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。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。
- 指定文本编辑器
EDITOR="\"C:\\Program Files\\Sublime Text 3\\sublime_text.exe\""
- 创建数据库
use docname
- 查看所有数据库
show dbs
- 查看当前数据库或集合db插入记录
db.docname.insert({key:value,key:value,...})
- 查看集合
show collections
- 查看当前操作集合及文档
db.docname
- 查看所有记录
db.colname.find()
- 查看单条记录
db.colname.findOne()
- 修改记录
db.colname.update({key:value},{$set:{key:value,...}})
- 删除集合
db.colname.drop()
- 删除文档
db.dropDatabases()
- 查看当前数据库参数
db.stats()
- 帮助
db.help()
- 命名db.getCollection(“db-name”).insert({…})
直接执行function insert(object){db.getCollection(“colname”).insert(objection)}
调用insert({key:value,…})
修改器指定一个键值对,存在键就修改,不存在就创建
$set{$set:{field:value}}
- 为指定键的数字类型数值进行加减操作
\(inc{\)inc:{field:value}}
- 删除指定键
\(unset{\)set:{field:1}}
- 指定键是数组就追加新的数值指定键不是数组则中断当前操作指定键不存在则创建数组类型的键值对
\(push{\)push:{field:value}}
- 批量添加数据
\(pushAll{\)pushAll:{field:array}}
- 目标数组存在此项则不操作,不存在则添加
\(addToSet{\)addToSet:{field:value}}
- 从指定数组删除数据,1删除最后一个,-1删除第一个
\(pull{\)pull{field:value}}
- 批量删除
\(pullAll{\)pullAll{field:array}}
- 数组定位器,只对数组中部分进行操作
{ “_id” : 4, “books” : [ { “type” : “js”, “name” : “extjs4” }, { “type” : “js”, “name” : “jquery” }, { “type” : “db”, “name” : “mongodb” } ] }
db.student.update({“books.type”:”js”},{\(set:{“books.\).count”:152}})
- 删除记录
db.colname.remove({field:value})
$addToSet与$each结合批量数组更新
db.colname.update({field:value},{$addToSet:{field:{$each:[value,...]}}})
runCommand可以执行MongoDB中的特殊函数
findAndModify(特殊函数)返回update或remove后的文档
runCommand({"findAndModify":"processes",query:{查询器},sort{排序},new:trueupdate:{更新器},remove:true})
EG:ps = db.runCommand({findAndModify:"student",query:{name:"maxkim"},update:{$set:{age:234}},new:true})
- 查看返回值
ps.value
- 查询显示 1,不显示 0返回指定列
db.colname.find({field:{$...:...}},{_id:0, name:1,...})
$gte 大于等于
$gt 大于
$lte 小于等于
$lt 小于
$in 任意参数在引用集合里,则匹配
db.c2.find({age:{$in:[1,2,3]}})
$nin (not in)所有参数都不在引用集合里,则匹配
$all 所有参数在引用集合里,则匹配
- $or 有一个条件匹配就成立
db.c2.find({$or:[{age:{$lt:5}},{age:{$gt:999995}}]})
$ne 不匹配参数条件
$not 不匹配结果
$exists 判断元素是否存在
- $slice 选择返回文档的子集
db.product.find({},{reviews:{$slice:12}})
- 返回前12条
db.product.find({},{reviews:{$slice:-5}})
- 返回后5条
正则查询
db.colname.find({field:/li/i},{field:0,...})
db.review.find({text:/best|worst/i})
db.review.find({text:{$regex:"best|worsst",$options:"i"}})
- 索引
db.colname.find({field.n:value})$size
- 指定数组长度
db.persons.find({books:{$size:4}},{_id:0, books:1})
- 添加字段
db.persons.update({},{$set:{field:n}},false,true)
- 改变更新方式
db.persons.update({},{$push:{field:"value"},$inc:{field:1}})
- 索引1为正序 -1为倒序
db.books.ensureIndex({number:1})
- 索引命名
db.books.ensureIndex({name:1},{name:"new_name"})
- 唯一索引
db.books.ensureIndex({name:-1},{unique:true})
- 剔除重复值
db.books.ensureIndex({name:-1},{unique:true,dropDups:true})
- 使用指定索引查询
db.books.find({name:"",number:1}).hint({name:-1})
- 查看查询使用索引及查询数据状态信息(分析查询性能)
db.books.find({name:"",number:1}).explain
- 删除索引
db.runCommand({dropIndexes:"books", index:"name_1"})
- 删除所有索引
db.runCommand({dropIndexes:"books", index:"*"})
- 匹配子文档.
db.users.find({'addresses.name':"home"}).pretty()
$elemMatch
- 所有词语在相同的子文档中,则匹配
db.users.find({addresses:{$elemMatch:{name:"home",state:"NY"}}})
- $size 子文档数组大小与提供的文本值相同,则匹配
db.users.find({address:{$size:3}})
- $where 执行任意JavaScript来选择文档
db.reviews.find({$where:"this.helpful_votes>3"})
2D查询数据
var map = [{ "gis" : { "x" : 185, "y" : 150 }},{ "gis" : { "x" : 70, "y" : 180 }},{ "gis" : { "x" : 75, "y" : 180 }},{ "gis" : { "x" : 185, "y" : 185 }},{ "gis" : { "x" : 65, "y" : 185 }},{ "gis" : { "x" : 50, "y" : 50 }},{ "gis" : { "x" : 50, "y" : 50 }},{ "gis" : { "x" : 60, "y" : 55 }},{ "gis" : { "x" : 65, "y" : 80 }},{ "gis" : { "x" : 55, "y" : 80 }},{ "gis" : { "x" : 0, "y" : 0 }},{ "gis" : { "x" : 0, "y" : 200 }},{ "gis" : { "x" : 200, "y" : 0 }},{ "gis" : { "x" : 200, "y" : 200 }}]for(var i = 0;iprev.m){
prev.m = doc.m;
prev.name = doc.name;
prev.country = doc.country;
}
},
condition:{m:{$gt:90}} }}
)
固定集合
- 创建一个1000个字节的固定集合,可以存储10个文档
db.createCollection("MyColl",{size:1000,capped:true,max:10})
- 普通集合转换固定集合
db.runCommand({convertToCapped:"persons",size:100000})
- 反向排序,默认插入顺序
db.MyColl.find().sort({$natural:-1})
GridFS
- 上传文件
mongofiles -d colname -l "localfile" put "filename"
- 查看所有文件
mongofiles -d test list
- 删除文件
mongofiles -d test delete 'filename'
- Eval(启用)
db.eval("function(name){return name;}","uspcat")
- 导出
mongoexport.exe -d test -c persons -o "D:\MongoDB\log\dump.json"
- 导入
mongoimport.exe --db test --collection persons --file "D:\MongoDB\log\dump.json"
- 运行时备份
mongodump.exe --host 127.0.0.1:27017 -d test -o "D:\MongoDB\log\test"
- 运行时恢复
mongorestore.exe --host 127.0.0.1:27017 -d test "D:\MongoDB\log\test.json\test\"
fsync
- 上锁(use admin)
db.runCommand({fsync:1, lock:1})
- 上锁
db.currentOp()
- 数据恢复
db.repairDatabase()
- 添加用户
db.createUser({user:"pangdahai",pwd:"123",roles:
[{role:"readWriteAnyDatabase",db:"admin"}]})
Successfully added user: {
"user" : "quanee",
"roles" : [
{
"role" : "readWriteAnyDatabase",
"db" : "admin"
}
]
}
添加权限认证
- auth
db.auth("username","password")
- 删除用户
db.system.users.remove({user:"username"})
- 查看所有用户
db.system.users.find()
- 用户登录
mongo 127.0.0.1:27017/username
主从复制
- 主服务器配置
master.conf
dbpath=D:\MongoDB\master
port = 8888
bind_ip = 127.0.0.1
master=true
- 从服务器配置
dbpath=D:\MongoDB\slave
port = 7777
bind_ip = 127.0.0.1
source = 127.0.0.1:8888 #主服务器数据源
slave = true
- 主服务器运行
db.getMongo().setSlaveOk();
(rs.setSlaveOk())
- 索引碎片整理
db.values.reIndex()
- 查询分析器开启
db.setProfilingLevel(2)
- 强制使用指定索引
hing({indexname:1})
- 通配符
$** 匹配任意字段中包含的字符串
— 解析字符串>>>删除分词>>>匹配词干
— 关键字使用双引号包含,必须匹配含有双引号的短语
db.books.find({$text:{$search:'"books"'}}) 匹配含有books的短语
- 排除单词
db.books.find({$text:{$search:'mongodb -second'}}) 搜索匹配mongodb但不包含second的短语
- 排除文档
db.books.find({$text:{$search:'mongodb -"second" '}}) 搜索匹配mongodb但不包含second的文档
- 分配权重(默认为1,其他值为被发现的概率的倍数,即对索引的影响)
db.books.createIndex(
{'$**': 'text'},<--使用字符串索引索引所有字段
{weights:
{title: 10, <---为字段指定1以外的权重
dategories:5}
}
)
- 在索引里指定语言
db.books.createIndex(
{'$**':'text'},
{weights:
{title:10,
categories:5},
name:'index_name',
default_language:'french'
}
)
切换存储引擎到WiredTiger
- 设置配置文件YAML
storage:
dbpath:"/data/db" 数据库存储路径
joural:
enabled:true 是否启用日志,默认true
engine:"wiredTiger" 存储引擎,默认mmapv1
wiredTiger:
engineConfig:
cacheSizeGB:8 使用内存大小,默认是物理内存的一半,至少1G
journalCompressor:none 日志压缩器,默认snappy, 设置为none获取最佳性能
collectionConfig:
blockCompressor:none 集合数据压缩器(none,snappy,zlib)
indexConfig:
prefixCompression:false 是否为索引使用压缩
collection.aggregate(pipeline)
pipline=[{$match:?},
{$group:?},
{$sort:?},
{$limit:?},
{$skip:?},
{$unwind:?},
{$redact:?},
{$sample:?},
{$out:?}
]
$match:选择24号发布的商品且交易时长为三天的商品
$group:打组。实际上是求和、平均等计算性的打组
按照price进行分组,每相同price的加1,即求每种价格出现的次数
$sort:对’counts’进行排序,-1代表从高到低排序,1代表顺序
$limit:和find中limit一样+
- $price相当于把原始数据中price勾过来
pipeline = [
{'$match':{'$and':[{'pub_date':'2016.12.24'},{'time':3}]}},
{'$group':{'_id':'$price','counts':{'$sum':1}}},
{'$sort' :{'counts':-1}},
{'$limit':10}
]
‘\(slice’:[‘\)cates’,2,1] 2表示跳过两个,选择第三个
‘$group’更新_id 新建 counts字段
- 按照count字段排序
pipeline2 = [
{'$match':{'$and':[{'pub_date':'2015.12.24'},{'time':3}]}},
{'$group':{'_id':{'$slice':['$cates',2,1]},'counts':{'$sum':1}}},
{'$sort':{'counts':-1}}
]
- 调用aggregate函数
item_info.aggregate(pipeline)