业务场景

传统的数据库（mysql）很难应对数据操作的“三高”需求，“三高”指的是，high performance（高性能）对数据库并发读写的需求，huge storage （数据量巨大）对海量数据的高效率和访问的需求，high scalability && high availability（高扩展和高可用），而MongoDB可应对“三高”需求。
具体的应用场景如何：
1）社交场景，使用MongoDB用来存储用户信息，以及用户发表的朋友圈信息，通过地理位置搜索附近的人、地点等功能；
2）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；
3）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，以及对MongoDB内嵌数组的形式来存储，一次查询就能够将订单所有的变更读取出来；
4）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；
5）视频直播，使用MongBD存储用户信息，点赞互动信息等；
这些应用场景中，数据量操作方面的共同特点是：
（1）数据量大；
（2）写入频繁，读写都很频繁；
（3）价值较低，对事务性要去不高；
对于这样的数据，更适合MongoDB来实现数据的存储。

什么时候选择MongoDB?

在架构选型上，除了上述的三个特点外，如果你还犹豫是否要选择它？如果有1个符合，可用考虑MongoDB，如考虑以下的一些问题：

  • 应用不需要事务以及复制join支持；
  • 新应用，需求会变更，数据模型无法确定，想快速迭代开发；
  • 应用需要2000-3000以上的读写QPS；
  • 应用需要TB甚至PB级别数据存储；
  • 应用发展迅速，需要能快速水平扩展；
  • 应用存储需求的数据不丢失；
  • 应用需要99.999%高可用；
  • 应用需要大量地理位置查询，文本查询；

对比Mysql,如果使用Mysql呢？相对mysql，可用以更低的成本解决问题

MongoDB简介

MongoDB是一个开源、高性能、无模式的文档数据库，当初设计就是用于简化开发和方便扩展，是NoSQL数据库产品中的一种，是最像关系型数据库的非关系型数据库。
MongoDB中记录的是一个文档，它是一个由字段和值对组成的数据结构，MongoDB文档类似于JSON对象，即一个文档认为就是一个对象。字段的数据类型是字符型，它的值除了使用基本的一些类型外，还可以包含其他文档，普通数组和文档数组。

体系结构

  • 数据库database《》数据库database；
  • 表table《》Collection；
  • 行row《》Document；
  • 字段column《》field；
  • 索引index《》index；

在链接查询中，mongoDB是内嵌文档，而mysql是关联查询；

数据类型

数组、32位整数、64整数、64位浮点数、null（{“x”:null}）、undefined、符号、正则表达式、代码（js代码）、二进制数据、最大值和最小值

MongoDB特点

高性能（内嵌）、高可用性（副本集）、高扩展（集群扩容）、丰富的查询支持（CRUD、聚合）、灵活文档模型

基本常用命令

数据库操作

use database(创建db，存储在内存中，当show database的时候未加载到磁盘，当创建集合且存在文档会加载到磁盘持久化)
show database（查询db）
db（展示当前db）
默认库：admin用户权限/local本地集合/config集群分片配置

集合操作

  • db.dropDatabase() 删除数据库
  • db.createCollection(“my”) 创建集合
  • show collections 展示集合

  • db.my.drop() 删除集合

    文档CRUD操作

  • show collections

  • db.comment.insert({“articleId”:”10000”,”content”:”今天天气好”}) 注意插入会隐式创建集合，并且添加_id主键字段

  • db.comment.insertMany([{“articleId”:”10001”,”content”:”今天天气好1”,{“articleId”:”10002”,”content”:”今天天气好2”])

  • db.comment.find()

  • db.comment.find({articleId:”10001”})
  • db.comment.findOne({articleId:”10001”})
  • db.comment.find({articleId:”10001”},{articleId:1,_id:0}) 第二个参数，主要是过滤fIeld字段

插入失败会终止插入，mongodb没有事务性，没办法回滚，批量插入可以使用try{}catch(e){print(e)}

  • db.collection.update(query,update,options)
  • db.comment.update({_id:”1”},{articleId:”10010”})覆盖修改
  • db.comment.update({_id:”1”},{$set:{articleId:”10010”}})局部更新
  • db.comment.update({articleId:”10010”},{$set:{content:”今天天气好1”}},{multi:true}) 批量更新

  • db.comment.update({_id:”1”},{$inc:{likenum:NumberInt(1)}}) 列值增长的修改

  • db.collection.remove(条件)

  • db.comment.find()
  • db.comment.remove({_id:”1”})
  • db.comment.remove({articleId:”10010”})

  • db.comment.remove({}) 全部删除

    文档分页查询

  • db.collection.coount(query);

  • db.collection.count({userId:”123”})
  • db.collection.find(query).limit(number).skip(number) 限制条数pageSize，跳过条数（pageNO - 1）* pageSize

  • db.collection.find().sort({key:1,key1:-1})

    其他查询

  • db.collection.find({field:/正则表达式/})

  • db.collection.find({“field”:{$gt:Number(value)}})
  • db.collection.find(field:{$in:[“1”,”2”]})
  • db.comment.find({$and:[{price:{$gt:NumberInt(100)}},{price:{$lt:NumberInt(200)}}]}) 多条件查询：$and:[{},{}],$or:[{},{}]

    索引Index

    索引支持在MongoDB中高效地执行查询，如果没有索引，MongoDB必须执行全表集合扫描，即扫描集合中的每个文档，以选择与查询语句匹配的文档。这种扫描集合的效率是非常低的，特别是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。
    如果查询存在适当的索引，MongoDB可以使用该索引限制必须检查的文档数。
    索引是特殊的数据结构，它以易于遍历的形式存储集合数据集的一小部分。索引存储特定字段或一组字段的值，按照字段值排序。索引项的排序支持有效的相等匹配和基于范围的查询操作。此外，MongoDB还可以使用索引中的排序返回排序结果。
    MongoDB索引使用B树数据结构，确切的说是B-Tree树，Mysql是B+Tree树。具体结构？区别？

    单字段索引

    MongoDB支持在文档的单个字段上创建用户定义的升序和降序索引，称为单字段索引。对于单个字段索引和排序操作，索引键的排序顺序并不重要，因为MongoDB可以在任何方向上遍历索引。
    1634660618(1).png

    复合索引

    MongoDB支持多个字段的用户定义索引，即复合索引，复合索引中列出字段顺序具有重要意义，例如复合索引由{userid:1,score:-1}组成，则索引首先按userId正序排序，然后在每个userId的值内，再按score倒序排序。
    1634660730(1).png

    其他索引

    地理空间索引、文本索引（es优质）、哈希索引

索引管理操作

查询：db.colletion.getIndexes() 存在默认创建的主键索引 v 索引版本 key 字段 name 索引名称 ns 存储命名空间下
创建：db.colletion.createIndex(keys,options) key -> {userid:1,socre:-1} option -> unique 唯一索引 name 索引名称 weight 权重
移除：db.collection.dropIndex(index) ①db.collection.dropIndex({userid:1}) ②db.collection.dropIndex(“indexName”) ③db.collection.dropIndexes() 删除所有索引，不包含主键索引

索引使用-执行计划

db.conllection.find(query,options).explain(option) 分析查询扫描文档数，是否走索引等

涵盖的查询（覆盖查询）

当查询条件和查询的投影仅包含索引字段时，MongoDB直接从索引返回结果，而不扫描任何文档或将文档带入内存。
db.conllection.find({score:{“$lt”:30}},{score:1,_id:0})
1634745080(1).png

聚合

  • db.conllection.aggregate(option) $sum/$avg/$min/$max

  • db.article.aggregate([{$group : {_id : “$by”, sum_count : {$sum : 1}}}])

    实例

    文章以及文章评论和子评论，点赞等；
    文章表（文章ID，标题，内容，点赞数，评论数）
    评论表Comment（ID，内容，发布人，日期，点赞数，回复数，文章ID，状态，上级评论ID）
    @Id 主键，@Indexed 索引，@Compom.. 复合索引 JPA集成
    点赞功能：inc mongoTemplate 对象

    MongDB集群

    副本集，副本集是一组相同数据集的MongoDB实例，同时在多个节点存储数据，提高了可用性。主节点负责写入，从节点负责读取，提高整体性能；（redis哨兵？）
    副本集由下面的组件构成：

  • 主节点Primary：主节点接收所有的写操作。

  • 从节点Secondaries：从节点会从主节点进行数据的复制，维护跟主节点相同的数据。用户查询操作。
  • 仲裁Arbbiter：仲裁节点本身不存储数据，只能参与选举。

mongodb入门 - 图4
分片是MongoDB绝对的亮点，将数据水平拆分到多个节点。MongoDB的分片是全自动的，我们只需要配置好分片的规则，它就能自动维护数据并存储到不同节点。MongoDB使用分片来支持大数据量的存储 和高吞吐量的操作；（ES集群？对宕机某个节点，依然可以支持）
分片集群由以下组件构成：
分片节点Shard：每个Shard的数据都是独立完整的一份。并且可以作为副本集部署。
路由器mongos：mongos是查询路由器，在客户端和服务端中间的一层，请求会直接连接到mongos，有mongos路由到具体的Shard；
配置服务Config Servers：存储集群所有节点，分片数据路由信息；
mongodb入门 - 图5
GridFS，是MongoDB的一个子模块，主要用于在MongDB存存储文件，相当于MongoDB内置的一个分布式文件系统。本质上还是讲文件的数据分块存储在集合中，默认的文件集合分别为fs.files和fs.chunks。fs.files是存储文件的基本信息，比如文件名，大小，上传时间，md5等。fs.chunks是存储文件真正数据的地方，一个文件会被分割成多个chunk块进行存储，一般为256k/个。
参考地址：https://juejin.cn/post/6844904047330213902
mongodb入门 - 图6