2025年mongodb数据库类型（mongodb数据库基本操作）

大家好，我是讯享网，很高兴认识大家。

1 简介

MongoDB是一个开源、高性能、无模式的文档型数据库，当初的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最像关系型数据库（MySQL）的非关系型数据库。它支持的数据结构非常松散，是一种类似于 JSON 的格式叫BSON，所以它既可以存储比较复杂的数据类型，又相当的灵活。MongoDB中的记录是一个文档，它是一个由字段和值对（ﬁeld:value）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，还可以包括其他文档，普通数组和文档数组.

1.1 适用场景

1.2 对比MySQL

1.4 安装

这里使用docker部署mongoDB和可视化工具

2 基本操作

2.1 数据库

在MongoDB中，有三个初始数据库，它们是admin、local和config。这三个数据库在MongoDB的架构和管理中具有特殊的作用。

2.2 集合

在MongoDB中，集合（Collection）是一组文档（Document）的无序集合，类似于关系型数据库中的表。

2.3 文档

在MongoDB中，文档是数据存储的基本单位。它是一个由字段和值组成的数据结构，类似于关系型数据库中的一行记录。MongoDB中的文档采用 BSON（Binary JSON）格式，这是一种二进制编码的 JSON 表示形式。

一个MongoDB文档是一个包含键值对的有序集合，每个键值对表示文档的一个字段和对应的值。文档的字段可以包含各种数据类型，包括字符串、数字、布尔值、数组、嵌套的文档等。

2.3.1 数据类型

MongoDB支持多种数据类型，这些数据类型可用于定义文档中的字段值。以下是MongoDB中常见的数据类型：

2.3.1 C

使用或方法将文档插入集合。若集合不存在会自动创建，即隐式创建。

2.3.1 R

MongoDB支持丰富的条件查询语法，允许你执行各种高级查询。以下是一些MongoDB条件查询的高级用法：

在MongoDB中，投影查询用于指定查询结果中所包含的字段。通过投影，你可以选择只检索文档中的特定字段，而不是整个文档。

投影查询还支持嵌套文档。例如，如果文档中有一个嵌套的地址字段，你可以通过指定嵌套字段来进行投影。

2.3.1 U

基本操作符

还有很多更新操作符。https://www.mongodb.com/docs/manual/reference/operator/update/

要替换除_id字段之外的文档的全部内容，可以使用replaceOne()，替换文档可以具有与原始文档不同的字段。在替换文档中，可以省略_id字段，因为_id字段是不可变的；但是，如果包含id字段，则该字段的值必须与当前值相同。

2.3.1 D

使用或方法删除集合中的文档。

3 索引

MongoDB使用B树（或B-树）来实现索引。

3.1 索引分类

用于全文本搜索，只能用于包含文本字段的集合。

用于自动删除在指定时间后过期的文档。

该语句将为 createdAt 字段建立 TTL 索引，可以自动删除过期数据。TTL 索引会根据 expireAt 字段的值自动删除过期数据，可以用于数据清理等应用场景。

针对属性包含数组数据的情况，MongoDB支持针对数组中每一个element创建索引，Multikey indexes支持strings，numbers和nested documents。

该语句将为 tags 字段建立多键索引，可以加速查询包含指定标签的文档。多键索引会为数组中的每个元素建立一个索引，可以加速数组元素的查询。

地理空间索引是针对地理位置信息建立的索引，可以支持地理位置查询

稀疏索引是 MongoDB 中的一种索引类型，用于对集合中某个字段的值进行索引，但仅包含具有该字段的文档。与普通索引不同，稀疏索引不会包含那些不包含指定字段的文档。

这将在字段上创建一个稀疏索引，只包含那些包含字段的文档。稀疏索引对于只有一小部分文档包含某个字段值的情况非常有用，可以节省索引空间并提高查询性能。

讯享网

确保索引字段的值在整个集合中是唯一的。

3.2 索引管理

MongoDB 在创建集合的过程中, 在字段上创建一个唯一的索引, 默认名字为，该索引可防止客户端插入两个具有相同值的文档 , 不能在字段上删除此索引。

注意：该索引是唯一索引, 因此值不能重复, 即值不能重复的

使用方法删除指定索引。若要删除所有索引（除了默认的索引，_id的索引是无法删除的），可以使用方法。

3.3 性能分析

options

stage所有类型如下：

COLLSCAN：全表扫描

IXSCAN：索引扫描

FETCH：根据索引去检索指定document

SHARD_MERGE：将各个分片返回数据进行merge

SORT：表明在内存中进行了排序

LIMIT：使用limit限制返回数

SKIP：使用skip进行跳过

IDHACK：针对_id进行查询

SHARDING_FILTER：通过mongos对分片数据进行查询

COUNT：利用db.coll.explain().count()之类进行count运算

TEXT：使用全文索引进行查询时候的stage返回

PROJECTION：限定返回字段时候stage的返回

优秀stage的组合(查询的时候尽可能用上索引)：

Fetch+IDHACK

Fetch+IXSCAN

Limit+（Fetch+IXSCAN）

PROJECTION+IXSCAN

SHARDING_FITER+IXSCAN

需要优化的组合：

COLLSCAN(全表扫描)

SORT(使用sort但是无index)

COUNT 不使用index进行count)

3.4 覆盖查询

覆盖查询（Covered Query）是一种查询优化技术，通过使用索引，可以使查询在索引中找到所有所需的字段，而无需回到集合中去检索文档。这可以提高查询性能，因为不需要额外的磁盘 I/O 来获取文档数据，而是直接从索引中获取所需的信息。

覆盖查询的关键是确保查询条件和投影字段都可以通过索引满足。具体来说：

在这个查询中，查询条件是，这个条件可以通过索引直接匹配。投影字段是，这些字段也可以从索引中直接获取。因此，这是一个覆盖查询，不需要回到集合中检索文档数据。

https://zhuanlan.zhihu.com/p/?utm_id=0

https://blog.csdn.net/weixin_/article/details/

2025年mongodb数据库类型（mongodb数据库基本操作）

相关推荐