mongodb3.4-配置以及使用

谁践踏了优雅 2022-09-27 04:53 142阅读 0赞

mongodb文档数据库：存储文档(BSON–>JSON二进制)  
封装磁盘–>gridfs–>多个BSON(json二进制)–>JS解析器解析成json  
特点:内部执行引擎为JS解析器，把文档存储成bson结构，查询时转换为JS对象，并通过熟悉的js语法来操作  
与传统数据库区别  
传统数据库，结构化数据，定好了表结构后，每一行的内容，必是符合表结构的，就是说列个数类型一样  
mongodb：表下的每篇文档都可以有自己独特的结构(json对象都可以有自己独特的属性和值)  
场景：影片影评回复打分，传统数据库至少4张表，关系复杂。而文档数据库中，通过一篇文档即可完成

—程序功能解释  
mongo：交互终端(客户端)  
mongod：服务端，数据库核心进程  
mongos:查询路由器，集群时用(数据库分片使用)  
mongoexport:导出json,csv,tsv格式  
mongoimport:导入json,csv,tsv  
mongodump：导出bson  
mongorestore:导入bson  
bsondump：bson转换json  
monoplog：  
mongostats:  
mongotop:  
mongosniff:检查mongo运行状态  
mongodb启动后占用空间3-4G，可以用–smallfiles启动，减少启动内存,400M左右

启动服务  
mongod –help  
mongod -dbpath(数据库存储目录) –logpath(日志存储目录) –fork(后台进程运行,window不支持版本2.X以上) –port(默认27017)  
mongod –dbpath G:\\MongoDB\\data –logpath G:\\MongoDB\\log\\mongodb.log  
mongo：连接

常用命令  
show databases/dbs;:查看所有数据库  
db:查看当前数据库  
show tables/collections;:查看当前库下的collection  
use databaseName;：选库,也可隐式创建库  
db.help():查看帮助  
db.createCollection(‘表名’);:创建表,  
创建固定集合,大小为100K，文档100，达到文档数量上限时,根据容量清除文档  
db.createCollection(‘表名’,\{capped:true,size:100,max:100\})  
db.表名.insert:隐式创建  
db.表名.insert(\{\_id:3,name:’haha’,hobby:\[‘打篮球’,’羽毛球’\]\});：插入数据(json格式)，不指定id默认自动生成，类似主键  
db.表名.insert(\[\{jsonObject\},\{jsonObject\}\]:创建多个文档  
db.表名.find();:查询表下文档信息  
db.表名.drop();：删除表  
db.dropDatabase();:删除数据库  
db.表名.remove(查询表达式,选项):  
查询表达式:匹配属性等于value的所有对象，进行删除  
选项(true/false):是否只删除一行，默认false  
查询表达式依旧是一个json对象，查询匹配的行将被删除  
db.user.remove(\{\})清空表所有  
db.表名.remove(\{\_id:1\});：删除id含有1的所有文档  
db.表名.update(查询表达式,新值or赋值表达式,操作选项);  
改谁:查询表达式  
改成怎样:新值or赋值表达式  
db.user.update(\{name:’hehe’\},\{name:’1’\});：查询该文档赋予新值  
db.user.update(\{name:’hah’\},\{ set:\{name:’heh’\}\});:查询文档，修改某列值  
查询文档，修改某列值，删除某列，增长某列  
db.user.insert(\{name:’wukong’,sex:’gril’,age:10\});  
db.user.update(\{name:’wukong’\},\{$set:\{name:'dzsf'\},$unset:\{sex:0\},$inc:\{age:16\}\});  
操作选项:可选参数  
multi(true/false):命中多行，默认false修改一行  
db.user.update(\{name:’wukong’\},\{$set:\{name:’houzia’\}\},\{multi:true\});  
upsert(true/false):默认false，设置true后，有则修改，没则新增，类似mysql，replace  
使用set增加1个字段:db.user.update(\{name:'wua'\},\{ set:\{name:’hah’\}\},\{upsert:true\});  
使用set增加多个字段：db.user.update(\{name:'wu'\},\{ set:\{name:’hah’,gender:0\}\},\{upsert:true\});  
使用setOnInsert补充字段:db.user.update(\{name:'w'\},\{ set:name:′hah′,gender:0,setOnInsert:\{male:’man’\}\},\{upsert:true\});  
赋值表达式  
set:修改某列值unset：删除某列,值为数字，字母均可  
rename：重命名某列inc：增长某列  
$setOnInsert:当upsert为true时,且发生了insert操作,补充里面的字段

db.表名.find(查询表达式，查询的列): 
    db.表名.find():查询所有文档
    db.user.find({},{name:1,gender:1,_id:0}):查询所有文档,name和gender属性,不查询_id
    db.user.find({name:'hah'},{gender:1,_id:0});：查询name为hah文档的gender属性,不查询_id

子文档查询  
db.user.insert(\{name:’zhagnsan’,spc:\{area:’taiwan’\}\});  
db.user.find(\{‘spc.area’:’taiwan’\});

查询名字不为wukong的文档\{field:\{ ne:value\}\}  
db.user.find(\{name:\{$ne:’wukong’\}\});  
比较运算符gt >  
gte>=lt <  
lte<=ne !=  
ininnin not in  
all指数组所有单元匹配,field:$all:\[v1,v2\]查询价格超过3000的文档db.user.find(price:$gt:3000);查询价格为1和10区间的文档db.user.find(price:$in:\[1,10\]);查询列值至少包括a,bdb.user.insert(hobby:\[‘a′,′b′,′c′\]);db.user.insert(hobby:\[‘a′,′d′,′c′\]);db.user.find(hobby:$all:\[‘a′,′b′\]);逻辑运算符or or  
andandnot not  
nor所有列举条件都不成功则为真取出商品>1000且<=500的文档price:$gt:1000,price:$lte:500db.user.find($and:\[price:$gt:1000,price:$lte:500\]);查询不属于第3类别和第5类别的商品type:$ne:3,type:$ne:5db.user.find($and:\[type:$ne:3,type:$ne:5\]);db.user.find(type:$nin:\[3,5\]);db.user.find($nor:\[type:3,type:5\]);查询不属于第3类别和第5类别的商品或者>1000且<=500的商品$and:\[type:$ne:3,type:$ne:5\],$and:\[price:$gt:1000,price:$lte:500\]db.user.find($or:\[$and:\[type:$ne:3,type:$ne:5\],$and:\[price:$gt:1000,price:$lte:500\]\]);元素运算符exists:某列存在则为真,1存在，0不存在  
mod:满足求余条件则为真type:数据为某类型为真,[https://docs.mongodb.com/manual/reference/operator/query/type/][https_docs.mongodb.com_manual_reference_operator_query_type]  
取出price%5=1的商品,即1,6,11,16..  
db.user.find(\{price:\{ mod:\[5,1\]\}\});  
查询存在price列的商品  
db.user.find(\{price:\{$exists:1\}\});  
查询age类型为字符串的商品(注:string为2，double为1)  
db.user.find(\{age:\{$type:1\}\});  
js运算符,bson转换json对象然后js引擎处理，效率慢where:js表达式匹配则为真,db.user.find(\{ where:’this.price>100&&this.price<200’\});regex:正则表达式匹配则为真,db.user.find(\{name:\{$regex:/^wukong\*/\}\});

=============游标操作  
由于使用js解析，所以可以直接输入js语句  
for(var i=0;i<10000;i++)\{  
db.user.insert(\{sn:i,col1:’aa’+i\});  
\};  
声明游标  
var cursor=db.user.find(\{\});  
cursor.hasNext():判断游标是否到尽头  
cursor.next()：取出游标的下一个单元  
print(cursor.next()):输出bson  
printjson(cursor.next()):输出json  
while(cursor.hasNext())\{printjson(cursor.next());\};  
一次性获取所有数据，返回数组，缺点会把所有的行立即以对象形式组织在内存中  
printjson(cursor.toArray()):看到所有  
printjson(cursor.toArray\[2\]):看到第二行  
使用游标迭代函数，处理单元  
cursor.forEach(function(obj)\{printjson(obj);\});  
游标分作用，skip,limit  
跳过9000条，取10条  
var cursor=db.user.find(\{\}).skip(9000).limit(10);  
db.user.find(\{\}).skip(9000).limit(10):可以直接输出

==================索引  
1:提高查询速度，降低写入速度  
2:索引可以按照字段升序降序创建，便于排序  
3:默认采用btree,2.4之后支持hash索引  
db.collection.find(\{sn:1\}).explain():查看查询计划  
“stage” : “COLLSCAN”,COLLSCAN表示全表扫描。  
“stage” : “IXSCAN”:表示进行的是index scanning。  
索引作用类型：单列索引，多列索引，子文档索引  
db.user.ensureIndex(\{sn:1\});:添加单列索引,1正序，-1降序  
db.user.ensureIndex(\{sn:1,name:1\}):创建多列索引  
db.user.ensureIndex(\{‘spc.area’:1\}):子文档索引  
db.user.insert(\{name:’zhagnsan’,spc:\{area:’taiwan’\}\});  
db.user.find(\{‘spc.area’:’taiwan’\});  
索引性质：普通索引，唯一索引，稀疏索引，hash索引  
db.user.ensureIndex(\{sn:1\},\{unique:true\})  
稀疏索引:索引列为空的不创建索引,普通索引则会为null创建索引  
db.ter.ensureIndex(\{email:-1\},\{sparse:true\});  
hash索引：不能针对多列创建hash  
db.ter.ensureIndex(\{email:’hashed’\});

db.user.getIndexes():查看索引  
db.user.dropIndex(\{sn:1\}):删除索引,要指定排序类型  
db.user.dropIndexes():删除所有  
db.user.reindex():重建索引,减少索引文件碎片,提升效率，类似mysql,optimize table

======================用户管理  
牵扯到服务器配置层面的操作,需要先切换到admin数据库,进入超级用户管理模式:use admin  
mongo的用户是以数据库为单位建立的，每个数据库有自己的管理员  
在设置用户时,需要先在admin数据库下建立一个管理员,这个管理员登陆后,相当于超级管理员  
db.createUser(\{user:”root”,pwd:”root”,roles:\[\{role:”readWrite”,db:”admin”\}\]\});  
登录需要开启权限验证  
mongod –dbpath G:\\MongoDB\\data –logpath G:\\MongoDB\\log\\mongodb.log –auth  
权限验证  
db.auth(‘root1’, ‘root1’);  
db.changeUserPassword(‘root’, ‘root123’);  
db.createUser(\{user:”root1”,pwd:”root1”,roles:\[\{role:”readWrite”\]\});  
db.dropUser(‘root’);

Built-In Roles（内置角色）：  
1. 数据库用户角色：read、readWrite;  
2. 数据库管理角色：dbAdmin、dbOwner、userAdmin；  
3. 集群管理角色：clusterAdmin、clusterManager、clusterMonitor、hostManager；  
4. 备份恢复角色：backup、restore；  
5. 所有数据库角色：readAnyDatabase、readWriteAnyDatabase、userAdminAnyDatabase、dbAdminAnyDatabase  
6. 超级用户角色：root  
// 这里还有几个角色间接或直接提供了系统超级用户的访问（dbOwner 、userAdmin、userAdminAnyDatabase）  
7. 内部角色：\_\_system  
Read：允许用户读取指定数据库  
readWrite：允许用户读写指定数据库  
dbAdmin：允许用户在指定数据库中执行管理函数，如索引创建、删除，查看统计或访问system.profile  
userAdmin：允许用户向system.users集合写入，可以找指定数据库里创建、删除和管理用户  
clusterAdmin：只在admin数据库中可用，赋予用户所有分片和复制集相关函数的管理权限。  
readAnyDatabase：只在admin数据库中可用，赋予用户所有数据库的读权限  
readWriteAnyDatabase：只在admin数据库中可用，赋予用户所有数据库的读写权限  
userAdminAnyDatabase：只在admin数据库中可用，赋予用户所有数据库的userAdmin权限  
dbAdminAnyDatabase：只在admin数据库中可用，赋予用户所有数据库的dbAdmin权限。  
root：只在admin数据库中可用。超级账号，超级权限

===========================导入导出  
通用选项  
\-h host  
\-port port  
\-u username  
\-p password

导出,默认json  
\-d 库名  
\-c 表名  
\-f field1,field2…列名  
\-q 查询表达式,单引号括起来有问题  
–csv 导出csv格式  
\-o 导出文件名  
mongoexport -d test -c user -f sn,col1 -q “\{sn:\{$lte:1000\}\}” -o ./test.user.json

导入  
\-d 导入的数据  
\-c 导入的表(不存在则创建)  
–type csv/json(默认)  
–file 备份文件路径  
–headerline 跳过第一行  
mongoimport -d test -c user1 –file ./test.user.json  
新版本不需要指定列名,直接跳过第一行即可，第一行的值作为列  
mongoimport -d test -c user2 –file ./test.user.csv –type csv –headerline

二进制导入导出，  
\-d 库名  
\-c 表名,不声明导出库下所有  
\-f field1.field2..列名  
–dir:备份数据所在位置，例如：/home/mongodump/itcast/  
–drop:恢复的时候，先删除当前数据，然后恢复备份的数据。就是说，恢复后，备份后添加修改的数据都会被删除，  
mongodump:导出2进制bson结构的数据以及json格式索引信息,默认导出到mongo/dump/dbName目录  
mongodump -d test -c user1  
mongorestore -d test –dir dump/test

======================副本集replication set  
是一组保持相同数据集合的mongod实例,其中1个mongod为primary,接受全部写操作,其余secondary负责读操作  
primary instance打开oplog,secondary读取oplog,并产生相同数据集  
primary和secondary之间相互通信，secondary之间也互相通信,获取对方健康程度,以便当primary宕机时选择谁作为primary  
1:创建目录  
md r1 r2 r3  
2:启动3实例,且声明实例属于某复制集(复制集一致)  
mongod –dbpath G:\\MongoDB\\data\\r1 –logpath G:\\MongoDB\\log\\r1\\mongodb.log –port 27017 –replSet rs –smallfiles  
mongod –dbpath G:\\MongoDB\\data\\r2 –logpath G:\\MongoDB\\log\\r2\\mongodb.log –port 27018 –replSet rs –smallfiles  
mongod –dbpath G:\\MongoDB\\data\\r3 –logpath G:\\MongoDB\\log\\r3\\mongodb.log –port 27019 –replSet rs –smallfiles  
3:配置,初始化,第一个默认primary  
use admin  
var rsconf=\{  
\_id:’rs’,  
members : \[  
\{  
\_id:0,  
host:’192.168.1.103:27017’  
\},  
\{  
\_id:1,  
host:’192.168.1.103:27018’  
\},  
\{  
\_id:2,  
host:’192.168.1.103:27019’  
\}  
\]  
\}  
rs.initiate(rsconf);  
查看状态:rs.status();  
删除实例:rs.remove(‘192.168.1.103:27019’);  
添加实例::rs.add(‘192.168.1.103:27019’);  
在primary添加数据后，在secondary中默认不能读写只和primary通信:rs.slaveOk();  
db.shutdownServer():关闭实例，会发现立刻切换到从节点上

===============分片  
1:多个mongod  
2:一个路由(mongos)  
3:configsvr维护meta信息  
4:分片规则(configsvr才能维护)

3.4要求配置服务器必须也是副本集  
准备数据节点  
mongod –dbpath G:\\MongoDB\\data\\r1 –logpath G:\\MongoDB\\log\\r1\\mongodb.log –port 27017 –shardsvr –smallfiles  
mongod –dbpath G:\\MongoDB\\data\\r2 –logpath G:\\MongoDB\\log\\r2\\mongodb.log –port 27018 –shardsvr –smallfiles  
启动配置服务器  
mongod –dbpath G:\\MongoDB\\data\\r3 –logpath G:\\MongoDB\\log\\r3\\mongodb.log –port 27019 –replSet rs –configsvr  
mongo –port 27019  
var rsconf=\{  
\_id:’rs’,  
members : \[  
\{  
\_id:0,  
host:’192.168.1.103:27019’  
\}  
\]  
\}  
rs.initiate(rsconf);  
启动路由  
mongos –configdb rs/127.0.0.1:27019 –port 27020 –logpath G:\\MongoDB\\log\\r4\\mongodb.log  
连接:mongo –port 27020  
添加分片  
sh.addShard(‘192.168.1.103:27017’)  
sh.addShard(‘192.168.1.103:27018’)  
查看信息:sh.status();  
shop库分片:sh.enableSharding(‘shop’);  
shop分片的表,goods\_id:利用它计算分到哪一个片上,这个field称为片键,shard key  
sh.shardCollection(‘shop.goods’,\{goods\_id:1\});

手动预先分片  
mongodb不是从单篇文档的级别绝对平均散落在各个片上.而是N篇文档形成一个”chunk”,  
当这个片上的chunk比另一个片的chunk比较大时，会把本片上chunk移到另一个片上，随着数据增多,chunk来回移动增加io  
手动预先分片:定义一个规则,N条数据形成一个快,预先分配M个chunk,M个chunk预先分配在不同片上,减少IO操作  
sh.shardCollection(‘shop.user’,\{userid:1\});  
预先在1k,2k…40k这样的界限切好chunk,虽然chunk是空的，但会均匀的分配到各个片上  
for(var i=0;i<40;i++)\{sh.splitAt(“shop.user”,\{userid:i\*1000\});\}

==============聚合与mapreduce  
分组统计:group(),不支持分布式运算  
聚合：aggregate(),支持分布式;  
统计：mapreduce(),支持分布式;  
[https://docs.mongodb.com/manual/reference/operator/aggregation/interface/][https_docs.mongodb.com_manual_reference_operator_aggregation_interface]  
group:[https://docs.mongodb.com/manual/reference/method/db.collection.group/\#db.collection.group][https_docs.mongodb.com_manual_reference_method_db.collection.group_db.collection.group]  
db.collection.group(\{  
key:\{key1:1,key2:1\},分组字段  
cond:\{\},查询条件  
reduce:function(curr,result)\{\},聚合函数,curr遍历的每一行,result统计每组信息  
initial:\{\},初始化result  
finalize:function()\{\}统计一组后的回调函数  
\});

select cat_id,count(cat_id) as cnt from goods where price>50 group by cat_id asc;
        {
        key:{cat_id:1},
        cond:{price>50},
        reduce:function(curr,result){result.cnt+=1;},
        initial:{cnt:0}
        }
    
    select cat_id,sum(goods_number) from goods group by cat_id;
        {
        key:{cat_id:1},
        cond:{},
        reduce:function(curr,result){result.num+=curr.goods_number;},
        initial:{num:0}
        });
    
    select cat_id,max(price) from goods group by cat_id;
        {
        key:{cat_id:1},
        cond:{},
        reduce:function(curr,result){
            if(result.max<curr.price)result.max=curr.price;
        },
        initial:{max:0}
        }
    
    select cat_id,avg(price) from goods group by cat_id;
        {
        key:{cat_id:1},
        cond:{},
        reduce:function(curr,result){
            result.num+=curr.price;
            result.count+=1;
        },
        initial:{num:0,count:0},
        finalize:function(result){
            result.avg=result.num/result.count;
        }
        };

aggregate:  
group by grouphavingmatch  
select projectorderbysort  
sum sumcountsum  
limit limit统计每个栏目下价格>50的商品数量,库存量,平均价格,且商品数量>=3按照升序排序取前5条数据cat\_id去掉表示常量  
match放在group之前表示where,之后表示having  
sort：-1表示倒序，1相反  
db.collection.aggregate(\[  
\{ match:\{price:\{ gt:50\}\}\},  
\{ group:\{\_id:"cat\_id",total:\{ sum:1\},sum:\{ sum:"number"\},avg:\{ avg:"price”\}\}\},  
\{ match:\{total:\{ gte:3\}\}\},  
\{ sort:\{total:1\}\},  
\{ limit:5\}  
\]);  
查询商品总数  
db.collection.aggregate(\[  
\{ group:\{\_id:null,total:\{ sum:1\}\}\}  
\]);

mapreduce:结合shard使用  
var map=function()\{emit(this.cat\_id,this.price);\}  
var reduce=function(cat\_id,values)\{return Array.avg(values);\}  
db.goods.mapReduce(map,reduce,\{out:’res’\});//输出到res表

[https_docs.mongodb.com_manual_reference_operator_query_type]: https://docs.mongodb.com/manual/reference/operator/query/type/
[https_docs.mongodb.com_manual_reference_operator_aggregation_interface]: https://docs.mongodb.com/manual/reference/operator/aggregation/interface/
[https_docs.mongodb.com_manual_reference_method_db.collection.group_db.collection.group]: https://docs.mongodb.com/manual/reference/method/db.collection.group/#db.collection.group