MongoDB 笔记

一、基础概念

MongoDB 的特点是什么？

MongoDB是一种NoSQL数据库，具有以下特点：

1. 文档存储模型

   • MongoDB 使用 BSON（Binary JSON） 格式存储数据，数据以文档的形式组织，类似于JSON对象。
   • 文档可以包含嵌套结构（如数组和对象），非常适合存储复杂、非结构化的数据。

2. 高性能

   • MongoDB支持索引，能够快速查询数据。
   • 写入性能高，支持内存映射文件，能够高效处理大量数据。【内存映射文件是一种高效的文件访问技术，通过将文件直接映射到内存中，减少了传统文件 I/O 的开销。】

3. 水平扩展能力

   • MongoDB支持分片（Sharding），可以将数据分布到多个服务器上，实现水平扩展，适合处理大规模数据和高并发场景。

4. 高可用性

   • MongoDB通过 复制集 提供高可用性。复制集包含多个节点（主节点和从节点），当主节点故障时，系统会自动选举新的主节点，确保服务不中断。

5. 丰富的查询功能

   • 支持丰富的查询操作，包括范围查询、正则表达式查询、地理空间查询等。
   • 提供 聚合管道，支持复杂的数据分析和处理。

6. 事务支持

   • 从 MongoDB 4.0 开始，支持多文档事务，能够在分布式环境中保证数据的一致性。

---

MongoDB 和关系型数据库术语对比

概念	MongoDB	关系型数据库
数据库层级	数据库（Database）	数据库（Database）
数据集合	集合（Collection）	表（Table）
数据单元	文档（Document）	行（Row）
数据格式	BSON（Binary JSON）	行数据（Row Data）
数据结构	字段（Field）	列（Column）
嵌套结构	嵌套文档（Embedded Document）	关联表（Related Table）
数组支持	数组（Array）	多值列（Multi-value Column）
唯一标识	_id字段	主键（Primary Key）
查询语言	MongoDB 查询语言	SQL（Structured Query Language）
聚合操作	聚合管道（Aggregation Pipeline）	SQL聚合函数（如GROUP BY）
索引	索引（Index）	索引（Index）
复合索引	复合索引（Compound Index）	复合索引（Composite Index）
事务	多文档事务（Multi-Document Transactions）	事务（Transactions）
数据一致性	最终一致性（Eventual Consistency）	强一致性（Strong Consistency）
水平扩展	分片（Sharding）	分区（Partitioning）
高可用性	复制集（Replica Set）	主从复制（Master-Slave Replication）

---

BSON 格式的优势有哪些？

1. 二进制编码，高效存储和传输

• BSON 是二进制编码的 JSON，比文本格式的 JSON 更紧凑，减少了存储空间和网络传输的开销。
• 二进制格式解析速度更快，适合高性能场景。

2. 支持丰富的数据类型

• BSON 支持比 JSON 更多的数据类型，如 日期（Date）、二进制数据（BinData）、ObjectId、正则表达式（Regex）等。

3. 支持嵌套和复杂结构

• BSON可以表示嵌套的文档和数组，适合存储复杂的数据结构。
• 例如，一个文档中可以包含另一个文档或数组，而无需额外的关联表。

4. 高效查询

• BSON格式在存储时会记录字段的长度和类型信息，使得查询时可以直接定位数据，无需解析整个文档。

5. 支持索引

• BSON 格式允许 MongoDB 在文档的特定字段上创建索引，从而加速查询。
• 例如，可以在嵌套字段或数组字段上创建索引。

---

MongoDB 支持哪些数据类型？

1. 基本数据类型

• 字符串（String）
• 整数（Integer）
• 双精度浮点数（Double）
• 布尔值（Boolean
• 日期（Date）**
  • 用于存储日期和时间，例如："createdAt": ISODate("2023-10-01T12:00:00Z")。
• 空值（Null）

2. 特殊数据类型

• ObjectId

  • 用于唯一标识文档的12字节ID，例如："_id": ObjectId("507f1f77bcf86cd799439011")。

• 二进制数据（BinData）

  • 用于存储二进制数据，例如图片或文件，例如："file": BinData(0, "SGVsbG8gd29ybGQ=")。

• 正则表达式（Regex）

  • 用于存储正则表达式，例如："pattern": /^[A-Za-z]+$/。

• JavaScript代码（JavaScript）

  • 用于存储JavaScript代码，例如："script": "function() { return this.age > 18; }"。

• 时间戳（Timestamp）

  • 用于存储时间戳，通常用于内部操作，例如："ts": Timestamp(1696156800, 1)。

3. 复杂数据类型

• 数组（Array）**
  • 用于存储一组值，例如："hobbies": ["reading", "traveling", "coding"]。
• 嵌套文档（Embedded Document）**
  • 用于存储嵌套的文档，例如：

    "address": {
           
           
      "city": "New York",
      "zip": "10001"
    }
    

---

MongoDB 和 MySQL 哪个扩展性好一些？

一般来说，MongoDB的扩展性要优于MySQL，以下是从多个方面的分析：

• 数据模型
  • MongoDB：采用文档型数据模型，数据以JSON或BSON格式存储，具有高度的灵活性和可扩展性。文档结构可以随意变化，无需事先定义固定的表结构，非常适合处理不断变化的业务需求和非结构化数据。例如，在一个内容管理系统中，随着业务发展，需要为文章添加新的字段，如摘要、关键词等，在MongoDB中只需直接在文档中添加相应字段即可，无需对整个数据库结构进行修改。
  • MySQL：是关系型数据库，基于固定的表结构存储数据，表中的列和数据类型在创建时就需要明确指定。当业务需求发生变化，需要添加或修改列时，可能需要执行复杂的表结构变更操作，如ALTER TABLE语句，这在大型生产环境中可能会带来一些风险和性能问题。
• 分布式架构
  • MongoDB：原生支持分布式架构，其分片（Sharding）功能可以将数据分散存储在多个节点上，实现水平扩展。通过自动数据均衡和故障转移机制，能够轻松应对大规模数据和高并发读写场景。例如，一个大型电商系统的订单数据量非常大，使用MongoDB的分片功能可以将订单数据按照一定的分片键（如用户ID）分散到多个节点上，从而提高系统的读写性能和可扩展性。
  • MySQL：虽然也可以通过一些分布式方案来实现扩展，如主从复制、分布式数据库中间件等，但这些方案相对来说较为复杂，需要额外的配置和管理。而且，在分布式环境下，MySQL的事务处理和数据一致性保证可能会面临一些挑战。
• 读写性能
  • MongoDB：在处理高并发的读写请求时，MongoDB具有较好的性能表现。它采用了内存映射文件、异步I/O等技术，能够快速地读写数据。同时，由于文档型数据模型的特点，对于一些复杂的查询操作，可以通过索引和聚合管道等功能来高效地实现。例如，在一个社交媒体应用中，需要实时统计用户的点赞、评论等数据，MongoDB可以利用聚合管道快速地进行数据处理和分析。
  • MySQL：在处理大规模数据和高并发读写时，性能可能会受到一定的限制。尤其是在进行复杂的关联查询和事务处理时，可能会导致性能下降。为了提高性能，通常需要进行一些优化措施，如索引优化、查询语句优化、数据库参数调整等。

虽然MongoDB在扩展性方面具有一定的优势，但MySQL也有其自身的特点和适用场景。在实际应用中，需要根据具体的业务需求、数据量、并发量等因素来综合考虑选择合适的数据库。

---

二、数据操作

如何创建数据库和集合？

创建数据库：

• 使用 use 命令切换到指定数据库，如果数据库不存在则会自动创建。

  use myDatabase
  

创建集合：

• 使用 db.createCollection() 方法显式创建集合。

  db.createCollection("myCollection")
  

• 如果集合不存在，插入文档时会自动创建集合。

---

使用 insertOne() 和 insertMany() 插入文档？

{ name: “Alice”, age: 25 } 表示一个文档
insertOne()：

• 插入单个文档。

  db.myCollection.insertOne({
       
        name: "Alice", age: 25 })
  

• 注意事项：
  • 如果文档未指定 _id 字段，MongoDB 会自动生成一个唯一的 ObjectId。
  • 如果文档已存在 _id 字段，且 _id 已存在，则会抛出重复键错误。

insertMany()：

• 插入多个文档。

  db.myCollection.insertMany([
    {
       
        name: "Bob", age: 30 },
    {
       
        name: "Charlie", age: 35 }
  ])
  

• 注意事项：
  • 如果插入的文档中有重复的 _id，整个操作会失败（默认行为）。
  • 可以通过 ordered: false 选项忽略重复键错误，继续插入其他文档。

    db.myCollection.insertMany([
      {
           
            _id: 1, name: "Bob" },
      {
           
            _id: 1, name: "Charlie" }
    ], {
           
            ordered: false })
    

---

如何编写多条件查询语句（如年龄>25且性别为男）？

• 使用 $and 操作符或直接在查询对象中指定多个条件。

  db.myCollection.find({
       
       
    age: {
       
        $gt: 25 },
    gender: "male"
  })
  

---

如何使用投影操作符返回部分字段？

• 在 find() 的第二个参数中指定需要返回的字段（1 表示返回，0 表示不返回）。

  db.myCollection.find(
    {
       
        age: {
       
        $gt: 25 } },
    {
       
        name: 1, age: 1, _id: 0 }
  )
  

---

如何对查询结果进行排序？

• 使用 sort() 方法，1 表示升序，-1 表示降序。

  db.myCollection.find().sort({
       
        age: 1 })
  

---

如何使用聚合管道进行复杂数据处理？

• 使用 aggregate() 方法，结合多个阶段（如 $match、$group、$sort 等）处理数据。

db.users.aggregate([
  // 1. 过滤年龄大于 25 的用户
  {
   
    $match: {
   
    age: {
   
    $gt: 25 } } },

  // 2. 只保留 name 和 gender 字段
  {
   
    $project: {
   
    name: 1, gender: 1, _id: 0 } },

  // 3. 按 gender 分组，计算每组人数
  {
   
    $group: {
   
    _id: "$gender", total: {
   
    $sum: 1 } } },

  // 4. 按 total 字段降序排序
  {
   
    $sort: {
   
    total: -1 } },

  // 5. 只返回前 5 条结果
  {
   
    $limit: 5 }
])

---

如何更新满足条件的多个文档？

• 使用 updateMany() 方法。

  db.myCollection.updateMany(
    {
       
        age: {
       
        $gt: 25 } },
    {
       
        $set: {
       
        status: "active" } }
  )
  

---

如何删除满足条件的文档？

• 使用 deleteMany() 方法。

  db.myCollection.deleteMany({
       
        age: {
       
        $lt: 18 } })
  

---

如何实现文档的部分更新？

• 使用 $set 操作符更新指定字段。

  db.myCollection.updateOne(
    {
       
        name: "Alice" },
    {
       
        $set: {
       
        age: 26 } }
  )
  

---

三、索引

索引底层原理？

索引数据通过 B 树来存储，所有节点都有 Data 域，只要找到指定索引就可以进行访问，
单次查询从结构上来看要快于MySql（B+ 树）。

B 树结构：

<