什么是MongoDB
基于分布式文件存储的数据库，介于非关系型和关系型数据库之间。
MongoDB和MySQL对比
| MongoDB | MySQL |
|---|---|
| Database | Database |
| Collection（集合） | Table |
| Document（文档） | Row |
| Field | Column |
MongoDB有什么特点
（1）面向集合存储数据，数据以json格式存储；
（2）查询功能强大，几乎可以实现所有关系型数据库的单表查询功能；
（3）自带分布式文件系统，方便集群部署；
（4）自带了对map-reduce运算框架的支持。
MongoDB为什么快
（1）没有事务约束；
（2）使用的内存映射技术 ，写入数据时候只要在内存里完成就可以返回给应用程序，写入磁盘是异步操作；热点数据放入内存；数据在磁盘中相对集中，减少随机读写耗费的磁头定位时间；
（3）没有join，不使用关系。没有关系的存在，就表示每个数据都好比是拥有一个单独的存储空间，然后一个聚集索引来指向。
MongoDB适用场景
（1）网站实时数据处理，如PV、UV、统计商品的收藏次数、加入购物车次数、曝光次数等。
（2）服务器日志记录；
（3）大数据量，TB甚至PB级别的数据存储；
（4）数据模型经常变化，需要支持水平扩展
（5）游戏场景，使用 MongoDB 存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新
物流场景，使用 MongoDB 存储订单信息，订单状态在运送过程中会不断更新，以 MongoDB 内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
社交场景，使用 MongoDB 存储存储用户信息，以及用户发表的朋友圈信息，通过地理位置索引实现附近的人、地点等功能
物联网场景，使用 MongoDB 存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析
视频直播，使用 MongoDB 存储用户信息、礼物信息等。
MongoDB不适用场景
（1）数据修改需要严格的事物控制；
（2）功能的业务关系复杂、涉及到多表关联；
（3）比较重要的业务数据，如订单、商品、用户等数据。
MongoDB集合
MongoDB的集合，可类比于MySQL的表，字段（field）可类比于MySQL的列（column）。区别是，集合的filed是可动态扩展的，并且数据类型没有限制，不像Mysql需要先定义列名、列的字段类型等。
此外，集合无需像mysql的表一样事先定义。使用db.collectionName.insert()语句，插入一条json数据，该集合便生成了。
集合由文档组成，每个文档就是一条json数据。
插入文档
向集合中插入一个文档（类比向表中插入一条数据）：
`db.getCollection("b2b_theme_activity").insert( {
"merchant_code": "1ed0528595197975fa72f5ec8f9e0c62",
"dfx_type": NumberInt("1"),
"create_time": ISODate("2020-03-16T22:36:01.964Z"),
"member_code": "e69e61a77b1ccc7b90be7995c6a6021f",
"user_name": "李郃",
"merchant_name": "南京好享家智能家居有限公司",
source: NumberInt("10"),
"visit_duration": "",
type: NumberInt("11"),
"member_name": "测试企业开户01",
"theme_activity_page_title": "测试test01",
"login_name": "17366180925",
"user_id": "1161150535707852801",
event: NumberInt("20"),
"theme_activity_id": "1238383672212533250"
} );
复制代码修改文档
语法
修改文档的语法是：
db.collection.update(
<query>,
<update>,
{
upsert: <boolean>,
multi: <boolean>,
writeConcern: <document>
}
)
复制代码- query : update的查询条件，类似sql update查询内where后面的。
- update : update的对象和一些更新的操作符（如,,,inc...）等，也可以理解为sql update查询内set后面的
- upsert : 可选，这个参数的意思是，如果不存在update的记录，是否插入objNew,true为插入，默认是false，不插入。
- multi : 可选，mongodb 默认是false,只更新找到的第一条记录，如果这个参数为true,就把按条件查出来多条记录全部更新。
- writeConcern :可选，抛出异常的级别。
例子
现有集合：t_test_log，希望修改requestUri为：/ops/api/b2b/theme-activities的文档的requestSource值为1，且只修改符合条件的第一条数据，脚本如下：
db.t_test_log.update({'requestUri':'/ops/api/b2b/theme-activities'},{$set:{'requestSource': '1'}})
复制代码如果想把所有符合条件的文档数据都修改了，则加上：{multi:true}
db.t_test_log.update({'requestUri':'/ops/api/b2b/theme-activities'},{$set:{'requestSource': '2'}}, {multi:true})
复制代码删除文档
语法
db.collection.remove(
<query>,
<justOne>
)
复制代码- query:查询
- justOne：是否只删除符合条件的第一个文档，true:是，false：否 默认false
例子
删除符合条件的第一个文档：
db.t_test_log.remove({'requestUri':'/ops/api/b2b/theme-activities/11111/22222/testPut'},1)
复制代码删除符合条件的所有文档：
db.t_test_log.remove({'requestUri':'/ops/api/b2b/theme-activities/11111/22222/testPut'})
复制代码查询
简单查询
select * from spu where spu_name="test0123"
db.spu.find({ spu_name:"test0123" })
复制代码and
select * from spu where spu_name="test0123" and type=3
db.spu.find({spu_name:"test0123", type:"3" });
复制代码like
select * from user where username like "%test0123%"
db.user.find({username:/test0123/});
复制代码大于等于、小于等于
//大于、大于等于、小于、小于等于 $lt, $lte, $gt, $gte
select * from user where age>=10 and age<=20
db.user.find({ age:{$gte:10, $lte:20} });
复制代码等于null
select * from user where address is null
db.user.find({ address: null });
复制代码不为null
select * from user where address is not null
db.user.find({ address: {$ne:null} });
复制代码不为null 且不为""
select * from user where address is not null and address !=''
db.user.find({ address: {$nin:[null,"" ]} });
复制代码in/not in
db.activity.find({ event: {$in:[50,60,70]} });
db.activity.find({ event: {$nin:[50,60,70]} });
复制代码count
db.activity.find().count();
db.activity.find({ event: {$in:[50,60,70]} }).count();
复制代码distinct
db.activity.distinct("user_name");
复制代码sort
db.getCollection("activity").find({type:10}).sort({createTime:1});
复制代码时间段
查询某个时间段的数据
db.activity.find({createTime:{$gte:ISODate('2020-03-01T00:00:00.000Z'), $lte:ISODate( '2020-03-11T00:00:00.000Z' )}});
复制代码聚合
聚合查询
MongoDB中聚合(aggregate)主要用于处理数据(求平局值、求和等)，并返回计算后的数据结果。类似sql中的group。
$sum求和
按user_id分组，求每个用户订单总额
db.order.aggregate([{$group : {_id : "$user_id", total_order_money: {$sum : "$order_money"}}}])
复制代码$avg求平均值
按user_id分组，求每个用户订单平均支付金额
db.order.aggregate([{$group : {_id : "$user_id", avg_order_money: {$avg : "$order_money"}}}])
复制代码$min求最小值
按user_id分组，求每个用户订单最小支付金额
db.order.aggregate([{$group : {_id : "$user_id", min_order_money: {$min : "$order_money"}}}])
复制代码$max 求最大值
按user_id分组，求每个用户订单最大支付额
db.order.aggregate([{$group : {_id : "$user_id", max_order_money: {$max : "$order_money"}}}])
复制代码$push
按user_id分组，查看每个用户所有的支付方式（不去重）
db.order.aggregate([{$group : {_id : "$user_id", payMethods: {$push: "$pay_method"}}}])
复制代码$addToSet
按user_id分组，查看每个用户所有的支付方式（去重）
db.order.aggregate([{$group : {_id : "$user_id", payMethods: {$addToSet : "$pay_method"}}}])
复制代码$first
按user_id分组，求每个用户第一笔订单金额
db.order.aggregate([{$group : {_id : "$user_id", first_order_money : {$first : "$order_money"}}}])
复制代码$last
按user_id分组，求每个用户最后笔订单金额
db.order.aggregate([{$group : {_id : "$user_id", last_order_money: {$last : "$order_money"}}}])
复制代码聚合管道
聚合管道是 MongoDB 2.2版本引入的新功能。它由阶段（Stage）组成，文档在一个阶段处理完毕后，聚合管道会把处理结果传到下一个阶段。
聚合管道功能：
-
对文档进行过滤，查询出符合条件的文档
-
对文档进行变换，改变文档的输出形式
下图是官网给出的聚合管道的流程图：
上图中，match 为筛选条件，将符合条件的数据筛选出来传递给下一阶段 $group 中进行分组求和计算，最后返回 Results。其中，match、$group 都是阶段操作符，而阶段 $group 中用到的 $sum 是表达式操作符。
常用阶段操作符
| 阶段操作符 | 描述 |
|---|---|
| $project | 修改文档的结构，可以用来重命名、增加或删除文档中的字段。 |
| $match | 过滤条件。$match 尽量出现在管道的最前面，过滤出需要的数据，在后续的阶段中可以提高效率。 |
| $group | 分组 |
| $sort | 排序 |
| $limit | 限制结果条数，可用于实现分页查询 |
| $skip | 跳过指定数量的文档，并返回余下的文档。 |
| $unwind | 将文档中数组类型的字段拆分成多条，每条文档包含数组中的一个值。 |
实例1(聚合查询）
按user_id分组，求每个用户订单状态为20的订单平均金额
mysql:
select user_id, avg(total_amount) from t_child_order
where child_order_status=20
group by merchant_code;
mongo:
db.t_child_order.aggregate
( {$match:{child_order_status:20}} ,
{$group:{_id:"$user_id", avgDur:{$avg:"$total_amount" }} }
);
复制代码其中，match表示查询条件；match表示查询条件；match表示查询条件；group表示通过user_id分组，并计算user_id相同值的visit_duration的平均数据。
实例2 (管道操作)
需求： 统计2020-03-01至2020-04-18期间，活动ID为1239575334792146946，且操作事件为查看活动详情页面（event:10）该活动每天的访问PV、每天的平均访问时长、每天的访问用户集合。
db.activity.aggregate(
[
//条件,筛选出来的数据，传入到下一阶段
{"$match" : { "activity_id" : '1239575334792146946', "create_time" : { "$lte" : ISODate( '2020-04-18T00:00:00.000Z' ), "$gte" : ISODate('2020-03-01T00:00:00.000Z') }, "event" : 10} },
//设置数据列的展示规则，然后传入到下一阶段
{ "$project" :
{ "create_time" : { "$dateToString" : { "format" : "%Y-%m-%d", "date" : "$create_time" } }, "visit_duration" : 1, "user_id" : 1
}
},
//分组，计算数量、求和、求平均，然后传入到下一个阶段
{ "$group" : { "_id" : "$create_time", "ALIAS_PAGE_PV" : { "$sum" : 1 }, "ALIAS_AVG_VISIT_DURATION" : { "$avg" : "$visit_duration" }, "ALIAS_USER_ARRAY" : { "$addToSet" : "$user_id" } }
},
//设置结果是否展示
{ "$project" : { "_id" : 0, "create_time" : "$_id", "ALIAS_PAGE_PV" : 1, "ALIAS_AVG_VISIT_DURATION" : 1, "ALIAS_USER_ARRAY" : 1, }
},
//排序
{ "$sort" : { "create_time" : -1 } } ,
//限制结果条数
{"$limit":3}
]
);
复制代码查询结果如图：
Map Reduce
Map-Reduce是一种计算模型，可对复杂的计算分解执行，然后将结果合并。
使用 MapReduce 要实现Map 函数和 Reduce 函数。
Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理。
Map 函数必须调用 emit(key, value) 返回键值对。
db.collection.mapReduce(
function() {emit(key,value);}, //map 函数
function(key,values) {return reduceFunction}, //reduce 函数
{
out: collection,
query: document,
sort: document,
limit: number
}
)
复制代码- map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
- reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。
- out 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
- query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
- sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
- limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）
下图为MongoDB官网给出的Map-Reduce工作流程，从订单集合中，查找status为A的文档，按照cust_id分组，求每个cust_id的订单总额。
Map-Reduce使用实例
//统计每个用户的总访问时长
db.activity.mapReduce(
function() {emit(this.user_id, this.visit_duration);},
function(key, values) {
return Array.sum(values)
},
{
query: {
activity_id: "1236122613668032514",
event:10
},
out:"temp_result"
}
).find();
复制代码//统计每个用户的平均访问时长
db.activity.mapReduce(
function() {emit(this.user_id, this.visit_duration);},
function(key, values) {
var total= Array.sum(values);
var sizes= values.length;
return total/sizes
},
{
query: {
activity_id: "1236122613668032514",
event:10
},
out:"temp_result"
}
).find();
复制代码//统计每个用户的访问该页面的次数
db.activity.mapReduce(
function() {emit(this.user_id, 1);},
function(key, values) { return Array.sum(values)},
{
query: {
activity_id: "1236122613668032514",
event:10
},
out:"temp_result"
}
);
db.temp_result.find();