MongoDB

应用场景

​ 在传统数据库（Mysql），在数据操作的 **High performance 对数据库高并发读写的需求、Hugu Storage 对海量数据的高效率存储和访问的需求、High Scalability && High Availability 对数据库高扩展和高可用性的需求。**这个时候传统数据库例如mysql就显得力不从心。

High performance

​ 比如我们常说的618 11:11，

Huge Storage 海量的数据

Mysql对于海量数据和高效存储的访问需求就有一些力不从心。

High Scalability && High Availability 对数据库高扩展和高可用性的需求

高可扩展性

​ 在传统的Mysql数据库我们如果要进行扩展我们非常困难， 因为我们的表与表是对应的，列也固定了，扩展的代价非常的高。而我们MongoDB是一个松散的情况，我不需要在我一开始就把我的列确认好。

高可用性

应用场景

​ **社交场景：**使用MongoDB存储用户信息，以及发表朋友圈，通过地理位置索引实现附近人，地点等功能。

​ **游戏场景：**我们游戏都有一个需求那就是低延迟，那么我们可以通过MongoDB存储用户的信息，用户的装备，游戏币等直接以内嵌数组的形式存储，方便查询高效率存储和访问，显然mysql做到这点代价要高很多。

​ **物流场景：**使用MongoDB存储订单信息，订单状态在运送的过程中会不断更新，以MOngoDB内嵌数组的形式来存储，一次查询就能将订单的所有变更都读取出来。

​ **游戏直播：**存储点赞和互动信息

以上总结我们当一下情况下就可以选择MongoDB

​ （1） 数据量大

​ （2）读写很频繁

​ （3）价值较低的数据，是事物要求不高。

​ （4）海量数据

对于以上的数据我们就可以选择MongoDB

MongoDB的缺点

​ MongoDB对事物的操作很不好

MongoDB的简介

​ MongoDB是一个开源、高性能、无模式（不像传统数据库一样需要列）的文档数据库，当初的设计就是用于简化开发和方便扩展，是NoSQL的数据库一种，是最像关系型数据库的非关系数据库。

​ MongoDB它的数据结构非常的松散，是一种类似JSON的格式叫BSON。所以他可以存储复杂的数据库又相当的灵活。

​ MongoDB记录的就是一个文档，它是由一个字段和值组成（field：value）的数据结构，MongoDB的文档类似JSON对象，所以一个文档可以认为是一个对象，字段的数据类型就是字符型，它的值除了使用基本的一些类型外还可以使用其他文档、普通数组和文档数组。

MongoDB关键词	解释
database	数据库
collection	集合
document	文档
field	域
index	索引
嵌入文档	mongodb不像mysql一样可以使用join进行连接，Mongodb使用嵌入式文档来代替多表连接
primary key	mongoDb自动将——id字段设置为主键

Linux安装MongoDB ON Ubantu

1.去官网下载tgz

2.解压mongodb

tar -xvf mongo......... .tgz

3.创建几个目录，粉嫩别来存储数据和日志

# 存储目录
mkdir -p /mongodb/single/data/db
# 日志存储目录
mkdir -p /mongodb/single/log

5.创建配置文件

vi /mongodb/single/mongod.conf

#数据库路径
dbpath=/mongodb/single/data/db
#日志输出文件路径
logpath=/mongodb/single/log/mongod.log
#错误日志采用追加模式
logappend=true
#启用日志文件，默认启用
journal=true
#这个选项可以过滤掉一些无用的日志信息，若需要调试使用请设置为false
quiet=true
#端口号 默认为27017
port=27017
#允许远程访问（你的服务器局域网ip）
bind_ip=xxxxxx
#开启子进程
fork=true
#开启认证，必选先添加用户，先不开启（不用验证账号密码）
#auth=true

根据我们的配置文件启动mongodb

/home/bryan/Documents/lib/mongod -f /home/bryan/DOcuments/mongod/single/mongod.conf

文档CURD

Document数据结构和json基本一致

所有在集合中的数据都是BSON格式也就是JSON的二进制

文档的插入

单个插入

dp.test1.insert(<document or array of documents>,{	writeConcern: <document>,ordered: <boolean>}
)

Parameter	type	Description
document	document or array	要插入到集合中的文档或文档数组
writerConcern	document	插入的时候选择的一个性能和可靠性的级别
ordered	boolean	是否排序

批量插入

dp.test1.insertMany([<document 1>,<document 2>,.......],{	writeConcern: <document>,ordered: <boolean>}
)

查询

查询所有

dp.test1.find()

指定查询

db.c1.find({"item": "card"})

若我们想控制哪些字段显示哪些不现实

db.c1.find({"item": "card"},{"item":1,"qty":1,"_id":0})

1代表显示，0代表不显示

更新

覆盖修改

db.c1.update({"_id":1},{"qty":100})

我们会发现除了qty字段其他字段都没有了

局部修改

db.c1.update({_id:1},{$set:{"item":"q"}})

这样就不会丢失其他列的顺序了，但是只会修改一个字段

db.c1.update({"qty":NumberInt(15)},{$set:{"item":"11112"}},{multi:true})

这样就会更新所有；

自增或者自减

db.c1.update({"_id":NumberInt(1),"item":"Math"},{$inc:{"qty":NumberInt(1)}})
db.c1.update({"_id":NumberInt(1),"item":"Math"},{$inc:{"qty":NumberInt(-1)}})

删除

db.c1.remove({"qty":NumberInt(15),"item":"11112"})

分页查询

统计

db.c1.count(query,option)

Query: 查询条件

option:选项

db.c1.count()
db.c1.count({"_id":1})

分页

限制查询几条

db.c1.find().limit(3)

跳过几个查询几个

db.c1.find().skip(3).limit(3)

排序

生序

db.c1.find().sort({"_id":1})  

降序

db.c1.find().sort({"_id":-1})

如果limit 和 ship和sort一起用，他们的优先级为

db.c1.find().sort({"_id":1}).skip(3).limit(3)

更复杂的查询

正则的复杂查询

通过正则查询包含a的内容

db.c1.find({"item":/a/})

查询以a开头的

db.c1.find({"item":/^a/})

操作符查询

在我们mongodb我们的操作符号也需要转移

符号	to
>	$gt
<	$lt
>=	$gte
<=	$lte
!=	$ne

db.c1.find({"_id":{$gte : 10}})

包含查询

包含5 6 7的数据

db.c1.find({"_id":{$in : [5,6,7]}})

不包含5 6 7的数据

db.c1.find({"_id":{$nin : [5,6,7]}})

And

db.c1.find({$and: [{_id: {$lt: NumberInt(10)}},{_id: {$gt: NumberInt(2)}}]})

or

db.c1.find({$or: [{_id: {$lt: NumberInt(10)}},{_id: {$gt: NumberInt(2)}}]})

索引

索引是为了提高mongoDB高效的查询，如果没有索引，MongoDB必须执行全集合扫描，扫描集合中每一个文档，找到语言查询语句匹配的数据，这样效率是十分低的，特别在海量的数据情况下这对我们来说是致命的。

他和mysql不同的是MongoDB采用的是B-Tree 而Mysql采用的是B+Tree

单字段索引 普通索引，

将某个字段设置为索引，该索引直接对应了数据的物理内存地址。

复合索引

复合索引对字段的顺序有很大的意义，比如说{userid: 1,score:-1}我们先根据userid郑旭排序，然后在userid的值内在对score进行倒叙排序，当查询条件比较多的时候就应该使用复合索引

地理空间索引

为了支持地理空间坐标的有效查询，MongDB提供了两种特殊的索引，返回结果的时候使用平米那集合的二维索引和返回结果的时候使用地球几何的二面索引。

文本索引

MongoDB提供了一种文本索引类型，支持在集合中所搜字符串的内存，这些文娥本索引不存储特定语言的停止词汇例如the a or，而将集合中的词作为词干，值存储词根

Hash索引

不支持范围查找，只能通过该值计算出指定存储位置进行查找

索引类型

在索引里，1是生序，0是降序

**Name：**索引名字

**Unique：**唯一索引

**backgound：**索引创建的过程中会堵塞其他数据库的操作

**spare：**对文档中不存在的字段数据不启动索引，这个参数要特别注意，如果指定为true的话，我在索引字段中不会查询出不包含对应字段的文档，默认为之false

**Expire After：**多少秒后过期

获取索引

db.c1.getIndexes()

创建单字段索引

db.c1.createIndex({qty:1})

创建复合索引

db.c1.createIndex({qty:1,_id:-1})

删除索引

根据规则去删除

我们设置的索引是什么规则，那么我们就通过什么规则进行删除

db.c1.dropIndex({qty:1})

通过name进行删除

db.c1.dropIndex("qty_1__id_-1")
db.c1.getIndexes()

执行计划

执行计划就是分析查询性能（Analyyze query performance），通常使用执行计划（解析计划、Explain Plan）来查看查询的情况，如查询耗费的时间、是否基于索引查询等。

db.conllection.find(query,options).explain(options)

我们看到返回结果首先要关心的就是winningPlan

如果stage为collscan就代表全集合扫描

如果stage为fetch就代表使用了索引

涵盖查询

​ 如果我们使用了索引只返回索引字段，那么就不会扫描索引文档查询内存，直接返回索引，这样查询效率就是非常的高

小Demo 文档评论

表的设计

_id	Id	ObjectId or String	MongoDB主键字段
articled	博文Id	String
content	评论内容	String
userid	评论人ID	String
nickname	昵称	String
createdatetime	评论日期	Date
likenum	点赞数量	int32
replynum	回复数量	int32
state	状态	String	0可见1不可以
parentId	上级iD	String

技术选型

mongodb-driver

<!-- https://mvnrepository.com/artifact/org.mongodb/mongodb-driver -->
<dependency><groupId>org.mongodb</groupId><artifactId>mongodb-driver</artifactId><version>3.12.11</version>
</dependency>

SpringDateMongoDB

<!-- https://mvnrepository.com/artifact/org.springframework.data/spring-data-mongodb -->
<dependency><groupId>org.springframework.data</groupId><artifactId>spring-data-mongodb</artifactId><version>4.0.1</version>
</dependency>

配置文件

spring:data:mongodb:host: 192.168.40.141database: c1port: 27017

实体类

package com.example.studymongodb.entry;import org.springframework.data.annotation.Id;
import org.springframework.data.mongodb.core.index.Indexed;
import org.springframework.data.mongodb.core.mapping.Document;import java.io.Serializable;
import java.util.Date;@Document(collection = "c1")
public class C1 implements Serializable {@Idprivate Long id;          //主键private String content;   //评论内容private Date publishtime; //发布时间@Indexed //单字段索引private String userID;    //发布人private String nickname;  //别名private Date   createDateTime; //创建时间private Long likenum;         //点赞数量private Long replynum;        //回复数量private Integer state;        //回复数量private Long articleId;       //回复博文idpublic Long getId() {return id;}public void setId(Long id) {this.id = id;}public String getContent() {return content;}public void setContent(String content) {this.content = content;}public Date getPublishtime() {return publishtime;}public void setPublishtime(Date publishtime) {this.publishtime = publishtime;}public String getUserID() {return userID;}public void setUserID(String userID) {this.userID = userID;}public String getNickname() {return nickname;}public void setNickname(String nickname) {this.nickname = nickname;}public Date getCreateDateTime() {return createDateTime;}public void setCreateDateTime(Date createDateTime) {this.createDateTime = createDateTime;}public Long getLikenum() {return likenum;}public void setLikenum(Long likenum) {this.likenum = likenum;}public Long getReplynum() {return replynum;}public void setReplynum(Long replynum) {this.replynum = replynum;}public Integer getState() {return state;}public void setState(Integer state) {this.state = state;}public Long getArticleId() {return articleId;}public void setArticleId(Long articleId) {this.articleId = articleId;}@Overridepublic String toString() {return "C1{" +"id=" + id +", content='" + content + '\'' +", publishtime=" + publishtime +", userID='" + userID + '\'' +", nickname='" + nickname + '\'' +", createDateTime=" + createDateTime +", likenum=" + likenum +", replynum=" + replynum +", state=" + state +", articleId=" + articleId +'}';}public C1() {}public C1(Long id, String content, Date publishtime, String userID, String nickname, Date createDateTime, Long likenum, Long replynum, Integer state, Long articleId) {this.id = id;this.content = content;this.publishtime = publishtime;this.userID = userID;this.nickname = nickname;this.createDateTime = createDateTime;this.likenum = likenum;this.replynum = replynum;this.state = state;this.articleId = articleId;}
}

编写MongoDBDao层

import com.example.studymongodb.entry.C1;
import org.springframework.data.mongodb.repository.MongoRepository;public interface C1Repository extends MongoRepository<C1,Long> {
}

MongoRepository<T,TD> T代表着实体类型，TD代表着主键类型

基本的CRUD

import com.example.studymongodb.entry.C1;
import com.example.studymongodb.mongodao.C1Repository;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;import javax.annotation.Resource;
import java.util.List;public class C1Service {private C1Repository c1Repository;//保存评论public void savedis(C1 c1){c1Repository.save(c1);}//更新评论public void updatedis(C1 c1){c1Repository.save(c1);}//根据id删除评论public void delteDisById(Long id){c1Repository.deleteById(id);}//查询所有评论public List<C1> getAll(){List<C1> all = c1Repository.findAll();return all;}//通过id查询评论public C1 getC(Long id){C1 c1 = c1Repository.findById(id).get();return c1;}}

通过上级id分页查询评论

一定要叫这个名字，findBy属性名字。否则会解析不到

public interface C1Repository extends MongoRepository<C1,Long> {/*** 通过上级id查询子评论* @param parentId* @param pageable* @return*/Page<C1> findByParentId(Long parentId, Pageable pageable);
}

@Test
void test1(){Page<C1> byParentId = c1Repository.findByParentId(1l, PageRequest.of(0, 2));System.out.println(byParentId.getContent());        //数据内容System.out.println(byParentId.getTotalElements());  //总数据个数
}

使用MongoTemplate来实现点赞

Spring Date MongoDB

常用注解

@Ducoment 指定集合

@Document(collection= “”) 指定集合

@Document(collection = "c1")
public class C1 implements Serializable {.....
}

@Indexed 设置单独索引

    @Indexedprivate Long id; 

@Id 设置主键

@Id
private Date publishtime; //发布时间

@CompoundIndex(def = “{‘userId’:1,‘nickname’:-1}”) 复合索引

@Document(collection = "c1")
@CompoundIndex(def = "{'userId':1,'nickname':-1}") 
public class C1 implements Serializable {.....
}

副本集 Replica Sets

副本及就是有自动故障修复的主从集群，通俗来讲，就是多台机器进行统一数据的异步同步，让多台机器有同一数据的多个副本，当主库挂掉不需要我们人为操作它就可以自动切换主库，也就是将从库变成主库，而且还可以用副本作为只读数据库，实现读写分离操作，提高负载

副本集有2个类型

​ 主节点，主要负责数据操作的主要连接点，可读写。

​ 从节点类型：数据的备份节点，可以读或者选举。

三种角色

​ 主要成员：主要接受所有的写操作，也就是主节点

​ 副本成员：从主节点通过复制操作以维护相同的数据，也称为备份数据，不可以写操作，但是可以读（需要配置）也是从节点类型。

​ 仲裁者：不保留任何数据，只作为投票使用，也是一个从节点类型。

当我们主线主节点故障或者主节点网络不可达（默认心跳为10秒）或者主节点关机了就会选举新的主节点。

必须获取到大多数节点的投票才能成为主节点，如果票数相等就判断谁是最新插入的数据是俄称为主节点。

分片集群

分片时跨多台机器分布数据的方法，MongoDb使用分片来支持具有非常大的数据集和高吞吐量操作的部署。

也就是说将数据拆分，分散在不同的机器。

主要有3个属性

​ 分片（存储）：每个分享包含分片的数据的自己，每个分片都可以部署为副本集。

​ mongos（路由） mongos充当查询路由器，在客户端应用程序和分片集合之间提供接口

​ config servers（调度的配置）：就是存放配置信息，知道我哪个数据在哪个分片，我的路由应该如何去调取

安全认证

在mongodb默认角色有一些权限

**read:**只能读

**readWrite:**能读能写

**userAdmin:**能用数据库和用户的创建

**root：**超级管理员

首先选择我们要授权的库

use ZuiBlog