=network.target [Service] User=mongodb ExecStart=/usr/bin/mongod --quiet --config /etc/mongodb.conf [Install] WantedBy=multi-user.target 3.退出 :wq 4.启动服务 sudo systemctl start mongodb sudo systemctl status mongodb 5.设置开机自启动 sudo systemctl enable mongodb 第6步：登录MongoDB mongo 如果出现错误全局初始化失败：BadValue无效或无用户区域设置。 请确保LANG和/或LC_ *环境变量设置正确，请尝试命令： export LC_ALL=C
三、MongoDB之数据库操作
-
创建数据库
# mongodb use DATABASE_NAME 注意：如果指定的数据库DATABASE_NAME不存在，则该命令将创建一个新的数据库，否则返回现有的数据库 # mysql中 创建数据库：create database basename; 切换数据库：use basename;admin：从权限的角度来说，是root的数据库
local：本地数据
config:配置，用于保存MongoDB的配置信息 -
检查当前选择的数据
db默认的数据库test
-
显示数据库列表
show dbs -
删除数据库
// 默认进入数据库是test db.dropDatabase()注意：默认删除当前正在工作的数据库
四、MongoDB之集合操作
类似于MySQL中的表。
集合存在于数据库中，集合没有固定的结构，意味着可以对集合插入不同格式和不同类型的数据，但是尽量插入集合的时候保证数据的关联性。
-
创建集合
集合名的规范： a.不能空字符串 b.集合名不能含有\0【空字符】，表示集合名的结尾 c.集合名不能以"system."开头，为系统集合保留的关键字 d.不能含有保留字符，千万不能含有$ 语法: // name的类型为String，是要创建的集合的名称 // options的类型是Document，是一个文档，指定相应的大小和索引，是可选参数 // 在插入文档时，MongoDB首先检查上限集合capped字段的大小，然后检查max字段 db.createCollection(name, options) 例如: // 没有options选项的集合创建 db.createCollection("myCollection") // 有options选项的集合的创建 db.createCollection("mycol",{capped:true,autoIndexId:true,size:1024,max:10000}) -
显示当前数据库中的集合
show collections -
删除集合
语法: // 如果选定的集合成功删除，drop()方法将返回true，否则返回false db.COLLECTION_NAME.drop() 例如: db.mycollection.drop()
五、MongoDB之文档操作
-
文档概念
文档：相当表中的一条记录【实体】
是一组键值对，文档不需要设置相同的字段，并且相同的字段不需要相同的数据类型注意: a.文档中的键值对是有序的 b.文档中值除了字符串之外，还可以是其他数据类型【嵌套一个文档】 c.严格区分大小写和数据类型的，mycol myCol d.文档中不能有重复的键 e.文档中的键基本都是用字符串表示的文档中键的命名： a.键不能包含\0 b.$和.有特殊含义 c.以下划线开头的键是保留的，尽量不要使用下划线开头 -
插入文档
语法: // 在插入的文档中，如果不指定_id参数，那么 MongoDB 会为此文档分配一个唯一的ObjectId // _id为集合中的每个文档唯一的12个字节的十六进制数。 db.COLLECTION_NAME.insert(document) 例如: // 插入一个 db.mycol.insert({id:101, name:'lisi', age:20}) db.mycol.insert({ item: "canvas", num: 100, tags: ["cotton"], size: { h: 20, w: 30, } }) // 插入多个(注意方括号) db.mycol.insert( [{id:102, name:'wagnwu', age:18}, {id:103, name:'zhaoliu', age:21}, {id:104, name:'tianqi', age:19}] ) // 查看已插入的文档 db.mycol.find() { "_id" : ObjectId("5b8b59cb5bd1df1fc73dcdc6"), "id" : 101, "name" : "lisi", "age" : 20 } // 查看已插入的文档 db.mycol.find().pretty() { "_id" : ObjectId("5b8b59cb5bd1df1fc73dcdc6"), "id" : 101, "name" : "lisi", "age" : 20 } -
查询文档
语法: // 基本操作 db.COLLECTION_NAME.find(document) // 以格式化的方式返回查询结果 db.COLLECTION_NAME.find(document).pretty() 注意: find() 将以非结构化的方式返回查询结果 例如: // 显示所有文档 db.mycol.find() // 默认将所有文档显示，为了限制列表，需要显示的字段设置为1，不显示的设置为0 db.mycol.find( {'name':'liming'}, {'name':1, 'age': 1} ) db.mycol.find( {'name':'liming'}, {'age':0} ) // 限制字段显示 db.check.find({},{'_id':1,'title':1}) -
查询文档(条件查询)
- 等于{ <key>:<value> } db.mycol.find({'name':'zyz'} ).pretty() - 小于 { <key>: {$lt:<value>} } db.mycol.find( {'age': {$lt:18}} ).pretty() - 小于等于 { <key>: {$lte:<value>} } db.mycol.find( {'age': {$lte:18}} ).pretty() - 大于 { <key>: {$gt:<value>} } db.mycol.find( {'age': {$gt:18}} ).pretty() - 大于等于 { <key>: {$gte:<value>} } db.mycol.find( {'age': {$gte:18}} ).pretty() - 不等于 { <key>: {$ne:<value>} } db.mycol.find( {'age': {$ne:18}} ).pretty() - 并列关系(and) 在find()方法中，如果通过使用 ',' 将它们分开传递多个键，则 MongoDB 将其视为AND条件 db.mycol.find( { $and: [ {key1: value1}, {key2: value2} ] } ) - 或者关系(or) db.mycol.find( { $or: [ {key1: value1}, {key2: value2} ] } ) -
更新文档
update()更新现有文档中的值,语法： db.COLLECTION_NAME.update(SELECTION_CRITERIA, UPDATED_DATA) 例如: // update默认只更新一个文档，如果要更新多个文档，则添加参数{multi:true}) db.check.update( {'title': 'MongoDB Guide'}, {$set: {'title': 'mongo'}} ) db.check.update( {'title': 'MongoDB Guide'}, {$set: {'title': 'mongo'}, $set: {'say': 'hello'}} ) db.check.update( {'title': 'MongoDB Guide'}, {$set: {'title': 'mongo'}}, {multi: true} ) save()用传递的文档数据替换现有文档，语法: db.COLLECTION_NAME.save({_id:ObjectId(),NEW_DATA}) 例如: db.check.save( {'_id':102, 'title':'hello', 'by':'lalala'} ) -
删除文档
语法: db.COLLECTION_NAME.remove(DELLETION_CRITTERIA) 例如: db.check.remove( {'_id':100} )
六、MongoDB之查询
-
投影
查询过程中，只显示指定的字段语法: db.COLLECTION_NAME.find({},{KEY:1}) 例如: db.mycol.find( {}, {'title':1, _id:0} )在执行find()方法时，始终都会显示_id字段，如果不想要此字段，则需要将其设置为0
-
限制筛选记录
limit()限制MongoDB要返回的记录数,根据指定的参数返回记录数 语法: db.COLLECTION_NAME.find().limit(NUMBER) 例如: // 在查询文档时仅显示两个文档 db.mycol.find({},{"title":1,_id:0}).limit(2) skip() 方法跳过指定数量的数据 语法: // 注意：skip()方法中的默认值为0。 db.COLLECTION_NAME.find().limit(NUMBER).skip(NUMBER) 例如: db.mycol.find({},{"title":1,_id:0}).limit(1).skip(2) -
对查询记录排序
语法: // 使用指定顺序进行排序，1表示升序，-1表示降序 db.COLLECTION_NAME.find().sort({KEY:1}) 例如: db.mycol.find({},{"title":1,_id:0}).sort({"title":-1}) -
管道的概念
MongoDB的聚合管道将MongoDB文档在一个管道处理完毕后将结果传递给下一个管道处理。管道操作是可以重复的。$project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档 db.article.aggregate( [ {$project:{by_user:1, title:1}} ] ) $limit：用来限制MongoDB聚合管道返回的文档数 db.article.aggregate( [ {$project:{by_user:1, title:1}}, {$limit: 2} ] ) $skip：在聚合管道中跳过指定数量的文档，并返回余下的文档 db.article.aggregate( [ {$project:{by_user:1, title:1}}, {$skip: 1} ] ) db.article.aggregate( [ {$project:{by_user:1, title:1}}, {$limit:2},{$skip: 1} ] ) $group：将集合中的文档分组，可用于统计结果 db.article.aggregate( [ {$group: {_id:'$by_user', num:{$sum:'$likes'}}} ] ) $sort：将输入文档排序后输出 db.article.aggregate( [ {$group: {_id:'$by_user', num:{$sum:'$likes'}}},{$sort: {'num':-1}} ] ) -
分组与聚合函数查询
aggregate()语法: db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION) - $sum 从集合中的所有文档中求出定义的值 // 计算每个作者所写的文章点赞数 db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$sum : "$likes"}}}]) // 计算每个作者所写文档数量 // select by_user, count(*) from article group by by_user db.article.aggregate([ { $group: {_id:'$by_user', num:{$sum:1}} } ]) - $avg 计算集合中所有文档的所有给定值的平均值 db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$avg : "$likes"}}}]) - $max 从集合中的所有文档获取相应值的最大值 // _id:'$by_user'，对应按照by_user分组 db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$max : "$likes"}}}]) // _id对应一个常量，即所有数据的操作 db.article.aggregate([ { $group:{_id:'max', num_likes:{$max:'$likes'}} } ]) - $min 从集合中的所有文档获取相应值的最小值 db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$min : "$likes"}}}]) - 例如: db.article.aggregate([{$group:{'_id':'$by_user','num_tutorial':{$sum:1}}}])
七、MongoDB之关联关系
MongoDB中的关系表示各个文档在逻辑上的相互关联。关系可以通过嵌入式和引用方法建模。 这种关系可以是1：1，1：N，N：1或N：N。
假设有一种情况：要存储用户的地址。一个用户可以拥有多个地址，这就是1：N关系。
// 用户user文档
{
"_id":10999110,
"name": "Maxsu",
"contact": "13800138000",
"dob": "1992-10-11"
}
// 地址文档
{
"_id":12200,
"building": "Hainan Building NO.2100",
"pincode": 571100,
"city": "Haikou",
"province": "Hainan"
}
嵌入式关系建模
在嵌入式方法中，我们将地址(address)文档嵌入到用户(user)文档中
{
"_id": 21000100,
"contact": "13800138000",
"dob": "1991-11-11",
"name": "Maxsu",
"address": [
{
"building": "Hainan Building NO.2100",
"pincode": 571100,
"city": "Haikou",
"province": "Hainan"
},
{
"building": "Sanya Building NO.2100",
"pincode": 572200,
"city": "Sanya",
"province": "Hainan"
},
]
}
该方法将所有相关数据保存在单个文档中，这使得检索和维护更容易。
可以使用单个查询来在整个文档检索:
db.users.find( {"name":"Maxsu"},{"address":1, "name":1} )
在上述查询中，db和users分别是数据库和集合。缺点是如果嵌入式文档的大小如果不断增长，可能会影响读/写性能。
建模参考关系
这是设计规范化关系的方法。
在这种方法中，用户和地址文件将分别维护，但用户文档将包含一个将引用地址文档的id字段的字段。
{
"_id":ObjectId("52ffc33321332111sdfaf"),
"contact": "13800138000",
"dob": "1991-11-11",
"name": "Maxsu",
"address_ids": [
ObjectId("123123"),
ObjectId("123412")
]
}
用户文档包含对应地址的ObjectId的数组字段address_ids。
使用这些ObjectIds，我们可以从那里查询地址文件并获取地址详细信息。
使用这种方法，需要两个查询：首先从用户文档获取address_ids字段，然后从地址集中获取这些地址。
var result = db.users.find({"name":"Maxsu"},{"address_ids":1})
var addresses = db.address.find({"_id":{"$in":result["address_ids"]}})
