简介

• NoSQL = Not Only SQL
• 我们平时开发熟悉的是关系型数据库，而MongoDB是新型非关系型数据库。

使用场景

• NoSQL用于超大规模数据的存储，谷歌或者Facebook每天为他们的yoghurt手机万亿比特的数据，这些类型的数据存储不需要固定的模式，无须多余的操作就可以和横向扩展了。

RDBMS vs NoSQL

语言	概括	结构化	性能
RDBMS	高度组织化结构化数据	结构化查询语言	基础事务
NoSQL	代表着不仅仅是SQL	没有声明性查询语言	高性能高可用性和可伸缩性

常用命令

基本结构体

public class User {
    //主键
    private Long id;
    //用户名
    private String userName;
    //年龄
    private Integer age;
    //性别
    private Boolean sex;
    //出生日期
    private Date birthDate;
    //上学日期
    private Date schoolDate;
    //工资
    private Double salary;
}

查询

查询ID=139758337331900416的值

sql方式

select * from user where id=139758337331900416

常规查询

db.user.find({'_id':139758337331900416})

高级查询

db.user.aggregate(
[
    {
        $match: {
            _id: 139758337331900416
        }
    }
]
)

模糊查询userName中包含fff5fdd6的数据

sql方式

select * from user where userName like '%fff5fdd6%';

常规查询

/abc/ : 全模糊匹配abc /^abc/: 模糊匹配abc开头 /^abc$/: 查询等于abc的数据(正则)

db.user.find({'userName':/fff5fdd6/});

高级查询

主要就是正则表达式的编写来实现匹配

db.user.aggregate(
[
    {
        $match: {
            'userName': {
                $regex: '.*fff5fdd6'
            }
        }
    }
]
)

查询年龄大于1720822682的数据

sql方式

select * from user where age>1720822682;

常规查询

db.user.find({'age':{'$gt':1720822682}});

高级查询

db.user.aggregate([
  {
    '$match': {
        'age': {
            '$gt': 1720822682
        }
    }
}
]);

按照id降序

sql方式

select * from user order by id desc;

常规查询

db.user.find().sort({'_id':-1});

高级查询

db.user.aggregate([
  {
    $order:{
      _id:-1
    }
  }
]);

按照字段部分排序

比如userName是uuid格式的f21bad93-bcb2-48a1-9446-d429cfb8a63d,这个时候userName中-分割的最后一部分排序即d429cfb8a63d.

sql方式

select \* from user order by substr((userName),LENGTH(userName)+1-(locate('/',REVERSE(userName))-1));

常规查询

mongo的常规查询只能是常规的操作。这里需求就无法满足。这就是高级查询aggregate的高级之处。他支持我们逻辑操作

高级查询

高级查询中我们会发现查询出的字段只有参与排序的字段和Id字段。如何我们需要显示其他字段需要在最后一个project中将字段配置出来，如regions:1表示显示；第一个project中将字段配置出来，如regions:1表示显示；第一个project中将字段配置出来，如regions:1表示显示；第一个project中的"userName":"$userName"表示展示userName字段。

db.user.aggregate(
	[
    {
        $project: {
            "userName":"$userName",
            "regions": {
                $split: [
                    '$userName',
                    '-'
                ]
            }
        }
    },
    {
        $project: {
            "regions": 1,
            "userName":1,
            "userNameOrder": {
                $arrayElemAt: [
                    "$regions",
                    4
                ]
            }
        }
    },
    {
        $sort: {
            userNameOrder: -1
        }
    }
]
)

分组

报表查询中最常见的就是分组查询了。 下面我们按照入学时间(具体到天)分组汇总信息

sql方式

select date_format(schoolData,'%Y-%m-%d') , count(1) from user group by date_format(schoolData,'%Y-%m-%d') order by date_format(schoolData,'%Y-%m-%d');

常规查询

无

高级查询

db.user.aggregate(
[
    {
        $project: {
            "newSchoolDate": {
                $dateToString: {
                    date: '$schoolDate',
                    format: "%Y-%m-%d"
                }
            }
        }
    },
    {
        $group: {
            "_id": "$newSchoolDate",
            "count": {
                $sum: 1
            }
        }
    },
    {
        $sort: {
            newSchoolDate: -1
        }
    }
]
)

关键字

上面我们通过几个常见的案例了解了mongo的功能。基本上sql可以实现的效果，mongo都可以。下面我们就看看mongo里的常见的函数功能。

bucket功能是分段统计表数据，上面的group的分组时针对全表的。但是我们有的时候希望一定范围内按照一定规则统计，剩下的按照另外的规则统计。这个时候我们如果使用group的分组时针对全表的。但是我们有的时候希望一定范围内按照一定规则统计，剩下的按照另外的规则统计。这个时候我们如果使用group的分组时针对全表的。但是我们有的时候希望一定范围内按照一定规则统计，剩下的按照另外的规则统计。这个时候我们如果使用group就需要用两个命令才能解决。

db.user.aggregate(
    [
    {
        $bucket: {
            groupBy: "$age",
            boundaries: [
                1,
                458972139,
                1542997977
            ],
            default: 'ooo',
            output: {
                "count": {
                    $sum: 1
                },
                "titles": {
                    $push: "$age"
                }
            }
        }
    }
]
)

集合$project使用

db.user.aggregate(
[
    {
        $project: {
            "newSchoolDate": {
                $dateToString: {
                    date: '$schoolDate',
                    format: "%Y-%m-%d"
                }
            }
        }
    },
    {
        $bucket: {
            groupBy: "$newSchoolDate",
            boundaries: [
                '2021-01-20',
                '2021-01-21'
            ],
            default: 'ooo',
            output: {
                "count": {
                    $sum: 1
                },
                "titles": {
                    $push: "$_id"
                },
                "schoolds": {
                    $push: "$newSchoolDate"
                }
            }
        }
    },
    {
        $sort: {
            "_id": -1
        }
    }
]
)