「MongoDB」基础操作
本文主要会介绍一些关于MongoDB数据库的基本操作：
- 数据库相关
- 数据的导入、导出
- 集合操作
- 文档操作
- 关于游标
- 管道聚合操作
如果感兴趣的话，就往下看吧~🥰
数据库操作
装好数据库之后，如果你在Linux环境下，就可以用下面两条命令查看mongodb的服务是否启动以及连接到mongo。但是注意如果你是win10的话，并且安装的mongodb版本是最新版本的，需要下载mongoshell才可以进到交互式的环境，至于打开服务的话就到任务管理器-》服务->找到Mongod就行（也许叫MongoDB，
一下忘了）
pgrep mongo -l # 查看mongodb是否已经启动
mongo # 连接mongo
本文版本是
MongoDB shell version v4.0.0
数据库的基本操作：（创建、删除、查看、插入数据，应有尽有）
use Testdb # 创建数据库
db.Testdb.insert({_id:1,name:"王小明"}) # 插入数据
# 循环向集合items插入数据
for(var i = 0; i < 10000; i++) db.items.insert({_id:i, text:"Hello" + i})
db # 查看当前数据库
show dbs # 查看所有数据库
# 删除数据库 -- MongoDB 删除数据库需要先切换到该数据库中,然后再执行删除命令.
use Testdb
db.dropDatabase()
use Testdb之后show dbs是显示不出Testdb数据库的，因为使用use命令创建的Testdb存储在内存中，且数据库中没有数据，执行insert语句之后再show dbs就能看到Testdb了。
MongoDB中默认包含数据库admin、config、local、test，但是test数据库存储在内存中，也无任何数据，所以执行show dbs也是看不到的。
因为 mongodb 底层是 javascript 引擎，所以我们可以使用 js 的语法来插入数据。
数据导入、导出
mongoimport
将数据（csv/ json等）导入mongodb数据，用到的命令是mongoimport,
具体语法如下：
# 导入- mongoimport
mongoimport -d Testdb1 -c score --type csv --headerline --ignoreBlanks --file test.csv
-d Testdb1 ：指定将数据导入到 Testdb1 数据库；
-c score ：将数据导入到集合 score ，如果这个集合之前不存在，会自动创建一个（如果省略 --collection 这个参数，那么会自动新建一个以 CSV 文件名为名的集合）；
--type csv ：文件类型，这里是 CSV；
--headerline ：这个参数很重要，加上这个参数后创建完成后的内容会以 CSV 文件第一行的内容为字段名（导入json文件不需要这个参数）；
--ignoreBlanks ：这个参数可以忽略掉 CSV 文件中的空缺值（导入json文件不需要这个参数）；
--file test.csv ：这里就是 CSV 文件的路径了，需要使用绝对路径。
mongoexport
数据导出-mongoexport
具体语法如下：
# 导出为csv -f ：当输出格式为 csv 时，必须指定输出的字段名。
mongoexport -d Testdb1 -c score -o /file.json --type csv -f "_id,name,age,sex,major"
# 导出为json
mongoexport -d Testdb1 -c score -o /file.json --type json
-o /file.json ：输出的文件路径/（根目录下）和文件名；
--type json ：输出的格式，默认为 json。
集合操作
基本操作：CRUD
# 在 Testdb 数据库中创建创建固定集合 test ，整个集合空间大小512000KB，文档最大个数为1000个。
use Testdb
# 查看当前数据库所有集合
show collections
# 显式创建集合
db.createCollection("test", { capped : true, autoIndexId : true, size : 512000, max : 1000 } )
# capped ：是一个布尔类型，true 时创建固定集合，必须指定 size。
# 固定集合指有固定大小的集合，当达到最大值时，它会自动覆盖最早的文档。默认为 false；
# autoIndexId ：也是一个布尔类型，如为 true，自动在_id 字段创建索引。默认为 false ；
# size ：为固定集合指定一个最大值（以字节 KB 计）；
# max ：指定固定集合中包含文档的最大数量。
# 隐式创建集合 -- db.集合名.insert()
db.mytest2.insert([{"name" : "王小明","sex":"男"}, {"name" : "李小红","sex":"女"}])
db.集合名.find() # 查询集合
db.集合名.drop() # 删除集合
和 MySQL 不同的是，在 MongoDB 中，你不一定需要先创建集合。当你插入一些文档时，MongoDB 会自动创建集合。
一个🌰：
文档操作
前面是对集合这个对象进行操作，接下来，就需要对集合中的数据进行操作了~
增删改
所有存储在集合中的数据都是 BSON 格式。BSON 是一种类 JSON 的一种二进制形式的存储格式，简称： Binary JSON 。
document=({_id:1, name: '王小明', sex: '男',hobbies: ['乒乓球','羽毛球'], birthday: '1996-02-14'});
# 插入
db.集合名.insert(document) # document可以是一个变量
db.collection.insertMany([{},{},...])
# 更新
db.person2.update({birthday:"1996-02-14"},{$set:{birthday:"1996"}})
# update中两个参数，都是对象
# 查看
db.person2.find().pretty() # pretty() 方法的作用是使文档整齐的输出
# 替换 save() 适用修改整条数据
db.person3.save({ "_id" :1, "name" : "李小红", "sex" : "女", "hobbies" : [ "画画", "唱歌", "跳舞" ],"birthday" : "1996-06-14"})
# 删除
db.collection.remove({"name":"www"})
# 删除所有数据，但是集合不会删除
db.remove({})
# 删除指定集合里的所有数据
db.stu2.remove({});
tips:
save()
指定了_id，则对文档进行更新；未指定_id则会执行插入功能，MongoDB 默认自动生成一个不重复的_id。
update()
- criteria-查询条件,
- objNew-更新后的,
- upsert-默认false，在不存在更新文档的情况下，是否插入objNew,
- multi-默认false,只更新找到的第一个)
文档查询
在MySQL中，我们时常会对数据进行一定的筛选，就像大部分的人都喜欢漂亮小姐姐和帅气小哥哥一样， 在MongoDB中，一定也不能少了这么重要的操作！
一些基本的运算操作感觉和LaTeX的语法有几分相似~
比较运算
| 操作 | 格式 | 案例 | 关系数据库中类似的语句 |
|---|---|---|---|
| 等于 | {:} | db.stu1.find({"name":"李小红"}).pretty() | where name = '李小红' |
| 小于 | {:{$lt:}} | db.stu1.find({"age":{$lt:18}}).pretty() | where age < 18 |
| 小于或等于 | {:{$lte:}} | db.stu1.find({"age":{$lte:18}}).pretty() | where age <= 18 |
| 大于 | {:{$gt:}} | db.stu1.find({"age":{$gt:18}}).pretty() | where age > 18 |
| 大于或等于 | {:{$gte:}} | db.stu1.find({"age":{$gte:18}}).pretty() | where age >= 18 |
| 不等于 | {:{$ne:}} | db.stu1.find({"age":{$ne:18}}).pretty() | where age != 18 |
条件查询
关于条件，这里只介绍了and， or， in， nin，具体语法如下：
# and
db.col.find({$and:[{k1:v1},{k2:v2}]})
db.stu1.find({"age":20, "sex":"男"}).pretty() # 查询年龄为20且性别为男的文档
# or
db.col.find({$or:[{k1:v1},{k2:v2}]})
# in
db.col.find({k:{$in:[k1,k2]}})
# nin
db.col.find({k:{$nin:[k1,k2]}})
高级查询
| 符号 | 含义 | 举例 |
|---|---|---|
| $all | 匹配所有：$all 会查询满足方括号中所有条件的文档 | 查询其中所有喜欢“唱歌”和“羽毛球”的人db.hobbies.find({hobbies:{$all:["唱歌","羽毛球"]}) |
| $exists | {$exists:true} 存在{$exists:false}不存在 | 查询 hobbies 集合中存在 age 字段的文档db.test.find({age:{$exists:true}}) |
| $in/ $nin | $in 包含 $nin不包含 | 查询 age =17 或 age =20的文档db.test.find({age:{$in:[17,20]}})查询 age !=17 且 age !=20 的文档db.test.find({age:{$nin:[17,20]}}) |
| $size | 数组元素个数 | 查询有两个爱好的文档db.hobbies.find({hobbies:{$size:2}}) |
| $mod | 取模运算 | 查询 age 取模7等于4的文档db.hobbies.find({age:{$mod:[7,4]}}) |
| sort() | 1: 升序 -1：降序 | 升序db . collection . find (). sort ({ _id : 1 }) |
| $or | 或查询 | 查询性别 sex 为 男 或年龄 age 为18的文档信息db.student.find({$or:[{sex:"男"},{age:18}]}) |
| $and | 和 | 查询18 < age < 21之间的文档db.student.find({$and:[{age:{$gt:18}},{age:{$lt:21}}]}) |
| $not | 取反 | 查询年龄小于20岁的文档db.student.find({age:{$not:{$gte:20}}}) |
| count() | 返回结果集总数 | db.student.find({major:{$not:/^计.*/}}).count() |
特定类型查询
# 查询名字不是以韩开头的
db.test.find({name:{$not:/^计.*/}}})
# 查询字段为null的
db.test.find({k:null})
游标
游标不是查询结果，而是查询的返回资源，或者接口。通过这个接口，你可以逐条读取。就像fopen打开文件，得到一个资源一样，通过资源，可以一行一行的读文件。
# 声明游标
var cursor = db.items.find({_id:{$lte:5}}) # find _id <= 5 的查询结果赋值给cursor
# 打印游标当中的数据信息-4种方式
# 1.
printjson(cursor.next()) # 打印下一条数据 当所有数据都取完后再执行该语句就会报错
# 2.
for(var cursor=db.test.find({_id:{$lte:5}}); cursor.hasNext(); )
{
printjson(cursor.next());
}
# 3.
while(cursor.hasNext()) {
printjson(cursor.next());
};
# 4.
cursor.forEach(function(obj) {printjson(obj)});
# 分页打印
# skip() 跳过多少条数据 limit 显示多少条数据
var cursor = db.test.find().skip(7000).limit(10); # 显示id为7000-7009 因为_id从0开始
cursor.forEach(function(obj) {printjson(obj);});
# 取第一条文档
printjson(cursor.toArray()[0])
管道聚合
MongoDB聚合操作包括聚合管道操作和Map-Reduce操作等。
其中聚合管道操作是将文档在一个管道处理完之后，把处理的结果传递给下一个管道进行再次处理；Map-Reduce操作是将集合中的批量文档进行分解处理，然后将处理后的各个结果进行合并输出。
管道操作符
| 操作符 | 作用 |
|---|---|
| $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 |
管道表达式
| $sum | 计算总和 |
|---|---|
| $avg | 计算平均值 |
| $min | 获取集合中所有文档对应值的最小值 |
| $max | 获取集合中所有文档对应值的最大值 |
| $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，但不创建副本 |
| $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最后一个文档数据 |
注意：以上操作不会修改集合的内容，只是将集合以指定形式输出。
举例
$project 修改文档结构输出
场景：有时候只需要输出文档中的几列，使用$project进行操作，还可以使用该聚合符对列名重命名
# 只输出作者 author 和学习人数 learning_num 信息 _id默认显示，这里设置为0不显示 非0为显示
db.educoder.aggregate({$project:{_id:0,author:1,learning_num:1}})
# 重命名为num
db.educoder.aggregate({$project:{course:1,authoe:1,tags:1,num:'$learning_num'}})
注意这里除了_id:0可以设置为0外，其他的只需要设置需要的列为1即可，不出现的不用设置为0，不然会报错。
$match 筛选文档输出
# 只输出作者为“李暾”的文档
db.educoder.aggregate({$match:{author:'李暾'}})
$limit
db.product.aggregate({$limit:3}).pretty() # 显示前3个文档
$skip
# 跳过前4个文档，展示集合 _id之后为4的文档
db.product.aggregate({$skip:4}).pretty()
#跳过第一条，显示前两条，也就是显示第2-3条文档
db.educoder.aggregate([{$skip:1},{$limit:2}])
#显示前两条，跳过第一条，也就是显示第2条文档
db.educoder.aggregate([{$limit:2},{$skip:1}])
$unwind
将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值
# 把tags数组里面的值拆开来
db.educoder.aggregate({$unwind:'$tags'})
# 统计每个tags中出现的次数
db.educoder.aggregate([{$unwind:'$tags'},{$group:{_id:'$tags',course_num:{$sum:1}}}])
$group
# 按作者分组，可以统计出当前集合有多少个作者
db.test.aggregate({$group:{_id:'$author'}})
# 按照type类分组，并分别求不同type组的price总额
db.product.aggregate([{$group:{"_id":"$type","price":{$sum:"$price"}}}])
$sort
# 1 升序 -1 降序
db.product.aggregate([{$sort:{"price":-1}}]).pretty() # 按照price降序输出
$sum
# 获取每个作者拥有的实训数量
db.educoder.aggregate([{$group:{_id:'$author',num_course:{$sum:1}}}])
# 每个作者的实训学习总人数learning_sum
db.educoder.aggregate([{$group:{_id:'$author',learning_sum:{$sum:'$learning_num'}}}])
$sum:1表示前面的情况出现一次就加1，$sum:2前面条件每满足一次就加2
$avg
# 每个type的平均价格
db.product.aggregate([{$group:{"_id":"$type","price":{$avg:"$price"}}}])
$min
# 不同type之中的最小值
db.product.aggregate([{$group:{"_id":"$type","price":{$min:"$price"}}}])
$push
# 按type分类并得到每个type中的所有name
db.product.aggregate([{$group:{"_id":"$type","name":{$push:"$name"}}}])
$first \ $last
# 每个type的第一个
db.product.aggregate([{$group:{"_id":"$type","name":{$first:"$name"}}}]).pretty()
# 每个type的最后一个
db.product.aggregate([{$group:{"_id":"$type","name":{$last:"$name"}}}]).pretty()
map-reduce操作
Map-Reduce操作先将集合中满足query的文档查询出来，然后将这些满足条件的文档输入到Map阶段中，并按照key进行分组，将key相同的文档的value存放到一个数组中，输出到Reduce阶段进行聚合处理。
Map-Reduce具体操作语法如下：
db.collection.mapReduce(
function() {emit(key,value);}, //map 函数
function(key,values) {return reduceFunction}, //reduce 函数
{
out: collection, // 输出集合的名字
query: document, // 筛选条件,符合条件的才会调用map函数
sort: document, // 发往map函数前给文档排序,可以优化分组机制
limit: number // 发往map函数的文档数量的上限
}
)
map函数调用emit(k,v)方法，遍历集合中的所有文档，返回k-v键值对，并将key和value输出到reduce函数中；reduce主要是将key-values变为key-value。
query、sort、limit都是在送入到map之前进行的操作。
案例：在集合orders中查找status:"A"的数据，，并根据cust_id分组，计算amount的和。
db.orders.mapReduce(
function() {emit(this.cust_id, this.amount);}, # map阶段
function(key, value) {return Array.sum(value)}, # reduce阶段
{
query:{status:"A"}, # query：条件
out:{"order_totals"}, # output：输出集合名字
}
)
关于mongodb的有关基础操作就先总结到这儿啦~
主要是还没整理这一块的知识点，自己的知识库都成一团了，就不发出来误导大家了如果对你有帮助的话，就让我看到吧🎈
转载自:https://juejin.cn/post/7168770573118504991