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。它支持的数据结构非常松散。因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持查询的语言非常强大，其语法有点类似于面对对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据库建立索引。

SQL与NoSQL的主要区别

在SQL中层级关系:数据库->表->数据
在NoSQL中是:数据库->集合->数据

MongoDB的优势

1.无数据结构限制

（1）没有表结构的概念，每条记录可以有完全不同的结构；

（2）业务开发方便；


{name:'小明',sex:'男'}
{name:'jerry',address:'东北'}
{name:'小红',home:[{'山东'},{江西}]}

2.大数据量和高性能

（1）nosql数据库都具有非常高的读写性能，尤其在大数据量下表现优秀；

3.良好的支持

（1）完善的说明解释文档；

（2）齐全的驱动支持；

MongoDB在Ubuntu中安装

（1）在Linux中安装MongoDB

sudo apt-get install mongodb

（2）开启服务


sudo service mongodb start

（3）关闭服务

sudo service mongodb stop

（4）重启服务

sudo service mongodb restart

注意：如果是系统非正常关闭，这样启动会报错，由于mongodb自动被锁上了，这是需要进入mongodb数据库文件所在的目录（/var/lib/mongodb/）,删除目录中的mongodb.lock文件,然后再进行上述操作。

远程连接


需要修改 /etc/mongodb.conf 
打开文件：          
sudo vim /etc/mongodb.conf
注释掉 bind 127.0.0.1

MongoDB在Windows中的安装

网址：MongoDB Community Download | MongoDBhttps://www.mongodb.com/download-center/community

安装配置教程：

Windows下MongoDB的下载安装、环境配置 - chy_18883701161 - 博客园 (cnblogs.com)https://www.cnblogs.com/chy18883701161/p/11100560.html

运行MongoDB

1.把MongoDB的bin目录加入到环境变量中

2.执行命令

mongod --dbpath C:\Program Files\MongoDB\Server\4.4\data  # 启动

连接MongoDB

在环境变量设置好的前提下,使用以下命令 mongo 就可以进入到mongo的操作终端了

查看帮助命令：

mongo -help

MongoDB概念介绍

MongoDB三要素

三元素：数据库，集合，文档

（1）文档：就是关系型数据库中的一行，文档是一个对象，由键值对构成，是json的扩展形式；

{"name": "abc", "gender": 1}

（2）集合：就是关系型数据库中的表。可以存储多个文档，结构可以不固定；


{"name": "abc", "gender": 1}
{"name": "abc", "age": 18}
{"title": "abc", "price": 1}

（3）数据库：可以存储多个集合；

MongoDB中数据库的基本使用

（1）查看数据库：show dbs

（2）切换数据库：use 数据库

（3）查看当前的数据库：db

（4）删除数据库：db.dropDatabase()

（5）会自动创建数据库use 数据库

（6）查看集合：show tables/show collections

MongoDB中数据库的基础命令

不手动创建集合,向不存在的集合中第一次加入数据时，集合会被创建出来！！！！

（1）手动创建集合 : db.createCollection(name,options)

name: 要创建的集合名称
options: 可选参数, 指定有关内存大小及索引的选项

db.createCollection('sub',{capped:true,size:10})

参数capped:默认值为false表示不设置上限，值为true表示设置上限
参数size:当capped值为true时，需要制定此参数。表示上限大小，当文档达到上限时，会将之前的数据覆盖，单位为字节

（2）查看集合

show collections

（3）删除集合：db.集合名称.drop()

MongoDB的数据类型

String:字符串，必须是有效的UTF-8
Boolean:存储一个布尔值，true或者false
Integer:整数可以是32位或64位，这取决于服务器
Double:存储浮点数
Arrays:数组或列表
Object:嵌入式文档
Null:存储Null值
Timestamp:时间戳，表示从1970-1-1到现在的总秒数
Object ID是一个12字节的十六进制数

数据库命名规范


1.不能是空字符串
2.不得含有特殊字符
3.应全部小写
4.最多64个字节
5.数据库名不能与现有系统保留库同名，如admin,local

MongoDB的增删改查

MongoDB插入数据

db.集合名.insert({}) 数据格式为json,id不能重复，支持多条插入数据库

单条插入数据

db.jerry_collection.insert({x:1})

多条插入数据

（1）使用循环插入

for(i=3;i<10;i++)db.jerry3.insert({x:i})

（2）字典外嵌套列表插入


db.stu.insert([{"name" : "张三", "hometown" : "长沙", "age" : 20, "gender" : true },
{"name" : "老李", "hometown" : "广州", "age" : 18, "gender" : false },
{"name" : "王麻子", "hometown" : "北京", "age" : 18, "gender" : false },
{"name" : "刘六", "hometown" : "深圳", "age" : 40, "gender" : true },
{"name" : "jerry", "hometown" : "长沙", "age" : 16, "gender" : true },
{"name" : "小永", "hometown" : "广州", "age" : 45, "gender" : true },
{"name" : "老amy", "hometown" : "衡阳", "age" : 18, "gender" : true }])

MongoDB的保存

命令：db.集合名称.save(document)


db.stu.save({_id:ObjectId("5f169b37d74866264ed9a7db"), name:'gj', gender:2})
db.stu.save({name:'gj', gender:2})
db.stu.find()

MongoDB的查询数据

测试数据


db.stu.insert([{"name" : "张三", "hometown" : "长沙", "age" : 20, "gender" : true },
{"name" : "老李", "hometown" : "广州", "age" : 18, "gender" : false },
{"name" : "王麻子", "hometown" : "北京", "age" : 18, "gender" : false },
{"name" : "刘六", "hometown" : "深圳", "age" : 40, "gender" : true },
{"name" : "jerry", "hometown" : "长沙", "age" : 16, "gender" : true },
{"name" : "小永", "hometown" : "广州", "age" : 45, "gender" : true },
{"name" : "老amy", "hometown" : "衡阳", "age" : 18, "gender" : true }])

查询所有数据

db.jerry_collection.find({条件⽂档})

pretty（）将结果格式化

db.集合名称.find({条件⽂档}).pretty()

查询单条数据

db.jerry_collection.findOne({条件⽂档})

带有条件的查询


查询x等于100的数据
db.jerry_collection.find({x:100})
 
查询x等于100，y等于99的
db.jerry_collection.find({x:100,y:99})

比较运算符


等于：默认是等于判断，没有运算符
小于：$lt
小于等于：$lte
大于：$gt
大于等于：$gte
 
查询y大于等于18的数据
db.jerryn_collection.find({y:{$gte:18}})

范围运算符


使用$in,$nin判断是否在某个范围内查询年龄为18、28的学生
db.jerry_collection.find({age:{$in:[18,28]}})

逻辑运算符


or:使用$or，值为数组，数组中每个元素为json
db.jerry_collection.find({$or:[{age:{$gt:18}},{gender:false}]})

自定义查询

mongo shell 是一个js的执行环境

使用$where 写一个函数，返回满足条件的数据


查询年龄大于30的学生
db.jerry_collection.find({
 $where:function() {
     return this.age>30;}
})

查询结果操作

查出的数据求总数

db.jerry_collection.find().count()

limit和skip


limit用于读取指定数量的文档
db.jerryn_collection.find().limit(2)
 
skip用于跳过指定数量的文档
db.jerry_collection.find().skip(2)
 
limit和skip同时使用
db.jerry_collection.find().skip(2).limit(2)

映射

指定返回的字段,如果为1则返回改字段，如果为0则除了改字段外所有字段返回。id如果没写会默认返回

db.jerry_collection.find({},{_id:1})

排序


按照年龄升序排序
db.jerry_collection().find().sort({age:1})
 
按照年龄降序排序
db.jerry_collection().find().sort({age:-1})

修改数据

db.集合名称.update({query}, {update}, {multi: boolean})

参数query:查询条件
参数update:更新操作符
参数multi:可选，默认是false，表示只更新找到的第一条数据，值为true表示把满足条件的数据全部更新


db.jerry_collection.insert({x:100,y:100,z:100})
{ "_id" : ObjectId("59b297dd8fa0c171faae5bc8"), "x" : 100, "y" : 100, "z" : 100 }
 
db.jerry_collection.update({x:100},{y:99})
修改后数据变为  
{ "_id" : ObjectId("59b297dd8fa0c171faae5bc8"), "y" : 99 }
 
部分更新
db.jerry_collection.update({x:100},{$set:{y:99}})
 
如果y:100数据不存在，就插入y:101这条数据，第三个参数为true
db.jerry_collection.update({y:100},{y:101},true)
 
更新多条
db.jerry_collection.update({y:99},{$set:{y:101}},{multi:true})

删除数据


db.jerry_collection.remove({条件},{justOne:true})  mongoDB为了防止误删除，条件必须写
db.jerry_collection.remove()   删除所有数据，索引不会删除
db.jerry_collection.remove({x:100})

删除表

db.jerry_collection.drop()

聚合

聚合是基于数据处理的聚合管道，每个文档通过一个由多个阶段组成的管道，可以对每个阶段的管道进行分组、过滤等功能，然后经过一系列的处理，输出相应的结果

常用的管道


$group:将集合中的文档分组，可用于统计结果
$match:过滤数据，只输出符合条件的文档
$sort:将输入文档排序后输出
$limit:限制聚合管道返回的文档书
$skip:跳过指定数量的文档，并返回余下的文档

测试数据


db.stu.insert({name:"a", hometown: '东北', age: 20, gender: true})
db.stu.insert({name:"b", hometown: '长沙', age: 18, gender: false})
db.stu.insert({name:"c", hometown: '武汉', age: 18, gender: false})
db.stu.insert({name:"d", hometown: '华山', age: 40, gender: true})
db.stu.insert({name:"e", hometown: '山东', age: 16, gender: true})
db.stu.insert({name:"f", hometown: '江苏', age: 45, gender: true})
db.stu.insert({name:"g", hometown: '大理', age: 18, gender: true})

表达式

处理输⼊⽂档并输出

语法：表达式:'$列名'

常⽤表达式:


$sum： 计算总和， $sum:1 表示以⼀倍计数
$avg： 计算平均值
$min： 获取最⼩值
$max： 获取最⼤值
$push： 在结果⽂档中插⼊值到⼀个数组中
$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

$group

将集合中的文档分组，课用于统计结果

_id表示分组的依据，使用某个字段的格式为 '$字段'

按照gender分组


db.students.aggregate(
    {$group:{_id:'$gender',count:{$sum:1}}}
)

按照gender分组,获取不同组的平均年龄


db.students.aggregate(
    {$group:{_id:'$gender',count:{$sum:1},avg_age:{$avg:"$age"}}}
)

$match

match是管道命令，能将结果交给后一个管道

查询年龄大于20的学生


db.students.aggregate(
    {$match:{age:{$gt:20}}}
)

查询年龄大于20的男生，女生人数


db.students.aggregate(
    {$match:{age:{$gt:20}}},
    {$group:{_id:'$gender',count:{$sum:1}}}
)

Mongodb创建索引

1. 为什么mongdb需要创建索引

加快查询速度
进行数据的去重

2. mongodb创建简单的索引方法

语法：db.集合名.ensureIndex({属性:1})，1表示升序， -1表示降序

3. 创建索引前后查询速度对比

测试：插入10万条数据到数据库中

插入数据

for(i=0;i<100000;i++){db.test.insert({name:'test'+i,age:i})}

创建索引前


db.test.find({name:'test9999'})
db.test.find({name:'test9999'}).explain('executionStats') # 显示查询操作的详细信息

创建索引

db.test.ensureIndex({name:1})

创建索引后

db.test.find({name:'test9999'}).explain('executionStats')

4. 索引的查看

默认情况下_id是集合的索引

查看方式：db.集合名.getIndexes()

5. 删除索引

语法：db.集合名.dropIndex({'索引名称':1})


db.test.dropIndex({name:1})
db.test.getIndexes()

Mongodb和Python的交互

pymongo安装

pip install pymongo

连接数据库


方式一
client = MongoClient()
方式二 指定端口和地址
client = MongoClient('localhost',27017)

新增数据


from pymongo import MongoClient
from datetime import datetime
 
class TestMongo(object):
    def __init__(self):
        self.client = MongoClient('mongodb://localhost:27017/')
        # 也可以指定连接的集合client['admin']['students']
        self.db = self.client['admin']
        # print(self.client.database_names())
 
    def add_one(self):
        post = {'title':'标题','content':'内容','created_at':datetime.now()}
        # db.students   students 是表明
        res = self.db.students.insert_one(post)
        return res
        
    def add_more(self):
        data_list = [{"name":"test{}".format(i)} for i in range(5)]
        res = self.db.students.insert_many(data_list)
        return res
    
 
mongo = TestMongo()
res = mongo.add_one()
插入的ID
print(res.inserted_id)

查询数据


from bson.objectid import ObjectId
查询一条数据
def get_one(self):
    return self.db.students.find_one()
 
查询多条数据
def get_more(self):
    return self.db.students.find()
 
根据记录的ID查询数据
def get_from_id(self,id):
    return self.db.students.find_one({'_id':ObjectId(id)})
 
查询一条数据 
res = mongo.get_one()
查询多条数据
res = mongo.get_more()
for i in res:
	print(i)
根据记录的ID查询数据
res = mongo.get_from_id('5b83e8a1b594c32e8c70c1f7')
print(res)

修改数据


修改单条数据
def update(self):
    res = self.db.students.update_one({'title':'标题'},{'$set':{'title':'title-2'}})
    # 匹配的数据条数
    print(res.matched_count)
    # 影响的数据条数。
    print(res.modified_count)
 
修改多条
def update_more(self):
    res = self.db.students.update_many({},{'$set':{'x':1}})
    print(res.matched_count)
    print(res.modified_count)
    res = self.db.students.update({'x':2},{'$set':{'x':3}},True)
    
res = mongo.update()
res = mongo.update_more()

删除数据


删除一条
def delete_one(self):
    res = self.db.students.delete_one({'title':'title-2'})
    print(res.deleted_count)
 
删除多条
def delete_more(self):
    res = self.db.students.delete_many({'x':2})
    print(res.deleted_count)
    
res = mongo.delete_one()
res = mongo.delete_more()

Scrapy对接MongoDB

scrapy的管道文件


from itemadapter import ItemAdapter
import pymongo
 
 
class MongoDBPipelines:
    def __init__(self, conn, database):
        self.conn = conn
        self.database = database
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            # 获取全局配置的信息
            conn=crawler.settings.get('MONGODB_CONNECTION_STRING'),
            database=crawler.settings.get('MONGODB_DATABASE')
        )
 
    def open_spider(self, spider):
        # 创建连接
        self.client = pymongo.MongoClient(self.conn)
        # 连接数据库
        self.db = self.client[self.database]
 
    def process_item(self, item, spider):
        # 集合名称
        # name = 'text'
        # 默认item类名
        name = item.__class__.__name__
        self.db[name].insert_one(dict(item))
 
        return item
 
    def close_spider(self, spider):
        # 关闭连接
        self.client.close()

settings文件


MONGODB_CONNECTION_STRING = '端口号'
MONGODB_DATABASE = '数据库名称'
'运行

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/人工智能uu/article/detail/928732