Python调用MongoDB使用心得

本文是一个Python 使用MongoDB的简单教程，将使用pymongo对MongoDB进行的各种操作进行了简单的汇总，我们进行了简单整理，使用Python的同学可以看一看。

下载相应平台的版本，解压即可。为方便使用，将bin路径添加到系统path环境变量里。其中mongod是服务器，mongo是客户shell，然后创建数据文件目录：在c盘下创建data文件夹，里面创建db文件夹。

基本使用：

安装对应语言的Driver，Python 安装 pymongo

$ easy_install pymongo

使用方法总结，摘自官方教程

创建连接

>>>importpymongo
>>> connection=pymongo.Connection('localhost',27017)

切换数据库

?

1	>>> db = connection.test_database

获取collection

?

1	>>> collection = db.test_collection

db和collection都是延时创建的，在添加Document时才真正创建

文档添加，_id自动创建

?

1 2 3 4 5 6 7 8

>>> import datetime >>> post = { "author" : "Mike" , ...         "text" : "My first blog post!" , ...         "tags" : [ "mongodb" , "python" , "pymongo" ], ...         "date" : datetime.datetime.utcnow()} >>> posts = db.posts >>> posts.insert(post) ObjectId( '...' )

批量插入

?

1 2 3 4 5 6 7 8 9 10

>>> new_posts = [{ "author" : "Mike" , ...               "text" : "Another post!" , ...               "tags" : [ "bulk" , "insert" ], ...               "date" : datetime.datetime( 2009 , 11 , 12 , 11 , 14 )}, ...              { "author" : "Eliot" , ...               "title" : "MongoDB is fun" , ...               "text" : "and pretty easy too!" , ...               "date" : datetime.datetime( 2009 , 11 , 10 , 10 , 45 )}] >>> posts.insert(new_posts) [ObjectId( '...' ), ObjectId( '...' )]

获取所有collection（相当于SQL的show tables）

?

1 2	>>> db.collection_names() [u 'posts' , u 'system.indexes' ]

获取单个文档

?

1 2	>>> posts.find_one() {u 'date' : datetime.datetime(...), u 'text' : u 'My first blog post!' , u '_id' : ObjectId( '...' ), u 'author' : u 'Mike' , u 'tags' : [u 'mongodb' , u 'python' , u 'pymongo' ]}

查询多个文档

?

1 2 3 4 5 6

>> for post in posts.find(): ...   post ... {u 'date' : datetime.datetime(...), u 'text' : u 'My first blog post!' , u '_id' : ObjectId( '...' ), u 'author' : u 'Mike' , u 'tags' : [u 'mongodb' , u 'python' , u 'pymongo' ]} {u 'date' : datetime.datetime( 2009 , 11 , 12 , 11 , 14 ), u 'text' : u 'Another post!' , u '_id' : ObjectId( '...' ), u 'author' : u 'Mike' , u 'tags' : [u 'bulk' , u 'insert' ]} {u 'date' : datetime.datetime( 2009 , 11 , 10 , 10 , 45 ), u 'text' : u 'and pretty easy too!' , u '_id' : ObjectId( '...' ), u 'author' : u 'Eliot' , u 'title' : u 'MongoDB is fun' }

加条件的查询

?

1	>>> posts.find_one({ "author" : "Mike" })

高级查询

?

1	>>> posts.find({ "date" : { "$lt" : d}}).sort( "author" )

统计数量

?

1 2	>>> posts.count() 3

加索引

?

1 2 3

>>> from pymongo import ASCENDING, DESCENDING >>> posts.create_index([( "date" , DESCENDING), ( "author" , ASCENDING)]) u 'date_-1_author_1'

查看查询语句的性能

?

1 2 3 4

>>> posts.find({ "date" : { "$lt" : d}}).sort( "author" ).explain()[ "cursor" ] u 'BtreeCursor date_-1_author_1' >>> posts.find({ "date" : { "$lt" : d}}).sort( "author" ).explain()[ "nscanned" ] 2

附自己总结的一点小心得，仅供参考

缺点

• 不是全盘取代传统数据库（NoSQLFan：是否能取代需要看应用场景）
• 不支持复杂事务（NoSQLFan：MongoDB只支持对单个文档的原子操作）
• 文档中的整个树，不易搜索，4MB限制？（NoSQLFan：1.8版本已经修改为16M）

特点（NoSQLFan：作者在这里列举的很多只是一些表层的特点）：

• 文档型数据库，表结构可以内嵌
• 没有模式，避免空字段开销（Schema Free）
• 分布式支持
• 查询支持正则
• 动态扩展架构
• 32位的版本最多只能存储2.5GB的数据（NoSQLFan：最大文件尺寸为2G，生产环境推荐64位）

名词对应

• 一个数据项叫做 Document（NoSQLFan：对应MySQL中的单条记录）
• 一个文档嵌入另一个文档（comment 嵌入 post）叫做 Embed
• 储存一系列文档的地方叫做 Collections（NoSQLFan：对应MySQL中的表）
• 表间关联，叫做 Reference