MongoDB：開發人員實踐指北

1、左右爲難：MySQL vs MongoDB

1.1 對比一覽

zmdUnF

1.2 從使用看對比

1.2.1 文檔數據類型：字段結構更豐富

• MongoDB 的數據類型非常豐富，BSON/JSON 結構，可以表示任意結構的數據。

• MySQL 的數據類型相對貧瘠，行列結構，層級結構數據需要拆表、聯立表示，複雜了數據管理方式。除此之外，業務數據與 DB 數據需要 ORM 來完成映射表示，代碼複雜度較高。

1.2.2 Schema：讓數據更靈活

• MongoDB 是動態 Schema，無需預先定義 Collection 結構；而 MySQL 是靜態 Schema，需要預先定義 Table 結構。舉例來說，如果我們的數據時效性以一個月爲限，很少會追溯過期數據，我們更希望將表以時間爲劃分依據，如 Data-201901、Data-201902 等，這在 MongoDB 中可以輕易實現，而如果在 MySQL 中則要複雜許多，要麼動態執行 Create Table 語句，要麼將數據放在一起。在之前寫過的 Slowlog 管理系統中，因爲數據量較大，採用 MySQL 存儲數據時，需要定時任務去定期歸檔數據，代碼複雜度搞。

• MongoDB 是 NoStrict Schema，同一 Collection 的文檔結構允許不同；而 MySQL 是 Strict Schema，同一 Table 的字段結構必須相同。因此，爲了實現複雜的數據結構，MySQL 常常會將一個業務結構拆成多張表表示，也會通過空字段處理，即有的記錄的字段有值，有的是空值。非強制性 Schema 最大的好處就是支持業務變化、代碼重構，尤其是業務不穩定階段，表（集合）結構經常變化，但又害怕數據丟失，因此只能不斷加字段，導致一張表中會有很多無效字段，而在非強制 Schema 中，每條記錄（文檔）的結構都可以不一樣，因此新變化對老數據無侵害。

1.2.3 事務管理：MongoDB 的短板

事務管理是 MongoDB 的軟肋，目前 v4.2 版本已經推出了事務功能，但事務操作必須針對已存在的集合（Existing Collection）。

2、MongoDB 常見操作

2.1 查看庫表

show dbs          // 列舉MongoDB實例的數據庫
show collections  // 列舉當前庫下的所有集合

2.2 查看錶數據

MongoDB 的查詢語法比較豐富，既有普通文檔的條件查詢，還有嵌入文檔、數組字段的查詢，具體語法可以參見官網 https://docs.mongodb.com/manual/tutorial/query-documents/，MongoDB 的文檔除了講解說明外，還有交互終端，用戶可以自由使用。

無論是何種查詢，最終都離不開兩個問題：（1）查詢條件是什麼？（2）查詢結果又是什麼樣子的？

2.2.1 查詢表達式（Query Selector）

如上是 MongoDB 的一些操作符，通過這些操作符和字段、值的聯立組合，可以形成複雜的查詢條件。

假設，我們要在部署記錄集合（deploy_record）中查詢用戶（sli4）、在 12 月部署的失敗（Failure）和取消（Cancel）的記錄：

db.deploy_record.find({
user:"sli4", 
  date: {
"gte": ISODate("2019-12-01T00:00:00Z), 
    "lt": ISODate("2020-01-01T00:00:00Z)
  },
  status:{$in: ["Failure", "Cancel"]}
 })

很多技術內容，光看文檔是無法真正領會的，需要有真實的操作場景，才能碰到自己想不到的問題。本想寫一篇概括性、總結文章，可以一頁指北，卻發現，只能提供概要性說明，具體實踐過程，還是要面向文檔和 Google 編程！

2.2.2 投射

投射，就是 SQL 中的字段選擇。MongoDB 默認返回符合查詢條件文檔的全部字段，爲了限制 MongoDB 返回的數據量，可以通過投射表達式選擇需要的字段。

db.collection.find({查詢條件},{投射表達式})

投射表達式，就是爲指定字段設定是否返回標識，1 標識返回，0 標識不返回。如部署記錄（deploy_record）只返回應用（app）、狀態（status）：

注意：MongoDB 默認是返回主鍵（_id），因此如果不需要主鍵時，需要顯示指定_id:0。

2.2.3 聚合

Aggregation operations process data records and return computed results. 聚合操作通過數據分組、針對分組數據執行一系列操作、最終生成單一計算結果值。聚合提供 Pipeline、MapReduce、Methods 三種方式。聚合操作可以簡化應用層的業務邏輯，在數據層提取需要的數據值。

因爲聚合比較重要，也很複雜，我們將在下面另起一個模塊講解說明。

2.3 創建數據：insert

db.collection.insertOne()  // 插入單一文檔
db.collection.insertMany() // 插入多個文檔
db.collection.insert()     // 插入一個或多個文檔

MongoDB 的數據插入行爲有三點內容需要明確：

• 如果插入數據時，集合尚未存在，insert 操作會觸發集合創建。

• mongodb 中每個文檔都是以_id 作爲主鍵，如果插入的文檔中沒有指定_id，mongodb 會默認分配唯一 ID。

• 無論插入一個還是多個文檔，mongodb 都是以單一文檔爲原子性維度，即插入過程中如遇錯誤，隻影響正在插入的文檔，不影響已經成功的文檔，不會回退至插入操作前的狀態。

2.4 修改操作

// 修改操作的命令格式
{
  <update operator> : { <field1>:<value1>, ... },
  <update operator> : { <field1>:<value1>, ... },
  ...
}

2.4.1 修改還是替換

上圖的兩個操作，一個是替換，一個是字段更新，在沒有 $set 更新操作符時，是以新值替代舊值；而有 $set 時則只針對指定字段更新。

db.deploy_record.update({_id: 1}, {user: "王五"})
db.deploy_record.update({_id: 1}, {$set: {user: "王五"}})

2.4.2 更新操作注意事項

• _id 字段不可更改

• upsert 操作：當 upsert 爲 true 時，如果沒有匹配的文檔可供修改，會將更新文檔作爲新文檔插入集合。

2.4.3 還有更多操作符，具體使用結合文檔和場景

https://docs.mongodb.com/manual/reference/operator/update/

2.5 刪除操作

db.collection.delete({查詢表達式})

3. MongoDB 的高級操作 -- 聚合

3.1 Pipeline

3.2 MapReduce

MapReduce 是大數據處理模型，通過 map 和 reduce 兩個階段獲取理想的數據結果：

• Map：通過 map 函數提取一組 kv 對，每個 key 都有多個 value，準確的說是 key-values。

• Reduce：通過 reduce 函數，以 key 爲組，分組計算求得結果。

在 MongoDB 中，MapReduce 的命令格式如下：除了提供 map、reduce 函數外，還需要指定數據的篩選條件（query）和數據結果的保存集合（out）

{
  function map(){},
  function reduce(key, values){},
  {
    query: {查詢表達式},
    out: 輸出集合
  }
}

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/NXQ7bSb8UEH0VqOwFxOj3g