MongoDB 上手开发实践（入门上手开发这一篇就够了）

前言

　　MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似 json 的 bson 格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它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单表查询的绝大部分功能，而且还支持对数据建立索引。

也有一些其他的nosql的典型数据库，比如redis,hbase等，然而他们之间还是有区分的。（市面上有很多不错的数据库，这里就不一一列举了）

name	type
mongodb	面向文档
redis	键值存储
hbase	列存储扫描二维码关注公众号，回复： 8479657 查看本文章

官网必须知道的几个点

123这三个点基本熟悉就代表能够满足平时的开发需求了，然后辅助一下数据结构设计的提升能更好的完成产品的开发；在123的基础上叠加45基本就能覆盖线上数据的搜索调优了。

实践出真知，别问直接干它

"实体结构"
person:{
    name:"string",
    age:"int",
    children:"array person",
    parentId:"string"
}

　　创建表（collection）

//命令行
use test
db.createCollection("person")

　　插入数据

//插入一个爸爸
db.person.insertOne({
    name:"Baba",
    age:Int32(1234),
    children:[],
    parentId:null
})
//插入了几个儿子
db.person.insertOne({
    name:"Child1",
    age:Int32(234),
    children:[],
    parentId:null
})

db.person.insertMany(
[{
    name:"Child2",
    age:Int32(235),
    children:[],
    parentId:null
},{
    name:"Child3",
    age:Int32(236),
    children:[],
    parentId:null
}
])

　　创建数据OK了，但是作为一个有梦想的程序员，必须要再了解一下script，嘿嘿

//循环大法
for(var i=0;i<10;i++){
    db.person.insertOne({
    name:"robot"+i,
    age:Int32(Math.floor(Math.random() * 100)),
    children:[],
    parentId:null
})
}

　　截止到上一步我们已经在数据库test中的person表插入了几条数据了，这里做几个简单的查询熟悉下数据查询

//查询全部
db.person.find({})
//查询Baba
db.person.find({name:"Baba"},{age:1}).sort({age:1})
//查询不包含baba
db.person.find({name:{$ne:"Baba"}})
//查询年龄在(200,1000)的数据，$lte $gte中包含等于，时间的大于小于也是如此
db.person.find({age:{$lt:1000,$gt:200}},{age:1,_id:0})
//查询name中包含robot的数据，"i"代表忽略大小写，//就是正则
db.person.find({name:/robot/i}).skip(0*5).limit(5)
//或逻辑查询,$and为与逻辑，格式相同，而$and一般用于内嵌对象的与
db.person.find({$or:[{name:"Baba"},{name:/chi/i}]})

　　简单查询后，尝试一下update

//将名字叫Child1的parentId修改为Baba的_id
//将baba的children的arr中填充Child1的_id并且年龄+1
//注意push和addtoset的区别
var baba =  db.person.findOne({name:"Baba"});
db.person.updateOne({name:"Child1"},{$set:{parentId:baba._id}})
var child1 = db.person.findOne({name:"Child1"});
db.person.updateOne({_id:baba._id},{$addToSet:{children:child1._id},$inc:{age:1}})
//重复多次运行会发现CHILDREN会出现重复数据
db.person.updateOne({_id:baba._id},{$push:{CHILDREN:child1._id}})
//查询children中不包含指定id的数据
db.person.find({children:{$in:[child1._id]}})


//----------------------------华丽分割线---------------------------------------//


//通过上面的语句会对set inc push addtoset有一定的了解，那就把CHILDREN中的移除吧，
var baba =  db.person.findOne({name:"Baba"});
var child1 = db.person.findOne({name:"Child1"});
db.person.updateOne({_id:baba._id},{$push:{"CHILDREN":new ObjectId()}})
db.person.updateOne({_id:baba._id},{$pull: {"CHILDREN":child1._id}})
db.person.updateOne({_id:baba._id},{$set:{"CHILDREN":[]}})
//查看存在CHILDREN字段的数据
db.person.find({CHILDREN:{$exists: true}})
//彻底删除字段
db.person.updateMany({},{$unset:{"CHILDREN":""}})

　　基本的CRUD我们已经知道了，接下来是MongoDB作为非关系型数据库厉害的地方了，聚合(aggregate)

db.person.updateMany({name:/robot/i},{$set:{obj:[
    {key:"db",value:"mongo"}, 
    {key:"db",value:"redis"}, 
    {key:"db",value:"hbase"}
    ]}})

db.person.aggregate()
      .match({name:/robot/i})  //query
      .project({nm:"$name",_id:1,age:1,obj:1})  //精简属性
      .unwind("$obj") //一般用来切分内嵌array，做数据聚合时经常会用到
      .group({ _id: "$nm", count: { $sum: 1 } }) //按照某个键分组聚合
      .sort({"count":-1})
      .limit(5)
//这句比较特殊，处理内嵌数组对象的值，$elemMatch是筛选内嵌array对象的关键字，该查询匹配到的数据将会在Mongo内存中把内嵌array匹配到的对象置顶与array的第一个，而接下来的"obj.$.value"是将改内嵌array对象中的第一个的value修改成"mongodb"
db.person.updateMany({obj:{$elemMatch: {value:"mongo"}}},{$set:{"obj.$.value":"mongodb"}})

//类关系型数据库join
db.person.aggregate(
[{
    $lookup: {
           from: "person",
           localField: "_id",
           foreignField: "parentId",
           as: "sons"
     }
}])

mongodb version 4.0之后的版本新增了transaction(事务)的功能，真的可以向mysql,mssql那样回滚了，不是像redis事务那样的，大家可以去了解下。

　　查询调优

//这里match是让你填筛选条件，请别搞错
db.collection.find({"match"}).explain("executionStats")

//查询结果关键字含义
executionStats.executionSuccess：是否执行成功
executionStats.nReturned：满足查询条件的文档个数，即查询的返回条数
executionStats.executionTimeMillis：整体执行时间
executionStats.totalKeysExamined：索引整体扫描的文档个数，和早起版本的nscanned 是一样的
executionStats.totalDocsExamined：document扫描个数， 和早期版本中的nscannedObjects 是一样的
executionStats.executionStages:整个winningPlan执行树的详细信息，一个executionStages包含一个或者多个inputStages
executionStats.executionStages.stage：这里是FETCH去扫描对于documents,后面会专门用来解释大部分查询使用到的各种stage的意思
executionStats.executionStages.nReturned：由于是FETCH，所以这里该值与executionStats.nReturned一致
executionStats.executionStages.docsExamined：与executionStats.totalDocsExamined一致executionStats.inputStage中的与上述理解方式相同
explain.executionStats.executionStages.works：被查询执行阶段所操作的“工作单元(work units)”数。
explain.executionStats.executionStages.advanced:优先返回给父stage的中间结果集中文档个数
explain.executionStats.executionStages.isEOF:查询执行是否已经到了数据流的末尾

//stage类型的含义
COLLSCAN ：全表扫描
IXSCAN：索引扫描
FETCH:：根据索引去检索指定document
SHARD_MERGE：各个分片返回数据进行merge
SORT：表明在内存中进行了排序（与前期版本的scanAndOrder:true一致）
SORT_MERGE：表明在内存中进行了排序后再合并
LIMIT：使用limit限制返回数
SKIP：使用skip进行跳过
IDHACK：针对_id进行查询
SHARDING_FILTER：通过mongos对分片数据进行查询
COUNT：利用db.coll.count()之类进行count运算
COUNTSCAN：count不使用用Index进行count时的stage返回
COUNT_SCAN：count使用了Index进行count时的stage返回
SUBPLA：未使用到索引的$or查询的stage返回
TEXT：使用全文索引进行查询时候的stage返回

　　索引

　　索引方面直接点上方的链接吧，官方这个讲的还是比较好理解的，这里就不展开说了。相信各位小伙伴一看便知

最后，响应一下咱们大大的口号撸起袖子加油干，尝试一下心里就优普啦。谢谢大家

如果您觉得阅读本文对您有帮助，请点一下“推荐”按钮，您的“推荐”将是我最大的写作动力！

本文版权归作者和博客园共有，来源网址：https://www.cnblogs.com/DanielYao/欢迎各位转载，但是未经作者本人同意，转载文章之后必须在文章页面明显位置给出作者和原文连接，否则保留追究法律责任的权利。