1 下載安裝
2 建庫建表
MongoDB創建數據庫,MongoDB創建數據庫,MongoDB創建數據庫,MongoDB創建數據庫
MongoDB創建數據庫完全可以使用use
如下:
use mydb;
這樣就創建了一個數據庫。
這一步很重要如果什么都不操作離開的話 這個庫就會被系統刪除。
驗證-------------------------------
然后使用插入語句：
db.usr.insert({'name':'tompig'});
db.usr.insert({'name':'tompig1','id':1});
在使用下列命令查看
show collections; ---查看‘表’
> show collections;
system.indexes
usr
show dbs 查看庫。
> show dbs;
local (empty)
test 0.078125GB
查詢記錄
> db.usr.find();
{ "_id" : ObjectId("4f459f01bb327e6587380b58"), "name" : "lein" }
{ "_id" : ObjectId("4f45a14dbb327e6587380b59"), "name" : "leinchu", "id" : 2 }
>
打開游覽器輸入URL “http://localhost:27017/”，如果出現下面的頁面則說明已正常啟動：
| You are trying to access MongoDB on the native driver port. For http diagnostic access, add 1000 to the port number |
3 優點和特性
使用JSON風格語法，易於掌握和理解：MongoDB使用JSON的變種BSON作為內部存儲的格式和語法。針對MongoDB的操作都使用JSON風格語法，客戶端提交或接收的數據都使用JSON形式來展現。相對於SQL來說，更加直觀，容易理解和掌握。
Schema-less，支持嵌入子文檔：MongoDB是一個Schema-free的文檔數據庫。一個數據庫可以有多個Collection，每個Collection是Documents的集合。Collection和Document和傳統數據庫的Table和Row並不對等。無需事先定義Collection，隨時可以創建。
作品和評論可以設計為一個collection，評論作為子文檔內嵌在art的comments屬性中，評論的回復則作為comment子文檔的子文檔內嵌於replies屬性。按照這種設計模式，只需要按照作品id檢索一次，即可獲得所有相關的信息了。在MongoDB中，不強調一定對數據進行Normalize ，很多場合都建議De-normalize，開發人員可以扔掉傳統關系數據庫各種范式的限制，不需要把所有的實體都映射為一個Collection，只需定義最頂級的class。MongoDB的文檔模型可以讓我們很輕松就能將自己的Object映射到collection中實現存儲。
Collection中可以包含具有不同schema的文檔記錄。 這意味着，你上一條記錄中的文檔有3個屬性，而下一條記錄的文檔可以有10個屬性，屬性的類型既可以是基本的數據類型（如數字、字符串、日期等），也可以是數組或者散列，甚至還可以是一個子文檔（embed document）。這樣，可以實現逆規范化（denormalizing）的數據模型，提高查詢的速度。
CRUD更加簡單，支持in-place update：只要定義一個數組，然后傳遞給MongoDB的insert/update方法就可自動插入或更新；對於更新模式，MongoDB支持一個upsert選項，即：“如果記錄存在那么更新，否則插入”。MongoDB的update方法還支持Modifier，通過Modifier可實現在服務端即時更新，省去客戶端和服務端的通訊。這些modifer可以讓MongoDB具有和Redis、Memcached等KV類似的功能：較之MySQL，MonoDB更加簡單快速。Modifier也是MongoDB可以作為對用戶行為跟蹤的容器。在實際中使用Modifier來將用戶的交互行為快速保存到MongoDB中以便后期進行統計分析和個性化定制。
所有的屬性類型都支持索引，甚至數組：這可以讓某些任務實現起來非常的輕松。在MongoDB中，“_id”屬性是主鍵，默認MongoDB會對_id創建一個唯一索引。
服務端腳本和Map/Reduce：MongoDB允許在服務端執行腳本，可以用Javascript編寫某個函數，直接在服務端執行，也可以把函數的定義存儲在服務端，下次直接調用即可。MongoDB不支持事務級別的鎖定，對於某些需要自定義的“原子性”操作，可以使用Server side腳本來實現，此時整個MongoDB處於鎖定狀態。Map/Reduce也是MongoDB中比較吸引人的特性。Map/Reduce可以對大數據量的表進行統計、分類、合並的工作，完成原先SQL的GroupBy等聚合函數的功能。並且Mapper和Reducer的定義都是用Javascript來定義服務端腳本。
性能高效，速度快： MongoDB使用c++/boost編寫，在多數場合，其查詢速度對比MySQL要快的多，對於CPU占用非常小。部署也很簡單，對大多數系統，只需下載后二進制包解壓就可以直接運行，幾乎是零配置。
支持多種復制模式： MongoDB支持不同的服務器間進行復制，包括雙機互備的容錯方案。
Master-Slave是最常見的。通過Master-Slave可以實現數據的備份。在我們的實踐中，我們使用的是Master-Slave模式，Slave只用於后備，實際的讀寫都是從Master節點執行。
Replica Pairs/Replica Sets允許2個MongoDB相互監聽，實現雙機互備的容錯。
MongoDB只能支持有限的雙主模式（Master-Master），實際可用性不強，可忽略
內置GridFS，支持大容量的存儲：這個特點是最吸引我眼球的，也是讓我放棄其他NoSQL的一個原因。GridFS具體實現其實很簡單，本質仍然是將文件分塊后存儲到files.file和files.chunk 2個collection中，在各個主流的driver實現中，都封裝了對於GridFS的操作。由於GridFS自身也是一個Collection，你可以直接對文件的屬性進行定義和管理，通過這些屬性就可以快速找到所需要的文件，輕松管理海量的文件，無需費神如何hash才能避免文件系統檢索性能問題， 結合下面的Auto-sharding，GridFS的擴展能力是足夠我們使用了。在實踐中，我們用MongoDB的GridFs存儲圖片和各種尺寸的縮略圖。
內置Sharding，提供基於Range的Auto Sharding機制：一個collection可按照記錄的范圍，分成若干個段，切分到不同的Shard上。Shards可以和復制結合，配合Replica sets能夠實現Sharding+fail-over，不同的Shard之間可以負載均衡。查詢是對客戶端是透明的。客戶端執行查詢，統計，MapReduce等操作，這些會被MongoDB自動路由到后端的數據節點。這讓我們關注於自己的業務，適當的時候可以無痛的升級。MongoDB的Sharding設計能力最大可支持約20 petabytes，足以支撐一般應用。
第三方支持豐富： MongoDB社區非常活躍，很多開發框架都迅速提供了對MongDB的支持。不少知名大公司和網站也在生產環境中使用MongoDB，越來越多的創新型企業轉而使用MongoDB作為和Django，RoR來搭配的技術方案。
實施MonoDB的過程是令人愉快的。我們對自己的PHP開發框架進行了修改以適應MongoDB。在PHP中，對MongoDB的查詢、更新都是圍繞Array進行的，實現代碼變得很簡潔。由於無需建表，MonoDB運行測試單元所需要的時間大大縮短，對於TDD敏捷開發的效率也提高了。當然，由於MongoDB的文檔模型和關系數據庫有很大不同，在實踐中也有很多的困惑，幸運的是，MongoDB開源社區給了我們很大幫助。最終，我們使用了2周就完成了從MySQL到MongoDB的代碼移植比預期的開發時間大大縮短。從我們的測試結果看也是非常驚人，數據量約2千萬，數據庫300G的情況下，讀寫2000rps，CPU等系統消耗是相當的低（我們的數據量還偏小，目前陸續有些公司也展示了他們的經典案例：MongoDB存儲的數據量已超過 50億，>1.5TB）。目前，我們將MongoDB和其他服務共同部署在一起，大大節約了資源。
一些小提示
切實領會MongoDB的Document模型，從實際出發，扔掉關系數據庫的范式思維定義，重新設計類；在服務端運行的JavaScript代碼避免使用遍歷記錄這種耗時的操作，相反要用Map/Reduce來完成這種表數據的處理；屬性的類型插入和查詢時應該保持一致。若插入時是字符串“1”，則查詢時用數字1是不匹配的；優化MongoDB的性能可以從磁盤速度和內存着手；MongoDB對每個Document的限制是最大不超過4MB；在符合上述條件下多啟用Embed Document, 避免使用DatabaseReference；內部緩存可以避免N+1次查詢問題（MongoDB不支持joins）。
用Capped Collection解決需要高速寫入的場合，如實時日志；大數據量情況下，新建同步時要調高oplogSize的大小，並且自己預先生成數據文件，避免出現客戶端超時；Collection＋Index合計數量默認不能超過24000；當前版本（<v1.6）刪除數據的空間不能被回收，如果你頻繁刪除數據，那么需要定期執行repairDatabase，釋放這些空間。
-----------------------------------------------------
MongoDB授權和權限
官方文檔開啟MongoDB 服務時不添加任何參數時，可以對數據庫任意操作，而且可以遠程訪問數據庫，所以推薦只是在開發是才這樣不設置任何參數。如果啟動的時候指定--auth參數,可以從阻止根層面上的訪問和連接
(1)、只允許某ip訪問
mongod --bind_ip 127.0.0.1
(2)、指定服務端口
mongod --bind_ip 127.0.0.1 --port27888
(3)、添加用戶認證
mongod --bind_ip 127.0.0.1 --port27888 –auth
(4)、添加用戶
在剛安裝完畢的時候MongoDB都默認有一個admin數據庫，而admin.system.users中將會保存比在其它數據庫中設置的用戶權限更大的用戶信息。
當admin.system.users中一個用戶都沒有時，即使mongod啟動時添加了--auth參數，如果沒有在admin數據庫中添加用戶，此時不進行任何認證還是可以做任何操作，直到在admin.system.users中添加了一個用戶。
下面分別創建兩個用戶, 在foo中創建用戶名為user1密碼為pwd1的用戶，如下：
| [root@localhost bin]# ./mongo --port 27888 MongoDB shell version: 1.8.1 connecting to: test > use foo switched to db foo > db.addUser("user1","pwd1") { "user" : "user1", "readOnly" : false, "pwd" : "35263c100eea1512cf3c3ed83789d5e4" } |
在admin中創建用戶名為root密碼為pwd2的用戶，如下：
| > use admin switched to db admin > db.addUser("root", "pwd2") { "_id" : ObjectId("4f8a87bce495a88dad4613ad"), "user" : "root", "readOnly" : false, "pwd" : "20919e9a557a9687c8016e314f07df42" } > db.auth("root", "pwd2") 1 > |
在admin庫建立的用戶對所有庫有權限，而在指定庫的就只能在指定庫有權限
(1)、mongoexport導出工具
MongoDB提供了mongoexport工具，可以把一個collection導出成json格式或csv格式的文件。可以指定導出哪些數據項，也可以根據給定的條件導出數據。工具幫助信息如下：
| [root@localhost bin]# ./mongoexport --help options: --help produce help message -v [ --verbose ] be more verbose (include multiple times for more verbosity e.g. -vvvvv) -h [ --host ] arg mongo host to connect to ( <set name>/s1,s2 for sets) --port arg server port. Can also use --host hostname:port --ipv6 enable IPv6 support (disabled by default) -u [ --username ] arg username -p [ --password ] arg password --dbpath arg directly access mongod database files in the given path, instead of connecting to a mongod server - needs to lock the data directory, so cannot be used if a mongod is currently accessing the same path --directoryperdb if dbpath specified, each db is in a separate directory -d [ --db ] arg database to use -c [ --collection ] arg collection to use (some commands) -f [ --fields ] arg comma separated list of field names e.g. -f name,age --fieldFile arg file with fields names - 1 per line -q [ --query ] arg query filter, as a JSON string --csv export to csv instead of json -o [ --out ] arg output file; if not specified, stdout is used --jsonArray output to a json array rather than one object per line [root@localhost bin]# |
下面我們將以一個實際的例子說明，此工具的用法：
將foo庫中的表t1導出成json格式：
| [root@localhost bin]# ./mongoexport -d foo -c t1 -o /data/t1.json connected to: 127.0.0.1 exported 1 records [root@localhost bin]# |
導出成功后我們看一下/data/t1.json文件的樣式，是否是我們所希望的：
| [root@localhost data]# more t1.json { "_id" : { "$oid" : "4f927e2385b7a6814a0540a0" }, "age" : 2 } [root@localhost data]# |
通過以上說明導出成功，但有一個問題，要是異構數據庫的遷移怎么辦呢?例如我們要將MongoDB的數據導入到MySQL該怎么辦呢?MongoDB提供了一種csv的導出格式，就可以解決異構數據庫遷移的問題了. 下面將foo庫的t2表的age和name列導出, 具體如下：
| [root@localhost bin]# ./mongoexport -d foo -c t2 --csv -f age,name -o /data/t2.csv connected to: 127.0.0.1 exported 1 records [root@localhost bin]# |
查看/data/t2.csv的導出結果：
| [root@localhost data]# more t2.csv age,name 1,"wwl" [root@localhost data]# |
可以看出MongoDB為我們提供了一個強在的數據導出工具。
(2)、mongoimport導入工具
MongoDB提供了mongoimport工具，可以把一個特定格式文件中的內容導入到某張collection中。工具幫助信息如下：
| [root@localhost bin]# ./mongoimport --help options: --help produce help message -v [ --verbose ] be more verbose (include multiple times for more verbosity e.g. -vvvvv) -h [ --host ] arg mongo host to connect to ( <set name>/s1,s2 for sets) --port arg server port. Can also use --host hostname:port --ipv6 enable IPv6 support (disabled by default) -u [ --username ] arg username -p [ --password ] arg password --dbpath arg directly access mongod database files in the given path, instead of connecting to a mongod server - needs to lock the data directory, so cannot be used if a mongod is currently accessing the same path --directoryperdb if dbpath specified, each db is in a separate directory -d [ --db ] arg database to use -c [ --collection ] arg collection to use (some commands) -f [ --fields ] arg comma separated list of field names e.g. -f name,age --fieldFile arg file with fields names - 1 per line --ignoreBlanks if given, empty fields in csv and tsv will be ignored --type arg type of file to import. default: json (json,csv,tsv) --file arg file to import from; if not specified stdin is used --drop drop collection first --headerline CSV,TSV only - use first line as headers --upsert insert or update objects that already exist --upsertFields arg comma-separated fields for the query part of the upsert. You should make sure this is indexed --stopOnError stop importing at first error rather than continuing --jsonArray load a json array, not one item per line. Currently limited to 4MB. |
下面我們將以一人實際的例子說明，此工具的用法：
先看一下foo庫中的t1表數據：
| > db.t1.find(); { "_id" : ObjectId("4f937a56450beadc560feaa9"), "age" : 5 } > |
t1其中有一條age=5的記錄, 我們再看一下json文件中的數據是什么樣子的：
| [root@localhost data]# more t1.json { "_id" : { "$oid" : "4f937a56450beadc560feaa7" }, "age" : 8 } [root@localhost data]# |
可以看到t1.json文件中有一條age=8的數據，下面我們將用mongoimport工具將json文件中的記錄導入到t1表中：
| [root@localhost bin]# ./mongoimport -d foo -c t1 /data/t1.json connected to: 127.0.0.1 imported 1 objects |
工具返回信息說明向表中插入了一條記錄. 我們進庫里實際驗證一下：
| [root@localhost bin]# ./mongo MongoDB shell version: 1.8.1 connecting to: test > use foo switched to db foo > db.t1.find(); { "_id" : ObjectId("4f937a56450beadc560feaa9"), "age" : 5 } { "_id" : ObjectId("4f937a56450beadc560feaa7"), "age" : 8 } > |
結果跟我們期待的是一樣的，數據成功插入到表中。
MongoDB備份和恢復
MongoDB提供了兩個命令來備份(mongodump )和恢復(mongorestore )數據庫。