MongDB-高级

No1：

聚合

• 聚合(aggregate)主要用于计算数据，类似sql中的sum()、avg()

---语法
db.集合名称.aggregate([{管道:{表达式}}])

No2：

管道

• 管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的输入

ps ajx | grep mongo

• 在mongodb中，管道具有同样的作用，文档处理完毕后，通过管道进行下一次处理
• 常用管道
  • $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
  • $project：修改输入文档的结构，如重命名、增加、删除字段、创建计算结果
  • $sort：将输入文档排序后输出
  • $limit：限制聚合管道返回的文档数
  • $skip：跳过指定数量的文档，并返回余下的文档
  • $unwind：将数组类型的字段进行拆分

No3：

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同count表示计数
• $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

No4：

$group

• 将集合中的文档分组，可用于统计结果
• _id表示分组的依据，使用某个字段的格式为'$字段'

---例1：统计男生、女生的总人数
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            counter:{$sum:1}
        }
    }
])

Group by null

• 将集合中所有文档分为一组

---例2：求学生总人数、平均年龄
db.stu.aggregate([
    {$group:
        {
            _id:null,
            counter:{$sum:1},
            avgAge:{$avg:'$age'}
        }
    }
])

透视数据

---例3：统计学生性别及学生姓名
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$name'}
        }
    }
])

使用$$ROOT可以将文档内容加入到结果集的数组中

db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$$ROOT'}
        }
    }
])

No5：

$match

• 用于过滤数据，只输出符合条件的文档
• 使用MongoDB的标准查询操作

---例1：查询年龄大于20的学生
db.stu.aggregate([
    {$match:{age:{$gt:20}}}
])
---例2：查询年龄大于20的男生、女生人数
db.stu.aggregate([
    {$match:{age:{$gt:20}}},
    {$group:{_id:'$gender',counter:{$sum:1}}}
])

No6:

$project

• 修改输入文档的结构，如重命名、增加、删除字段、创建计算结果

---例1：查询学生的姓名、年龄
db.stu.aggregate([
    {$project:{_id:0,name:1,age:1}}
])
---例2：查询男生、女生人数，输出人数
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$project:{_id:0,counter:1}}
])

No7：

$sort

• 将输入文档排序后输出

---例1：查询学生信息，按年龄升序
b.stu.aggregate([{$sort:{age:1}}])
---例2：查询男生、女生人数，按人数降序
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:-1}}
])

No8:

$limit

• 限制聚合管道返回的文档数

---例1：查询2条学生信息
db.stu.aggregate([{$limit:2}])

No9:

$skip

• 跳过指定数量的文档，并返回余下的文档

---例2：查询从第3条开始的学生信息
db.stu.aggregate([{$skip:2}])
---例3：统计男生、女生人数，按人数升序，取第二条数据
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:1}},
    {$skip:1},
    {$limit:1}
])
注意顺序：先写skip，再写limit

No10:

$unwind

• 将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值

---语法1
-对某字段值进行拆分
db.集合名称.aggregate([{$unwind:'$字段名称'}])
-构造数据
db.t2.insert({_id:1,item:'t-shirt',size:['S','M','L']})
-查询
db.t2.aggregate([{$unwind:'$size'}])
---语法2
-对某字段值进行拆分
-处理空数组、非数组、无字段、null情况
db.inventory.aggregate([{
    $unwind:{
        path:'$字段名称',
        preserveNullAndEmptyArrays:<boolean>#防止数据丢失
    }
}])
-构造数据
db.t3.insert([
{ "_id" : 1, "item" : "a", "size": [ "S", "M", "L"] },
{ "_id" : 2, "item" : "b", "size" : [ ] },
{ "_id" : 3, "item" : "c", "size": "M" },
{ "_id" : 4, "item" : "d" },
{ "_id" : 5, "item" : "e", "size" : null }
])
----使用语法1查询
db.t3.aggregate([{$unwind:'$size'}])
----查看查询结果，发现对于空数组、无字段、null的文档，都被丢弃了
----问：如何能不丢弃呢？
----答：使用语法2查询
db.t3.aggregate([{$unwind:{path:'$sizes',preserveNullAndEmptyArrays:true}}])

No11：

• 为了更安全的访问mongodb，需要访问者提供用户名和密码，于是需要在mongodb中创建用户
• 采用了角色-用户-数据库的安全管理方式
• 常用系统角色如下：
  • root：只在admin数据库中可用，超级账号，超级权限
  • Read：允许用户读取指定数据库
  • readWrite：允许用户读写指定数据库
• 创建超级管理用户

use admin
db.createUser({
    user:'admin',
    pwd:'',
    roles:[{role:'root',db:'admin'}]
})

No12：

普通用户管理

---查看当前数据库的用户
use test1
show users
---创建普通用户
db.createUser({
    user:'t1',
    pwd:'',
    roles:[{role:'readWrite',db:'test1'}]
})
---修改用户：可以修改pwd、roles属性
db.updateUser('t1',{pwd:''})

No13：

副本集（复制）

什么是复制

• 复制提供了数据的冗余备份，并在多个服务器上存储数据副本，提高了数据的可用性，并可以保证数据的安全性
• 复制还允许从硬件故障和服务中断中恢复数据

为什么要复制

• 数据备份
• 数据灾难恢复
• 读写分离
• 高（24* 7）数据可用性
• 无宕机维护
• 副本集对应用程序是透明

复制的工作原理

• 复制至少需要两个节点A、B...
• A是主节点，负责处理客户端请求
• 其余的都是从节点，负责复制主节点上的数据
• 节点常见的搭配方式为：一主一从、一主多从
• 主节点记录在其上的所有操作，从节点定期轮询主节点获取这些操作，然后对自己的数据副本执行这些操作，从而保证从节点的数据与主节点一致
• 主节点与从节点进行数据交互保障数据的一致性

复制的特点

• N 个节点的集群
• 任何节点可作为主节点
• 所有写入操作都在主节点上
• 自动故障转移
• 自动恢复

No14：

分片

• 在Mongodb里面存在另一种集群，就是分片技术,可以满足MongoDB数据量大量增长的需求
• 当MongoDB存储海量的数据时，一台机器可能不足以存储数据，也可能不足以提供可接受的读写吞吐量，这时，我们就可以通过在多台机器上分割数据，使得数据库系统能存储和处理更多的数据

为什么使用分片

• 本地磁盘不够大
• 当请求量巨大时会出现内存不足。
• 垂直扩展价格昂贵(内存、磁盘、cpu)

No15：

与python交互

# coding=utf-8
from pymongo import *

# 获得客户端，建立连接
client = MongoClient('mongodb://py3:123@localhost:27017/py3')
# 切换数据库
db = client.py3
# 获取集合
stu = db.stu

# 增加
stu.insert_one({'name': '张三'})

# 修改
stu.update_one({'name': '张三'}, {'$set': {'name': 'abc'}})

# 删除
stu.delete_one({'name': 'abc'})

# 查询
cursor = stu.find({'age': {'$gt': 20}}).sort('_id', DESCENDING).skip(1).limit(1)
for s in cursor:
    print(s['name'])

以上是高级部分，本来还有一些是服务器的部署之类，就没放出来了