我是 PHP 程序员

MongoDB 是由C++语言编写的，是一个基于分布式文件存储的开源数据库系统。在高负载的情况下，添加更多的节点，可以保证服务器性能。MongoDB 旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB 将数据存储为一个文档，数据结构由键值(key=>value)对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档数组。

0.操作命令

一、数据库相关

1.连接

（1）完整

mongodb://[username:password@]host1[:port1][,host2[:port2],...[,hostN[:portN]]][/[database][?options]]

（2）使用默认端口

mongodb://localhost

（3）使用shell

mongo

2.查询数据库

（1）查询所有数据库

show dbs

3.创建数据库

use database_name

如果数据库不存在，则创建并切换到该数据库，存在则切换到该数据库

（1）已存在

\

（2）不存在

可以看到，创建的 test数据库并没有显示，需要插入数据才能显示

\

4.删除数据库

先切换到指定数据库，然后执行以下命令

db.dropDatabase()

二、集合相关

1.创建集合

切换到指定数据库，然后执行如下命令

db.createCollection(name, options)

 说明：

name 要创建的集合名称，可选参数，指定有关内存大小及索引的选项

options参数：capped如果为true则创建固定集合（有着固定大小的集合）；size为固定集合指定一个最大值，如果capped为true需要指定该字段；max 指定固定集合中包含文档的最大数量

带参数的集合

插入文档会自动创建集合

 2.查看所有集合

  先切换到指定数据库，然后执行如下命令

show collections

3.删除集合

db.COLLECTION_NAME.drop()

成功删除则返回true，否则返回false 

三、文档相关

1. 插入文档

使用insert()或insertOne()或insertMany()方法插入文档

db.COLLECTION_NAME.insert(document)

 插入单条数据 

db.collection.insertOne(
   <document>,
   {
      writeConcern: <document>
   }
)

插入多条数据 

db.collection.insertMany(
   [ <document 1> , <document 2>, ... ],
   {
      writeConcern: <document>,
      ordered: <boolean>
   }
)

for (var i=1; i<=10; i++) { 
   db.collection.insert({uanme: "a"+i, age: i})
}

document: 要写入的文档

writeConcern：写入策略，默认为1，即要求默认写操作，0是不要求

ordered：是否按照顺序写入，默认为true，按照顺序写入

插入数字
shell默认使用64位浮点型数值，如下：

db.sang_collec.insert({x:3.1415926})
db.sang_collec.insert({x:3})

db.sang_collec.insert({x:NumberInt(10)})
db.sang_collec.insert({x:NumberLong(12)})

数组方式
数组一样也是被支持的，如下：

db.sang_collec.insert({x:[1,2,3,4,new Date()]})

日期
MongoDB支持Date类型的数据，可以直接new一个Date对象，如下：

db.sang_collec.insert({x:new Date()})

内嵌文档
一个文档也可以作为另一个文档的value，这个其实很好理解，如下：

db.sang_collect.insert({name:"三国演义",author:{name:"罗贯中",age:99}});

书有一个属性是作者，作者又有name，年龄等属性。

2.查询文档

db.COLLECTION_NAME.find(query, projection)

• query ：可选，使用查询操作符指定查询条件
• projection ：可选，使用投影操作符指定返回的键。查询时返回文档中所有键值， 只需省略该参数即可（默认省略）。

pretty()以格式化方法显示文档

模糊搜索
db.users.find({fname: /zhangsan/});

对应mysql的like用法：select * from users where fname like '%zhangsan%';

（1）如果要模糊查询以什么开头，方法如下：

db.users.find({fname: /^zhangsan/});

（2）如果要模糊查询以什么结尾，方法如下：

db.users.find({fname: /zhangsan^/});

3.更新文档

使用update()和save()方法来更新集合中的文档

（1）update()方法

db.collection.update(
   <query>,
   <update>,
   {
     upsert: <boolean>,
     multi: <boolean>,
     writeConcern: <document>
   }
)

参数说明：

• 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。

（2）save()方法

save() 方法通过传入的文档来替换已有文档，_id 主键存在就更新，不存在就插入。

db.collection.save(
   <document>,
   {
     writeConcern: <document>
   }
)

参数说明：

• document : 文档数据。
• writeConcern :可选，抛出异常的级别。

4.删除文档

db.collection.remove(
   <query>,
   <justOne>
)

参数说明：

• query :（可选）删除的文档的条件。
• justOne : （可选）如果设为 true 或 1，则只删除一个文档，如果不设置该参数，或使用默认值 false，则删除所有匹配条件的文档。

四、条件操作符

1.大于（>）: $gt

db.collection2.find({age : {$gt : 30}})

2.大于等于（>=）： $gte

db.collection2.find({age : {$gte : 30}})

3.小于（<）：$lt

db.collection2.find({age : {$lt : 20}})

4.小于等于（<=）：$lte

db.collection2.find({age : {$lte : 20}})

5.$lt 和 $gt

db.collection2.find({age : {$gt : 30, $lt : 60,}})

五、$type操作符

MongoDB 中可以使用的类型如下表所示：

六、MongoDB Limit与Skip方法

1.limit()读取记录的条数

db.COLLECTION_NAME.find().limit(NUMBER)

2.skip()跳过的记录条数

db.COLLECTION_NAME.find().limit(NUMBER).skip(NUMBER)

七、排序

sort() 方法可以通过参数指定排序的字段，并使用 1 和 -1 来指定排序的方式，其中 1 为升序排列，而 -1 是用于降序排列。

1.升序排序

db.COLLECTION_NAME.find().sort({KEY:1})

2.降序排序

db.COLLECTION_NAME.find().sort({KEY:-1})

八、索引

默认情况下，集合中的_id字段就是索引，我们可以通过getIndexes()方法来查看一个集合中的索引：

db.sang_collect.getIndexes()

结果如下：

[
    {
        "v" : 2,
        "key" : {
            "_id" : 1
        },
        "name" : "_id_",
        "ns" : "sang.sang_collect"
    }
]

我们看到这里只有一个索引，就是_id。

现在我的集合中有10000个文档，我想要查询x为1的文档，我的查询操作如下：

db.sang_collect.find({x:1})

这种查询默认情况下会做全表扫描，我们可以用上篇文章介绍的explain()来查看一下查询计划，如下：

db.sang_collect.find({x:1}).explain("executionStats")

结果如下：

{
    "queryPlanner" : {
    },
    "executionStats" : {
        "executionSuccess" : true,
        "nReturned" : 1,
        "executionTimeMillis" : 15,
        "totalKeysExamined" : 0,
        "totalDocsExamined" : 10000,
        "executionStages" : {
            "stage" : "COLLSCAN",
            "filter" : {
                "x" : {
                    "$eq" : 1.0
                }
            },
            "nReturned" : 1,
            "executionTimeMillisEstimate" : 29,
            "works" : 10002,
            "advanced" : 1,
            "needTime" : 10000,
            "needYield" : 0,
            "saveState" : 78,
            "restoreState" : 78,
            "isEOF" : 1,
            "invalidates" : 0,
            "direction" : "forward",
            "docsExamined" : 10000
        }
    },
    "serverInfo" : {
    },
    "ok" : 1.0
}

结果比较长，我摘取了关键的一部分。我们可以看到查询方式是全表扫描，一共扫描了10000个文档才查出来我要的结果。实际上我要的文档就排第二个，但是系统不知道这个集合中一共有多少个x为1的文档，所以会把全表扫描完，这种方式当然很低效，但是如果我加上 limit，如下：

db.sang_collect.find({x:1}).limit(1)

此时再看查询计划发现只扫描了两个文档就有结果了，但是如果我要查询x为9999的记录，那还是得把全表扫描一遍，此时，我们就可以给该字段建立索引，索引建立方式如下：

db.sang_collect.ensureIndex({x:1}) //该方法在新版本中已经废弃

db.sang_collect.createIndex({x:1}) //MongoDB 2.0之后启用该方法创建索引，与ensureIndex区别是该方法已存在索引时会报错，而ensureIndex则覆盖之前索引

1表示升序，-1表示降序。当我们给x字段建立索引之后，再根据x字段去查询，速度就非常快了，我们看下面这个查询操作的执行计划：

db.sang_collect.find({x:9999}).explain("executionStats")

这个查询计划过长我就不贴出来了，我们可以重点关注查询要耗费的时间大幅度下降。

此时调用getIndexes()方法可以看到我们刚刚创建的索引，如下：

[
    {
        "v" : 2,
        "key" : {
            "_id" : 1
        },
        "name" : "_id_",
        "ns" : "sang.sang_collect"
    },
    {
        "v" : 2,
        "key" : {
            "x" : 1.0
        },
        "name" : "x_1",
        "ns" : "sang.sang_collect"
    }
]

我们看到每个索引都有一个名字，默认的索引名字为字段名_排序值，当然我们也可以在创建索引时自定义索引名字，如下：

db.sang_collect.ensureIndex({x:1},{name:"myfirstindex"})

此时创建好的索引如下：

{
    "v" : 2,
    "key" : {
        "x" : 1.0
    },
    "name" : "myfirstindex",
    "ns" : "sang.sang_collect"
}

当然索引在创建的过程中还有许多其他可选参数，如下：

db.sang_collect.ensureIndex({x:1},{name:"myfirstindex",dropDups:true,background:true,unique:true,sparse:true,v:1,weights:99999})

关于这里的参数，我说一下：

1.name表示索引的名称
2.dropDups表示创建唯一性索引时如果出现重复，则将重复的删除，只保留第一个
3.background是否在后台创建索引，在后台创建索引不影响数据库当前的操作，默认为false
4.unique是否创建唯一索引，默认false
5.sparse对文档中不存在的字段是否不起用索引，默认false
6.v表示索引的版本号，默认为2
7.weights表示索引的权重

此时创建好的索引如下：

{
    "v" : 1,
    "unique" : true,
    "key" : {
        "x" : 1.0
    },
    "name" : "myfirstindex",
    "ns" : "sang.sang_collect",
    "background" : true,
    "sparse" : true,
    "weights" : 99999.0
}

使用createIndex()方法创建索引

db.collection.createIndex(keys, options)

语法中 key值为你要创建的索引字段，1 为指定按升序创建索引，如果你想按降序来创建索引指定为 -1 即可。

createIndex() 接收可选参数，可选参数列表如下：

查看索引

getIndexes()可以用来查看索引，我们还可以通过totalIndexSize()来查看索引的大小，如下：

db.sang_collect.totalIndexSize()

九、聚合

1.聚合

聚合主要用来处理数据（平均值、求和等），并返回计算结果。

db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION)

2.聚合管道

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。

表达式：处理输入文档并输出。表达式是无状态的，只能用于计算当前聚合管道的文档，不能处理其它的文档。

聚合框架中常用的几个操作：

• $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。
• $match：用于过滤数据，只输出符合条件的文档。$match使用MongoDB的标准查询操作。
• $limit：用来限制MongoDB聚合管道返回的文档数。
• $skip：在聚合管道中跳过指定数量的文档，并返回余下的文档。
• $unwind：将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。
• $group：将集合中的文档分组，可用于统计结果。
• $sort：将输入文档排序后输出。
• $geoNear：输出接近某一地理位置的有序文档。

统计colection2集合中记录条数

统计collection2集合age的和

统计collection2集合中age>=10且=30的age的和

十、复制

1.复制：

复制是将数据同步在多个服务器的过程

2. 复制原理

MongoDB复制至少需要2个节点，其中1个是主节点，负责处理客户端请求，其余的都是从节点，负责复制主节点上的数据。常见的搭配的方式：一主一从、一主多从

以上结构图中，客户端从主节点读取数据，在客户端写入数据到主节点时，主节点与从节点交互保证数据一致性。

十一、分片

1.需求

当MongoDB存储海量的数据时，一台机器可能不足以存储数据，也可能不足以提供可接受的读写吞吐量。这时，我么就可以在多台机器上分割数据，使得数据库系统能存储和处理更多的数据。

2.为什么使用分片

• 复制所有的写入操作到主节点
• 延迟的敏感数据会在主节点上查询
• 单个副本集限制在12个节点
• 当请求量巨大时出现内存不足
• 本地磁盘不足
• 垂直扩展价格昂贵

3.MongoDB分片

分片集群结构

• Shard：用于存储实际的数据块，实际生产环境中一个Shard Server角色可由几台机器组成一个replica set承担，防止单点故障
• Config Server：mongod实例，存储量整个ClusterMetadata，其中包括chunk信息
• Query Routers:：前端路由，客户端由此接入，且整个集群看上去像单一数据库，前端应用可以透明使用。

十二、备份与还原

mongodump -h dbhost -d dbname -o dbdirectory

• -h：

  MongoDB 所在服务器地址，例如：127.0.0.1，当然也可以指定端口号：127.0.0.1:27017

• -d：

  需要备份的数据库实例，例如：test

• -o：

  备份的数据存放位置，例如：c:\data\dump，当然该目录需要提前建立，在备份完成后，系统自动在dump目录下建立一个test目录，这个目录里面存放该数据库实例的备份数据。

mongodump 命令可选参数列表如下所示：

mongodump

 执行以上命令后，客户端会连接到ip为 127.0.0.1 端口号为 27017 的MongoDB服务上，并备份所有数据到 bin/dump/ 目录中。

十三、监控

了解MongoDB的运行情况，并查看MongoDB的性能。这样在大流量得情况下可以很好的应对并保证MongoDB正常运作。MongoDB中提供了mongostat 和 mongotop 两个命令来监控MongoDB的运行情况。

1.mongostat 命令

mongostat是mongodb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果你发现数据库突然变慢或者有其他问题的话，你第一手的操作就考虑采用mongostat来查看mongo的状态。

启动你的Mongod服务，进入到你安装的MongoDB目录下的bin目录， 然后输入mongostat命令，

D:\set up\mongodb\bin>mongostat

2.mongotop 命令

mongotop也是mongodb下的一个内置工具，mongotop提供了一个方法，用来跟踪一个MongoDB的实例，查看哪些大量的时间花费在读取和写入数据。 mongotop提供每个集合的水平的统计数据。默认情况下，mongotop返回值的每一秒。

启动你的Mongod服务，进入到你安装的MongoDB目录下的bin目录， 然后输入mongotop命令，如下所示：

D:\set up\mongodb\bin>mongotop

十四、MongoDB高级

1.关系

MongoDB 中的关系可以是：

• 1:1 (1对1)
• 1: N (1对多)
• N: 1 (多对1)
• N: N (多对多)

下面以用户的地址为例

（1）嵌入式关系

缺点：如果用户和用户地址在不断增加，数据量不断变大，会影响读写性能

查询

db.users.findOne({"name":"Tom Benzamin"},{"address":1})

（2）引用关系

这种方法需要两次查询，第一次查询用户地址的对象id（ObjectId），第二次通过查询的id获取用户的详细地址信息

var result = db.users.findOne({"name":"Tom Benzamin"},{"address_ids":1})

var addresses = db.address.find({"_id":{"$in":result["address_ids"]}})

2.查询分析

查询分析常用函数explain()和hint()

（1）explain 操作提供了查询信息，使用索引及查询统计等。有利于我们对索引的优化。

创建gender和user_name的索引

db.users.ensureIndex({gender:1,user_name:1})

使用explaing 

db.users.find({gender:"M"},{user_name:1,_id:0}).explain()

返回结果如下：

• indexOnly: 字段为 true ，表示我们使用了索引。
• cursor：因为这个查询使用了索引，MongoDB 中索引存储在B树结构中，所以这是也使用了 BtreeCursor 类型的游标。如果没有使用索引，游标的类型是 BasicCursor。这个键还会给出你所使用的索引的名称，你通过这个名称可以查看当前数据库下的system.indexes集