企业网站开发方案,抖 音 免费 下载,苏州建筑设计公司,网站是怎么做的吗文章作者公众号bigsai#xff0c;已收录在回车课堂,如有帮助还请不吝啬点个赞赞支持一下#xff01;课程导学大家好我是bigsai#xff0c;我们都学过数据库#xff0c;但你可能更熟悉关系(型)数据库例如MySQL#xff0c;SQL SERVER#xff0c;ORACLE等#xff0c;对于非…文章作者公众号bigsai已收录在回车课堂,如有帮助还请不吝啬点个赞赞支持一下课程导学大家好我是bigsai我们都学过数据库但你可能更熟悉关系(型)数据库例如MySQLSQL SERVERORACLE等对于非关系(型)数据库可能比较陌生因为大部分入门级项目或者学习对非关系型数据库的使用要求并不高所以你了解的会更少。但谈起性能和功能非关系数据库的表现那可谓是非常亮眼了咱们今天就介绍学习以及使用其中一种非关系型数据库——MongoDB数据库本篇会介绍MongoDB相关内容以及MongoDB的安装但是你电脑需要拥有Studio 3T(下载地址https://studio3t.com/ )用来连接管理MongoDB。如果以前没见过或者没使用过也不要紧本课程包教包会通过本次篇你可以掌握以下内容认识MongoDB实现MongoDB的增删改查第一关 MongoDB介绍在介绍MongoDB之前问个问题你知道什么是MongoDB吗你可能会说它是个非关系型数据库更多的可能就不太了解了不要紧我们一层一层捋一下。1.1 非关系型数据库NoSQL(Not Only SQL)直译过来不仅仅是数据库泛指非关系型数据库。随着互联网web2.0网站的兴起传统的关系型数据库在处理web2.0网站特别是超大规模和高并发类型的web2.0纯动态网站已经显得力不从心出现了很多难以克服的问题而非关系型数据库则由于其本身的特点得到了非常迅速地发展。非关系型数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战尤其是大数据应用难题。而非关系型数据库又分为好几种键值(Key-Value)存储数据库 这类数据库会使用一个哈希表这种模型很像Java中的HashMap的使用其使用比较简单容易部署但如果只对部分数据查询或更新时效率不是很高这类非关系数据库有Redis、Oracle BDB 等。列存储数据库 这部分数据库通常是用来应对分布式存储的海量数据。键仍然存在但是它们的特点是指向了多个列。这些列是由列家族来安排的。如 HBase Riak 等。文档型数据库 它同键值存储类似。该类型的数据以特定的格式存储比如JSON。文档型数据库可以看作是键值数据库的升级版允许之间嵌套键值在处理网页等复杂数据时比传统键值数据库的查询效率更高 。而MongoDB 就是一种高效的文档数据库。图形数据库 图形数据库是一种非关系型数据库它应用图形理论存储实体之间的关系信息可以良好地拓展到其他服务器上。尽管非关系型数据库(NoSQL)有这么多的区别但是它们还是有很多共性特点易拓展NoSQL数据库种类繁多但都有一个共同的特点去掉关系型数据库的关系型特性。数据之间无关系全靠设计者的设计。这样就非常容易扩展无形之间也在架构的层面上带来了可扩展的能力。大数据量高性能NoSQL数据库都具有非常高的读写性能尤其在大数据量下读写性能也很高。这得益于它的无关系性数据库结构简单 能够快速查找定位到数据。1.2 MongoDB的特点讲完NoSQL是啥咱们再来捋一捋MongoDB是个啥。MongoDB又是啥呢MongoDB是一个基于分布式文件存储的数据库。由C语言编写。旨在为web应用提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系型数据库和非关系型数据库之间的产品是非关系型数据库当中功能最丰富最像关系型数据库的。它支持的数据结构非常松散是类似JSON的BSON格式因此可以存储比较复杂的数据类型。MongoDB最大的特点是它支持的查询语言非常强大其语法有点类似于面向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建立索引。并且MongoDB最近越来越火。作为一款基于文档的非关系型数据库在越来越多的场景可以使用。通过学习归纳MongoDB官方文档(https://docs.mongodb.com/manual/)总结MongoDB有以下特点容易使用 MongoDB 将数据存储在灵活的类似于JSON的文档中 文档模型映射到应用程序代码中的对象从而使数据易于使用。高性能: MongoDB提供高性能的数据持久性。特别是对嵌入式数据模型的支持减少了数据库系统上的I / O活动。索引支持更快的查询并且可以包含来自嵌入式文档和数组的键。丰富的查询语言: MongoDB支持丰富的查询语言以支持读写操作(CRUD)以及资料汇总文本搜索和地理空间查询。高可用性: MongoDB的复制工具(称为副本集)提供自动故障转移、数据冗余。水平可伸缩性 MongoDB提供水平可伸缩性作为其核心功能的一部分分片在一组计算机集群分布数据。从3.4开始MongoDB支持基于shard键创建数据区域。在平衡集群中MongoDB仅将区域覆盖的读写定向到区域内的那些分片。支持多种存储引擎 MongoDB支持多个存储引擎WiredTiger存储引擎(包括对静态加密的支持 )内存中存储引擎。总结的来说一个NoSQL该有的高性能MongoDB一应俱全并且是一个使用很方便、很擅长储存的非关系型文档数据库。但MongoDB并非100%的完美它也有一定的缺陷比如不支持事务、占用内存比较大、删除记录不释放空间、没有成熟的维护工具等。1.3 MongoDB的应用场景有了以上的特性在日益繁杂的web领域MongoDB有很多它擅长之处。网站实时数据的插入、更新、删除。规模较大但是成本很高的数据(大尺寸、低价值数据)对象或JSON的文本存储不需要经常通过表计算的对事务要求不高的数据。一些应用层的缓存具体的应用场景有社交场景使用 MongoDB 存储用户信息以及用户发表的朋友圈信息通过地理位置索引实现附近的人、地点等功能。游戏场景使用 MongoDB 存储游戏用户信息用户的装备、积分等直接以内嵌文档的形式存储方便查询、高效率存储和访问。物流场景使用 MongoDB 存储订单信息订单状态在运送过程中会不断更新以 MongoDB 内嵌数组的形式来存储一次查询就能将订单所有的变更读取出来。物联网场景使用 MongoDB 存储所有接入的智能设备信息以及设备汇报的日志信息并对这些信息进行多维度的分析。视频直播使用 MongoDB 存储用户信息、点赞互动信息等。这些场景都有数据量大、写入操作频繁、数据价值较低、事务性要求不高的特点。很多人把MongoDB当成穷人的大数据。你可以把它理解为一款效率很高但更适合直接操作的一款非关系数据库大部分不需要用“脑子”的数据都可以放在MongoDB中比如很多人把爬虫的数据存储到MongoDB中又或许把网站某些信息记录放到MongoDB中。这些数据大一点没关系但不建议查询需要关联太复杂也不要和ACID的事务扯上关系。MongoDB就像一个家里的壮汉啥脏活累活干的特别六也不嫌累力大如牛脚步如飞的这种。干这些体力活用他最好了(速度快、性能好、存储大文件)但他有些缺点就是可能每次吃饭吃七八碗干饭两三斤肉(占用内存大)并且穿针引线、家里算账记事情这些他就不行了得他夫人来干这个(关系数据库)考一考(多选)下面选项中错误的是(AC)A. MongoDB是由Java编写的高性能非关系型数据库。B. MongoDB是一种文档数据库。C. MongoDB优越的性能适合存储事务性数据的查询。D. MongoDB不适合存储事务性数据的查询。提示MongoDB是由C编写的高性能数据库不适合存储事务性数据和复杂关联的数据查询。第二关 MongoDB安装和表结构知道MongoDB大概是啥和能干啥之后就该动手安装和了解使用了这关带你安装MongoDB和了解MongoDB的表结构。2.1 MongoDB的安装MongoDB的安装很简单这里就基于windows进行安装了。到MongoDB[官网](https://www.mongodb.com/try/download/community )下载然后打开这个下载的文件一路next到中间根据需求勾选是否选择compasscompass是一种MongoDB的可视化管理工具。MongoDB的可视化管理工具比较多在这里我们不勾选这块内容。选择Custom根据需求自定义安装到location可以自定义文件夹也可以使用其默认的下面勾选第一个“连入网络”即可这样你的MongoDB就安装完成了再安装MongoDB可视化工具studio3t (https://studio3t.com/) 下载安装完成打开直接连接此时MongoDB就安装完成默认拥有admin、config、local三个数据库。一些日志配置等数据库这里就不用管它了。2.2 MongoDB的表结构对于关系数据库我们可能很容易理解它的层次: 数据库——表——记录(行)——列而MongoDB对应的是数据库——集合——文档——字段。其中集合可以类比成关系数据库中的表而文档就可以看成记录。SQL术语/概念MongoDB术语/概念解释/说明databasedatabase数据库tablecollection数据库表/集合rowdocument数据记录行/文档columnfield数据字段/域indexindex索引table joins表连接,MongoDB不支持primary keyprimary key主键,MongoDB自动将_id字段设置为主键文档文档是 MongoDB 中数据的基本单位类似于JSON对象和关系数据库中的行(但是比行复杂)。它是由多个数据字段和值对组成的数据结构字段的值也可以是其他文档或文档数组。集合集合就是一组文档类似于关系数据库中的表。集合是无模式的集合中的文档可以是各式各样的虽然一个集合里面的文档没有内容的限制但是我们一般将相同类型的文档放在同一集合中(提高查询效率)。数据库MongoDB 中多个文档组成集合多个集合组成数据库。一个MongoDB 实例可以承载多个数据库。它们之间可以看作相互独立每个数据库都有独立的权限控制。在磁盘上不同的数据库存放在不同的文件中。MongoDB 中存在以下系统数据库。Admin 数据库一个权限数据库如果创建用户的时候将该用户添加到admin 数据库中那么该用户就自动继承了所有数据库的权限。Local 数据库这个数据库永远不会被复制可以用来存储本地单台服务器的任意集合。Config 数据库当MongoDB 使用分片模式时config 数据库在内部使用用于保存分片的信息。你可能会发现在与集合同级别的还有ViewsGridFS Buckets。它们是啥呢视图Views MongoDB视图是可查询的对象其内容由其他集合或视图上的聚合管道定义 。MongoDB不会将视图内容持久化到磁盘上。当客户端查询视图时将按需计算视图的内容。MongoDB不支持针对视图的写入操作。这个和MySQL的视图有点类似是个虚表可以用它来精简一些查询的步骤和操作。GridFS GridFS是用于存储和检索超出BSON文档大小限制(16MB)的文件的规范。GridFS不会将文件存储在单个文档中而是将文件划分为多个部分或大块并将每个大块存储为单独的文档。考一考(单选)下面选项中错误的是(B)A. Views是一种虚表内容建立在集合或其他视图之上。B. Views中的数据可以直接进行修改修改后对应集合或者视图中的数据会得到修改。C. GridFS用来存储大于超出BSON大小限制的文件。D. 文档是 MongoDB 中数据的基本单位类似MySQL表中的一行记录。提示Views是一种虚表不可以直接进行修改删除只能进行读取操作。第三关 MongoDB的增删改查学习使用MongoDB之前要掌握MongoDB基本的增删改查操作。我们先用控制台或者数据库管理工具操作MongoDB为后面整合进项目做准备。MongoDB随着发展至今也有不同的版本在MongoDB3.2以后版本相比3.2以前版本api有所变动和优化而官方文档的学习和介绍都是基于3.2以后版本的所以在学习MongoDB的api语法要参考官方文档学习最新语法避免过老语法造成知识混淆。创建数据库我们使用studio 3T创建数据库和collection数据库名为mongo。如果不创建数据库向mongoDB中插入数据会默认插入到test数据库中。然后在数据库中添加集合collectioncollection名为student可以发现student集合已经被成功添加了在这里插入图片描述MongoDB的读操作包括查询而写操作包括插入、更新、删除MongoDB中的所有写操作都是单个文档级别的原子操作你可以指定查询、更新、删除标准或过滤器(查询、更新、删除更新的条件)以标识要查询、更新、删除的文档你可以理解过滤器为关系数据库的条件查询的条件where子句。3.1 MongoDB插入插入操作完成向集合中插入文档MongoDB提供了以下向集合插入文档的方法db.collection.insertOne() //New in version 3.2 插入一条文档(document)db.collection.insertMany() //New in version 3.2 插入多条文档(document)db.collection.insert()//老版本语法 其中collection在插入 时候需改成待插入集合的名称待插入文档(document)需要插入到对应集合(collection)中否则会默认创建一个集合再插入进去。在这里我们插入一条文档到student集合中。使用mongo数据库之前要执行语句 use mongo执行完毕即可直接操作mongo数据库。MongoDB的insert的语法如下更推荐使用insertOne和insertMany分别用来插入一条和多条文档(document)向student集合插入单条文档(document)执行以下语句db.student.insertOne({name: bigsai,age:22})插入多条文档(document)执行以下语句db.student.insertMany([{name: bigsai2,age:22},{name: bigsai3,age:22}])打开student集合会发现上面的文档(document)被成功插入了。3.2 MongoDB查询查询操作完成从集合中查询文档MongoDB提供了以下向集合插入文档的方法db.collection.find()//查询文档在括号内添加各种条件你可以指定查询过滤器或条件以标识要返回的文档。当然MongoDB也支持各种条件查询使用也非常简单具体还需要查看官方文档(https://docs.mongodb.com/manual/tutorial/query-documents/)这里以查询student集合中数据字段age为22的文档为例展示一下//db.student.find()//查询所有类似select * from studentdb.student.find({age:22})可以看到查询结果如下所有数据字段age为22的文档都被查询了出来。3.3 MongoDB更新更新操作完成从集合中更新(修改)文档MongoDB提供了以下更新集合文档的方法db.collection.updateOne() //3.2版中的新功能 更新一条文档记录db.collection.updateMany() //3.2版中的新功能 更新多条文档记录db.collection.replaceOne() //3.2版中的新功能 替换集合中的一个文档在MongoDB中更新操作只针对单个集合(db.collection中对应的collection)。MongoDB中的所有写操作(包括更新)都是单个文档级别的原子操作你可以指定更新标准或过滤器(更新的条件)以标识要更新的文档。这些过滤器与查询使用的过滤器用法一致。当然MongoDB有update()方法但是已经被弃用。我们将student集合中所有数据字段age为22的文档更新其数据字段name的值为bigsai22db.student.updateOne( {age:22},//条件 {$set:{name:bigsai2}}//修改的值 )其中{age:22}为查询的条件即找到第一条数据字段age为22的文档而{$set:{}}则用来修改文档对应数据字段的值。updateOne()执行成功只会更新第一条匹配的文档。此时你如果想将数据字段name为bigsai2的两条文档的数据字段age改成18那么执行以下语句db.student.updateMany( {name:bigsai2}, {$set:{age:18}} )刷新结果会发现文档已经成功被更新这种语句在sql中就类似update student set age18 where namebigsai23.4 MongoDB删除删除操作完成从集合中删除文档MongoDB提供了以下删除集合文档的方法db.collection.deleteOne() //3.2版中的新功能 删除一条记录db.collection.deleteMany() //3.2版中的新功能 删除多条记录在MongoDB中删除操作只针对单个集合(db.collection中对应的collection)。MongoDB中的所有写操作(包括删除)都是单个文档级别的原子操作你可以指定标准或过滤器以标识要删除的文档。这些过滤器与查询、更新使用的过滤器用法一致。这里delete和update操作的条件有点类似如果使用deleteOne()语句会删除第一个匹配的文档而使用deleteMany()会删除所有满足条件的文档。如果我们删除所有数据字段name为bigsai2的文档可以这么操作db.student.deleteMany( {name:bigsai2}//条件 )可以发现文档被成功删除考一考(单选)下面选项中错误的是( C )A. insertOne()和insertMany()分别表示插入一条和多条文档。B. db.collection.find()用来查询集合中所有文档。C. db.collection.findAll()用来查询集合中所有文档。D. db.collection.updateOne()用来更新满足条件的第一条文档。提示没有db.collection.findAll()这种语法如果find里面不加查询条件那么就是默认查询所有文档。课程总结到这里MongoDB的介绍已经结束了我想优秀的你肯定已经能够知道MongoDB的来龙去脉了。回顾本篇的内容首先从宏观上介绍了MongoDB这个非关系型数据库的特点以及场景然后介绍了MongoDB的安装流程以及学习了MongoDB的表结构从而使你对MongoDB的规则有个更细致的认识最后教你如何使用语句实现MongoDB的增删改查让你能够初步操作MongoDB。当然本篇只是带你入门MongoDB讲了一些比较基础的内容如果需要深入学习使用MongoDB还需要多从官网文档以及其他学习资源中更深入地了解MongoDB是当前非常热门的一种基于文档的非关系型数据库它的应用也正变得越来越多。望你在了解MongoDB之后能够在编程语言中尽快实战使用MongoDB把MongoDB真正用到项目中码字不易欢迎关注笔者公众号支持一波bigsai,期待你的关注愿分享更多内容。如果感觉不错欢迎关注、转发、点赞
