PyMongo 小總結

# From http://www.oschina.net/p/pymongo

PyMongo 是 MongoDB 的 Python 接口開發包。

示例代碼：

創建Connection時，指定host及port參數
>>> import pymongo
>>> conn = pymongo.Connection(host='127.0.0.1',port=27017)

連接數據庫
>>> db = conn.ChatRoom
或
>>> db = conn['ChatRoom']

連接聚集
>>> account = db.Account
或
>>> account = db["Account"]

查看全部聚集名稱
>>> db.collection_names()

查看聚集的一條記錄
>>> db.Account.find_one()
>>> db.Account.find_one({"UserName":"keyword"})

查看聚集的字段
>>> db.Account.find_one({},{"UserName":1,"Email":1})
{u'UserName': u'libing', u'_id': ObjectId('4ded95c3b7780a774a099b7c'), u'Email': u'[e-mail]'}
>>> db.Account.find_one({},{"UserName":1,"Email":1,"_id":0})
{u'UserName': u'libing', u'Email': u'[e-mail]'}

查看聚集的多條記錄
>>> for item in db.Account.find():
        item
>>> for item in db.Account.find({"UserName":"libing"}):
        item["UserName"]

查看聚集的記錄統計
>>> db.Account.find().count()
>>> db.Account.find({"UserName":"keyword"}).count()

聚集查詢結果排序
>>> db.Account.find().sort("UserName")  --默認為升序
>>> db.Account.find().sort("UserName",pymongo.ASCENDING)   --升序
>>> db.Account.find().sort("UserName",pymongo.DESCENDING)  --降序

聚集查詢結果多列排序
>>> db.Account.find().sort([("UserName",pymongo.ASCENDING),("Email",pymongo.DESCENDING)])

添加記錄
>>> db.Account.insert({"AccountID":21,"UserName":"libing"})

修改記錄
>>> db.Account.update({"UserName":"libing"},{"$set":{"Email":"[e-mail]","Password":"123"}})

刪除記錄
>>> db.Account.remove()   -- 全部刪除
>>> db.Test.remove({"UserName":"keyword"})

 

# =========================================================== #

本文是一個Python 使用MongoDB的簡單教程，將使用pymongo對MongoDB進行的各種操作進行了簡單的匯總，NoSQLFan進行了簡單整理，使用Python的同學可以看一看。

下載相應平台的版本，解壓即可。為方便使用，將bin路徑添加到系統path環境變量里。其中mongod是服務器，mongo是客戶shell，然后創建數據文件目錄：在c盤下創建data文件夾，里面創建db文件夾。

基本使用：

安裝對應語言的Driver，Python 安裝 pymongo

$ easy_install pymongo

使用方法總結，摘自官方教程

創建連接

>>> import pymongo
>>> connection=pymongo.Connection('localhost',27017)

切換數據庫

>>> db = connection.test_database

獲取collection

>>> collection = db.test_collection

db和collection都是延時創建的，在添加Document時才真正創建

文檔添加，_id自動創建

>>> import datetime
>>> post = {"author": "Mike",
...         "text": "My first blog post!",
...         "tags": ["mongodb", "python", "pymongo"],
...         "date": datetime.datetime.utcnow()}
>>> posts = db.posts
>>> posts.insert(post)
ObjectId('...')

批量插入

>>> new_posts = [{"author": "Mike",
...               "text": "Another post!",
...               "tags": ["bulk", "insert"],
...               "date": datetime.datetime(2009, 11, 12, 11, 14)},
...              {"author": "Eliot",
...               "title": "MongoDB is fun",
...               "text": "and pretty easy too!",
...               "date": datetime.datetime(2009, 11, 10, 10, 45)}]
>>> posts.insert(new_posts)
[ObjectId('...'), ObjectId('...')]

獲取所有collection（相當於SQL的show tables）

>>> db.collection_names()
[u'posts', u'system.indexes']

獲取單個文檔

>>> posts.find_one()
{u'date': datetime.datetime(...), u'text': u'My first blog post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'mongodb', u'python', u'pymongo']}

查詢多個文檔

>> for post in posts.find():
...   post
...
{u'date': datetime.datetime(...), u'text': u'My first blog post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'mongodb', u'python', u'pymongo']}
{u'date': datetime.datetime(2009, 11, 12, 11, 14), u'text': u'Another post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'bulk', u'insert']}
{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'and pretty easy too!', u'_id': ObjectId('...'), u'author': u'Eliot', u'title': u'MongoDB is fun'}

加條件的查詢

>>> posts.find_one({"author": "Mike"})

高級查詢

>>> posts.find({"date": {"$lt": d}}).sort("author")

統計數量

>>> posts.count()
3

加索引

>>> from pymongo import ASCENDING, DESCENDING
>>> posts.create_index([("date", DESCENDING), ("author", ASCENDING)])
u'date_-1_author_1'

查看查詢語句的性能

>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"]
u'BtreeCursor date_-1_author_1'
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]
2

附自己總結的一點小心得，僅供參考

缺點

• 不是全盤取代傳統數據庫（NoSQLFan：是否能取代需要看應用場景）
• 不支持復雜事務（NoSQLFan：MongoDB只支持對單個文檔的原子操作）
• 文檔中的整個樹，不易搜索，4MB限制？（NoSQLFan：1.8版本已經修改為16M）

特點（NoSQLFan：作者在這里列舉的很多只是一些表層的特點）：

• 文檔型數據庫，表結構可以內嵌
• 沒有模式，避免空字段開銷（Schema Free）
• 分布式支持
• 查詢支持正則
• 動態擴展架構
• 32位的版本最多只能存儲2.5GB的數據（NoSQLFan：最大文件尺寸為2G，生產環境推薦64位）

名詞對應

• 一個數據項叫做 Document（NoSQLFan：對應MySQL中的單條記錄）
• 一個文檔嵌入另一個文檔（comment 嵌入 post）叫做 Embed
• 儲存一系列文檔的地方叫做 Collections（NoSQLFan：對應MySQL中的表）
• 表間關聯，叫做 Reference

來源鏈接已經404了～暫無法附來源。