mongoDB心得——（一）基础篇

xxqyzsc

（一）、什么是NOSQL
1-1-1、NOSQL简介
　　NOSQL是not only sql 的缩写，它指的是非关系型的数据库，是以key-value形式存储（类似JAVASCRIPT中的基于面向对象的语言形式），和传统的关系型数据库不一样，不一定遵循传统数据的一些基本要求，比如遵循 sql标准、acid属性、表结构等，这类数据库主要特点有：非关系型的、分布式的、开源的、水平可扩展的。
1-1-2、NOSQL发展现状
　　目前国内外正在应用nosql 的网站有：
　　新浪微博                            Redis
　　Google                              Bigtable
　　淘宝数据平台                   Tair
　　视觉中国网站                   MongoDB
　　优酷运营数据分析         MongoDB
　　飞信空间                            HandlerSocket
　　豆瓣社区                            BeansDB
1-1-3、为什么要使用NOSql数据库
　　随着互联网的不断发展，各种类型的应用层出不穷，所以导致在这个云计算的时代，对技术提出了更多的需求。虽然关系型数据库已经在业界的数据存储方面占据不可动摇的地位，但是由于其天生的几个限制，使其很难满足下面的这几个需求：扩展困难，读写慢，成本高，有限的支撑容量。但是Nosql关注的是对数据高并发的读写和对海量数据的存储等，与关系型数据库相比，它们在架构和数据模型方面做了“减法”，而在扩展和并发等方面做了“加法”。
1-1-4、NoSql数据库的优缺点
　　在优势方面，主要体现在下面这几点：
　　简单的扩展
　　快速的读写
　　低廉的成本
　　灵活的数据模型
　　在不足方面，常见主要有以下几点：
　　不提供对SQL的支持
　　支持特性不够丰富
　　现有的产品不够成熟
（二）、认识MongoDB
1-2-1、MongoDB简介
　　MongoDB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，语法有点类似Javascript面向对象的查询语言，它是一个面向集合的，模式自由的文档型数据库。
　　面向集合（Collection-Orented）
　　意思是数据被分组存储在数据集中被称为一个集合（Collection）。每一个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合的概念类似关系型数据库里的表，不同的是它不需要定义任何模式。
　　模式自由（schema-free）
　　意思是集合里面没有列和行的概念， 下面两个记录可以存在于同一个集合里面：
　　{“name”：“mongo”}
　　{“age”：25}
　　文档型（documents）
　　意思是我们存储的数据时键-值对的集合，键是字符串，值可以是数据类型集合里的任意类型，包括数组和文档，每一个文档相当一关系数据库中的一条记录。

　　
1-2-2、MongoDB的特性
　　mongoDB的特点是高性能，易部署，易使用，存储数据非常方便，主要特性有：
　　面向集合存储，易于存储对象类型的数据        
　　模式自由
　　支持动态查询        
　　支持完全索引，包含内部对象
　　支持复制和故障恢复
　　使用高效的二进制数据存储，包括大型对象（如视频等）
　　自动处理碎片，以支持云计算层次的扩展性
　　文件存储格式为BSON（一种JSON（JavaScript Object Notation是一种轻量级的数据交换格式，它基于JavaScript的一个子集）的扩展）。
　　　　　　适用的场景：
　　持久化缓冲层
　　高效的实时性
　　用于对象及JSON数据的存储
　　高伸缩性的场景
　　大尺寸，低价值的数据存储
　　　　　　不适用的场景：
　　要求高度事务性的系统
　　传统的商业智能应用
　　复杂的多表查询
（三）、Windows下MongoDB操作
1-3-1、下载与解压
　　官方网站：http://www.mongodb.org/downloads。
　　下载对应版本，解压到C:\mongodb下（这个任意选择）。
　　在启动MongoDB之前，我们必须新建一个存放mongoDB数据和日志的目录。数据库目录：C:\mongodb\data\db，日志目录：C:\mongodb\data
1-3-2、运行服务端
　　打开CMD窗口，进入到C:\mongodb\bin目录下，运行服务端mongod.exe。
　　C:\>cd C:\mongodb\bin
　　C:\mongodb\bin>mongod.exe --dbpath=C:\mongodb\data\db --directoryperdb --logpath=C:\mongodb\data\logs --logappend  (注意是两个横线- -)
　　注：
　　日志文件为C:\mongodb\data\logs，以及添加方式记录（追加）。
　　数据目录为C:\mongodb\data\db，并且每个数据库将储存在一个单独的目录（--directoryperdb）。

服务端要一直运行。Ctrl+C可中断。切勿直接关闭窗口，否则会产生一个锁文件，使数据损坏，无法再次打开。

1-3-3、运行客户端
　　再打开一个CMD窗口，进入到C:\mongodb\bin目录下，运行客户端mongo.exe来登录mongodb。（要保持服务端mongod.exe的窗口不关闭），退出时使用exit命令。

　　
（四）、MongoDB的体系结构
1-4-1、数据库的逻辑关系对比：

逻辑关系对比
Mongodb	Mysql
Db(数据库)	Database(数据库)
Collection(集合)	Table(表)
Document(文档)	Row(行)
Field(列)	Col(字段)

1-4-2、数据存储结构对比：
　　Mysql的数据存储结构：
　　Mysql的每一个数据库存放在一个与数据库同门的文件夹中，Mysql如果使用MyISAM存储引擎，数据库文件类型就包括.frm、MYD、MYI。
　　MongoDB的数据存储结构：
　　MongoDB的默认数据目录是/data/db，它负责存储所有的MongoDB的数据文件。在MongoDB内部，每个数据库都包含一个.ns文件和一些数据文件，而且这些数据文件会随着数据量的增加而变得越来越多。所有如果系统中有一个叫guodb的数据库，那么构成guodb这个数据库的文件就会由guodb.ns，guodb.0，guodb.1等等组成。每个数据文件都会被预分配一个大小，第一个文件名字为“.0”，大小为64MB，第二个文件“.1”为128MB，依此类推，文件大小上限为2GB。

　　
1-4-3、MongoDB数据类型
　　MongoDB的文档使用BSON（Binary JSON）来组织数据，BSON类似于JSON，JSON只是一种简单的表示数据的方式，只包含了6种数据类型（null、布尔、数字、字符串、数组和对象），不能完成满足复杂业务需要，因此，BSON还提供日期、32位数字、64位数字等类型。一下对MongoDB的数据类型进行简要说明：
　　1、  null ——用以表示空值或不存在的字段
　　如：{“one”：null}
　　2、  布尔类型 ——有两个值‘true’和‘false’
　　如：{“one”：true}
　　3、  32为整数 ——MongoDB的控制台使用JS引擎进行输入，二JS仅支持64位浮点数，所以32位整数将会被自动转义
　　4、  64位整数 ——与32位整数一样，在mongoDB控制台使用时，会被自动转义成64位浮点数。
　　5、  64位浮点数 ——mongoDB控制台数字的默认类型。
　　如：{“one”:2.02}、 {“one”：10}
　　6、  字符串 ——UTF-8字符串都可以表示为字符串类型的数据。
　　如：{“one”：“hello world”}
　　7、  符号 ——在MongoDB控制台中不支持这种类型，将自动转换成字符串
　　8、  ObjectId类型 ——对象id是文档中唯一的12位的ID
　　0|1|2|3|4|5|6|7|8|9|10|11
　　时间戳 |机器码 |PID | 计数器
　　如：ObjectId（“4eae239f63520362e051e7fd”）
　　9、  日期 ——如：{“one”：new Date（）}
　　10、正则表达式——文档键值可以包含正则表达式，如：{“x”：{“name”：“Tom”，“age”：20}}
　　11、代码（函数）——如：{“one”：function（）{/*… … … */}}
　　12、数组——文档中的键值可以表示为数组，在数组中还可以嵌套数组
　　如：{“x”：[“a”,”b”,[“c”,”d”]]}
　　13、内嵌文档 ——文档可以包含别的文档，也可以作为值嵌入到父文档中
　　如：{“x”：{“name”：“Tom”，“age”：20}}
（五）、常用简单的数据操作
1-5-1. 新建数据库与数据集合：
　　MongoDB命令行客户端的脚本语法有些类似MySQL的：
　　1. 列出所有数据库
　　> show dbs              
　　2. 切换并产生数据库  
　　>use memo      // 使用数据库memo。即使这个数据库不存在也可以执行，但该数据库不会立刻被新建，要等到执行了insert等的操作时，才会建立这个数据库。
　　3. 列出当前数据库的collections
　　> show collections
　　4. 显示当前数据库
　　> db                  
　　5. 列出用户
　　> show users         
  
　　
1-5-2. 插入数据：（插入数据的方式有很丰富）
　　(1)     首先定义一个document（包括键和值，可以是多个），然后使用db.集合名.save(document)方法将数据加入到集合中。如：
　　document ={name:”guo”,addr:”hebei”};
　　db.g_test.save(document);
　　db.g_test.find();  //显示集合中的所有数据

　　(2)     使用db.集合名.insert()方法，方法中直接传递键和值（可多个，使用{}括起来）如：
　　db.g_test.insert(name:”guo2”,addr:”Beijing ”);
　　db.g_test.find();  //显示集合中的所有数据

　　(3)     同(1)先定义一个document，然后使用db.集合名.insert(document) 方法，

1-5-3. MongoDB的查询语法很强大，类似于SQL的条件查询。
　　例如，很多SQL可以做的，它都可以做：
　　db.g_test.find()                                                                // select * from g_test
　　db.g_test.find().limit(10)                                              // select * from g_test limit 10  (输出10条记录)
　　db.g_test.find().sort({x:1})                                           // select * from g_test order by x asc  (按x升序输出)
　　db.g_test.find().sort({x:1}).skip(5).limit(10)      // select * from g_test order by x asc limit 5, 10  (升序从第2个到第3个输出)
　　db.g_test.find({x:10})                                                    // select * from g_test where x = 10   (输出x=10的记录)
　　db.g_test.find({x: {$lt:10}})                                     // select * from g_test where x <= 10                   (                 )
　　db.g_test.find({}, {y:true})                                            // select y from g_test              (                 )
　　一些SQL不能做的，MongoDB也可以做：
　　db.g_test.find({"address.city":"gz"})                       // 搜索嵌套文档address中city值为gz的记录
　　db.g_test.find({likes:"math"})                                    // 搜索数组
　　db.g_test.ensureIndex({"address.city":1})    // 在嵌套文档的字段上建索引
1-5-4. 更新数据：
　　db. 集合名.update({},{})更新对象，第一个参数是查询对象，第二个是替代的，可以在第二个对象里指定更新哪些字段，要使用$set。

1-5-5. 删除条件查询：   
　　db. 集合名.remove({name:”guo3”});          //是用来删除数据，只删除匹配的对象

1-5-6. 删除数据集合（表）：
　　db. 集合名.drop();
   
1-5-7. 删除当前数据库：
　　db.dropDatabase();               

　　
　　总的来说，使用mongodb可以满足常见的增删改查，但是不能完成复杂的跨表级联查询，mongodb努力使数据变得简单紧凑。