准备工作

开通端口

firewall-cmd --zone=public --add-port=27017/tcp --permanent
firewall-cmd --reload

创建目录

mkdir -p /docker/mongo/data /docker/mongo/logs

分配权限

chmod -R 777 /docker/mongo

安装搭建

docker-compose 编排

version: "3"
services:
  mongodb:
    image: mongo:6.0.5
    container_name: mongodb
    ports:
      - "27017:27017"
    environment:
      MONGO_INITDB_ROOT_USERNAME: root
      MONGO_INITDB_ROOT_PASSWORD: 123456
    volumes:
      - /docker/mongo/data:/data/db
      - /docker/mongo/logs:/var/log/mongodb
    network_mode: "host"

执行安装命令

docker-compose up -d mongodb

进入Navicat创建连接

创建一个test库

常用操作

1、 Help查看命令提示

db.help();

2、 切换/创建数据库

use test 如果数据库不存在，则创建数据库，否则切换到指定数据库

3、 查询所有数据库

show dbs;

4、 删除当前使用数据库

db.dropDatabase();

5、 查看当前使用的数据库

db.getName();

6、 显示当前db状态

db.stats();

7、 当前db版本

db.version();

8、 查看当前db的链接机器地址

db.getMongo;

文档操作

文档是一组键值(key-value)对(即BSON)。MongoDB 的文档不需要设置相同的字段，并且相同的字段不需要相同的数据类型，这与关系型数据库有很大的区别，也是 MongoDB 非常突出的特点。

需要注意的是：1、文档中的键/值对是有序的。 2、文档中的值不仅可以是在双引号里面的字符串，还可以是其他几种数据类型（甚至可以是整个嵌入的文档)。 3、MongoDB区分类型和大小写。 4、MongoDB的文档不能有重复的键。 5、文档的键是字符串。除了少数例外情况，键可以使用任意UTF-8字符。

文档键命名规范：1、键不能含有 (空字符)。这个字符用来表示键的结尾。 2、.和$有特别的意义，只有在特定环境下才能使用。 3、以下划线”_”开头的键是保留的(不是严格要求的)。

集合操作

集合就是 MongoDB 文档组，类似于 RDBMS （关系数据库管理系统：Relational Database Management System)中的表格。

集合存在于数据库中，集合没有固定的结构，这意味着你在对集合可以插入不同格式和类型的数据，但通常情况下我们插入集合的数据都会有一定的关联性。

1、 创建一个集合（table)

db.createCollection( “collName”);

2、 得到指定名称的集合（table )

db.getCollection(“user”);

MongoDB 数据类型

常用CURD操作

INSERT插入数据

db.User.save({name:’zhangsan’,age:21,sex:true}) #插入User数据 db.User.find() #查看User {“_id”: Objectld(“4f69e680c9106ee2ec95da66”), “name”: “zhangsan”, “age”: 21, “sex”: true}

_id组合 Objectld是、id”的默认类型。Objectld使用12字节的存储空间，每个字节二位十六进制数字， 是一个24位的字符串

时间戳：时间不断变化的 机器：主机的唯_标识码。通常是机器主机名的散列值，这样可以确保不同主机 生成不同的Objectld ,不产生冲突。 PID:为了确保在同一台机器上并发的多个进程产生的Objectld是唯一的， 所以加上进程标识符(PID). 计数器：前9个字节保证了同一秒钟不同机器不同进程产生的Objectld是唯一的。 后3个字节就是一个自动增加的计数器，确保相同进程同一秒产生的Objectld也是 不一样。同一秒最多允许每个进程拥有IS 777 2托个不同的Objectld。

Query查看数据

1、WHERE

select * from User where name = ‘zhangsan’ db.User.find({name:”zhangsan”})

2、FIELDS

select name, age from User where age = 21 db.User.find({age:21}, {‘name’:1, ‘age’:1})

3、SORT

在 MongoDB 中使用 sort() 方法对数据进行排序，sort() 方法可以通过参数指定排序的字段，并使用 1 和 -1 来指定排序的方式，其中 1 为升序排列，而 -1 是用于降序排列。

select * from User order by age db.User.find().sort({age:1})

4、SUCE

在 MongoDB 中使用 limit()方法来读取指定数量的数据，skip()方法来跳过指定数量的数据

select * from User skip 2 limit 3 db.User.find().skip(0).limit(3)

5、IN

select * from User where age in (21, 26, 32) db.User.find({age:{$in:[21,26,32]}})

6、COUNT

select count(*) from User where age >20 db.User.find({age:{$gt:20}}).count()

7、OR

select * from User where age = 21 or age = 28 db.User.find({$or:[{age:21}, {age:28}]})

Update更新数据

可直接用类似T-SQL条件表达式更新，或用SaveO更新从数据库返回到文档对象。

update Userset age = 100, sex = 0 where name = ‘user1’ db.User.update({name:”zhangsan”}, {$set:{age:100, sex:0}})

Update()有几个参数需要注意。

db.collection.update(criteria, objNew, upsert, mult) criteria #需要更新的条件表达式 objNew #更新表达式 upsert #如FI标记录不存在，是否插入新文档。 multi #是否更新多个文档。

Remove删除数据

用于删除单个或全部文档，删除后的文档无法恢复。

db.User.remove(id) #移除对应id的行 db.User.remove({}) #移除所有

aggregate数据处理

MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等)，并返回计算后的数据结果。有点类似sql语句中的 count(*)

1.插入数据

db.article.insert({
    title: 'MongoDB Overview', 
   description: 'MongoDB is no sql database',
   by_user: 'runoob.com',
   url: 'http://www.runoob.com',
   tags: ['mongodb', 'database', 'NoSQL'],
   likes: 100
})
db.article.insert({
   title: 'NoSQL Overview', 
   description: 'No sql database is very fast',
   by_user: 'runoob.com',
   url: 'http://www.runoob.com',
   tags: ['mongodb', 'database', 'NoSQL'],
   likes: 10
})
db.article.insert({
   title: 'Neo4j Overview', 
   description: 'Neo4j is no sql database',
   by_user: 'Neo4j',
   url: 'http://www.neo4j.com',
   tags: ['neo4j', 'database', 'NoSQL'],
   likes: 750
})

2.统计sum

现在我们通过以上集合计算每个作者所写的文章数

select by_user, count(*) from article group by by_user
db.article.aggregate([{$group : {_id : "$by_user", num_tutorial : {$sum : 1}}}])

{
"result" : [
      {
  "_id" : "runoob.com",
  "num_tutorial" : 2
      },
      {
  "_id" : "Neo4j",
  "num_tutorial" : 1
      }
   ],
 "ok" : 1
}

在上面的例子中，我们通过字段 by_user 字段对数据进行分组，并计算 by_user 字段相同值的总和。

3.常见的聚合表达式

1.$sum 计算总和

db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$sum : "$likes"}}}])

2.$avg 计算平均值

db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$avg : "$likes"}}}])

3.$min 获取集合中所有文档对应值得最小值。

db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$min : "$likes"}}}])

4.$max 获取集合中所有文档对应值得最大值。

db.mycol.aggregate([{$group : {_id : "$by_user", num_tutorial : {$max : "$likes"}}}])

5.$push 在结果文档中插入值到一个数组中。

db.mycol.aggregate([{$group : {_id : "$by_user", url : {$push: "$url"}}}])

6.$addToSet 在结果文档中插入值到一个数组中，但不创建副本。

db.mycol.aggregate([{$group : {_id : "$by_user", url : {$addToSet : "$url"}}}])

7.$first 根据资源文档的排序获取第一个文档数据。

db.mycol.aggregate([{$group : {_id : "$by_user", first_url : {$first : "$url"}}}])

8.$last 根据资源文档的排序获取最后一个文档数据

db.mycol.aggregate([{$group : {_id : "$by_user", last_url : {$last : "$url"}}}])

索引

索引通常能够极大的提高查询的效率，如果没有索引，MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录。

这种扫描全集合的查询效率是非常低的，特别在处理大量的数据时，查询可以要花费几十秒甚至几分钟，这对网站的性能是非常致命的。

索引是特殊的数据结构，索引存储在一个易于遍历读取的数据集合中，索引是对数据库表中一列或多列的值进行排序的一种结构。

db.User.createIndex({“name”:1})

语法中 name值为你要创建的索引字段，1 为指定按升序创建索引，如果你想按降序来创建索引指定为 -1 即可