phpguimongodb技巧_一文45分钟带你MongoDB从入门到高阶一步到位

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。
它支持的数据构造非常疏松，是类似json的bson格式，因此可以存储比较繁芜的数据类型。
Mongo最大的特点是它支持的查询措辞非常强大，其语法有点类似于面向工具的查询措辞，险些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。

MongoDB体系构造

MongoDB与关系型数据库比拟

关系型数据库

MongoDB

database(数据库)

database(数据库)

table(表)

collection(凑集)

row(行)

document(BSON文档)

column(列)

field(字段)

index(唯一索引、主键索引)

index(地理位置索引、全文索引、哈希索引)

join(主外键关联)

embedded Document(嵌套文档)

primary key(指定1至N个列做主键)

primary key(指定_id field为主键)

前面说MongoDB用的是BSON文档，那么什么是BSON呢？

BSON简介

BSON是一种类json的一种二进制形式的存储格式，简称BinaryJSON，它和JSON一样，支持内嵌的文档工具和数组工具，但是BSON有JSON没有的一些数据类型，如Date和BinaryData类型。

BSON可以做为网络数据交流的一种存储形式,是一种schema-less的存储形式，它的优点是灵巧性高，但它的缺陷是空间利用率不是很空想。
{key:value,key2:value2}这是一个BSON的例子，个中key是字符串类型,后面的value值，它的类型一样平常是字符串,double,Array,ISODate等类型。

BSON有三个特点：轻量性、可遍历性、高效性

MongoDB中利用了BSON来存储数据和网络数据交流。
把这种格式转化成文档这个观点，这里的一个Document也可以理解成关系型数据库中的一条记录，只是这里的Document的变革更丰富一些，如Document可以嵌套。

下面是MongoDB中Document里面可以涌现的数据类型：

MongoDB安装下载社区版MongoDB，下载地址：https://www.mongodb.com/try/download/community

#数据库目录dbpath=/data/mongo/ port=27017#监听ip地址，默认全部可以访问bind_ip=0.0.0.0#是否往后台启动的办法登录fork=true#日志路径logpath = /data/mongo/MongoDB.log#是否追加日志logappend = true#是否开启用户密码登录auth=false启动

./bin/mongod -f mongo.conf

Mongo shell

./bin/mongo

./bin/mongo --host=主机ip --port=端口

MongoDB GUI工具

MongoDBCompassCommunity由MongoDB开拓职员开拓，这意味着更高的可靠性和兼容性。
它为MongoDB供应GUImongodb工具，以探索数据库交互,具有完全的CRUD功能并供应可视办法。
借助内置模式可视化，用户可以剖析文档并显示丰富的构造。
为了监控做事器的负载，它供应了数据库操作的实时统计信息。
就像MongoDB一样，Compass也有两个版本，一个是Enterprise（付费），社区可以免费利用。
适用于Linux、Mac或Windows。

NoSQLBooster是MongoDBCLI界面中非常盛行的GUI工具。
它正式名称为MongoBooster。
NoSQLBooster是一个跨平台，它带有一堆mongodb工具来管理数据库和监控做事器。
这个Mongodb工具包括做事器监控工具，VisualExplainPlan，查询构建器，SQL查询，ES2017语法支持等等......它有免费，个人和商业版本，当然，免费版本有一些功能限定。
NoSQLBooster也适用于Linux、Mac或Windows。

1. 数据库与凑集

1.1 查看数据库

show dbs;

1.2 切换数据库（如果没有对付数据库则创建）

use 数据库名;

1.3 查看凑集

show tables;#或者show collections;

1.4 删除凑集

db.凑集名.drop();

1.5 删除当前数据库

db.dropDatabase();

2. 数据增编削查

新增

2.1 数据新增

db.user.insert({name:"小明",bithday:new ISODate("2020-09-01"),expectSalary:15000,gender:0,city:"bj"});

2.2 新增多条

db.user.insert([{name:"小李",bithday:new ISODate("2020-09-01"),expectSalary:18000,gender:0,city:"bj"},{name:"小王",bithday:new ISODate("2020-09-01"),expectSalary:25000,gender:0,city:"bj"}]);

查询

2.3 比较条件查询

db.凑集名.find(条件)

示例：

db.user.find({expectSalary:{$gt:18000}})

2.4 逻辑条件查询

and 条件

MongoDB的find()方法可以传入多个key,每个key之间用逗号隔开，多个key之间是and的关系

or 条件

db.凑集名.find({$or:[{key1:value1}, {key2:value2}]})

not条件

db.凑集名.find({key:{$not:{$操作符:value}})

示例：

db.user.find({city:"bj",expectSalary:{$gt:15000}}) db.user.find({$or:[{city:"bj"},{expectSalary:{$gt:15000}}]});

2.5 分页查询

db.凑集名.find({条件}).sort({排序字段:排序办法})).skip(跳过的行数).limit(一页显示多少数据)

示例：

db.user.find().sort({expectSalary:1}).limit(3)

排序时1代表升序，-1代表降序。

修正

2.6 数据更新

语法：

$set ：设置字段值$unset :删除指定字段$inc：对修正的值进行自增db.凑集名.update( <query>, <update>, { upsert: <boolean>, multi: <boolean>, writeConcern: <document> })

参数解释：

示例：

db.user.update({name:"小明"},{$set:{gender:1}},{multi:true})

删除

2.7 数据删除

语法：

db.凑集名.remove( <query>, { justOne: <boolean>, writeConcern: <document> })

参数解释：

示例：

db.user.remove({name:"小王"})MongoDB聚合操作

聚合是MongoDB的高等查询措辞，它许可我们通过转化合并由多个文档的数据来天生新的在单个文档里不存在的文档信息。
一样平常都是将记录按条件分组之后进行一系列求最大值、最小值、均匀值的大略操作，也可以对记录进行繁芜数据统计、数据挖掘的操作。
聚合操作的输入是集中的文档，输出可以是一个文档也可以是多个文档。

单目的聚合操作

常用命令：count()

db.user.find().count();

聚合管道

db.凑集名.aggregate(操作)

MongoDB中聚合(aggregate)紧张用于统计数据(诸如统计均匀值、求和等)，并返回打算后的数据结果。
表达式：处理输入文档并输出。
表达式只能用于打算当前聚合管道的文档，不能处理其它的文档。

聚合常见操作：

操作

描述

$group

将凑集中的文档分组，可用于统计结果。

$project

修正输入文档的构造。
可以用来重命名、增加或删除域，也可以用于创建打算结果以及嵌套文档。

$match

用于过滤数据，只输出符合条件的文档。
$match利用MongoDB的标准查询操作。

$limit

用来限定MongoDB聚合管道返回的文档数。

$skip

在聚合管道中跳过指天命量的文档，并返回余下的文档。

$sort

将输入文档排序后输出。

$geoNear

输出靠近某一地理位置的有序文档。

表达式：处理输入文档并输出。
表达式只能用于打算当前聚合管道的文档，不能处理其它的文档。

表达式

描述

$sum

打算总和

$avg

打算均匀值

$min

获取凑集中所有文档对应值得最小值

$max

获取凑集中所有文档对应值得最大值

$push

在结果文档中插入值到一个数组中

$addToSet

在结果文档中插入值到一个数组中，但数据不重复

$first

根据资源文档的排序获取第一个文档数据

$last

根据资源文档的排序获取末了一个文档数据

示例：

db.user.aggregate([{$group:{_id:"$city",avgSal:{$avg:"$expectSalary"}}},{$project:{city:"$city",salary:"$avgSal"}}]);db.user.aggregate([{$group:{_id:"$city",avgSal:{$avg:"$expectSalary"}}},{$match:{avgSal:{$gt:440}}}]);db.user.aggregate([{$limit:2},{$sort:{expectSalary:-1}},{$group:{_id:"$name",avgSal:{$avg:"$expectSalary"}}}]);

MapReduce编程模型

Pipeline查询速率快于MapReduce，但是MapReduce的强大之处在于能够在多台Server上并行实行繁芜的聚合逻辑。
MongoDB不许可Pipeline的单个聚合操作占用过多的系统内存，如果一个聚合操作花费20%以上的内存，那么MongoDB直接停滞操作，并向客户端输出错误。

MapReduce是一种打算模型，大略的说便是将大批量的事情（数据）分解（MAP）实行，然后再将结果合并成终极结果（REDUCE）。

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, finalize: <function>, verbose: <boolean> })

利用MapReduce要实现两个函数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通报给Reduce函数进行处理。

参数解释：

示例：

db.user.mapReduce(function(){emit(this.city,this.expectSalary);},function(key,value){return Array.avg(value)},{query:{expectSalary:{$gt:15000}},out:"cityAvgSal"})

书山有路勤为径，学海无涯苦作舟