mongodb详解

lilei12138 的个人博客 / 1 / 0 / 创建于 1个月前 / 更新于 1个月前

涉及到的代码地址代码地址，您的评论点赞，star都是对我的鼓励

1、适用场景,数据类型。

mongodb的适合存储的数据和使用场景

1、cms博客文档，评论消息，文本比较多的数据。

2、im消息。

3、时序数据。iot记录，股票交易记录。

4、复杂嵌套数据，存储和查询复杂的JSON数据结构。

5、每列字段不固定的数据。

monogodb数据类型

cloud.tencent.com/developer/articl...

| Double | 1 | double | shell中的数字类型 | 64位浮点数 | { “x” : 3.14 }{ “x” : 3 } |
| String | 2 | string | | 字符串类型 | |
| Object | 3 | object | | 对象类型，嵌套 | {“address”:{“street”:”123 Main St”,”city”:”New York”,”zipCode”:”10001”},} |
| Array | 4 | array | | 数组类型 | { “x” : [“a”, “b”, “c”]} |
| Binary data | 5 | binData | shell中不可用 | 二进制数据类型 | |
| Undefined | 6 | undefined | 已过时 | 未定义类型 | |
| ObjectId | 7 | objectId | | 对象id类型 | {“x” : objectId() } |
| Boolean | 8 | bool | | 布尔类型 | |
| Date | 9 | date | | 日期类型 | ISODate(“2021-06-12T19:20:30Z”)ISO标准的时间Z表示为UTC时间 |
| Null | 10 | null | | 用于表示空值或者不存在的字段 | |
| Regular Expression | 11 | regex | | 正则表达式类型 | |
| DBPointer | 12 | dbPointer | 已过时 | | |
| JavaScript | 13 | javascript | | JavaScript代码 | |
| Symbol | 14 | symbol | shell中不可用，已过时 | | |
| JavaScript（with scope） | 15 | javascriptWithScope | | 带作用域的JavaScript代码 | |
| 32-bit integer | 16 | int | shell中不可用 | 32位整数 | |
| Timestamp | 17 | timestamp | | 时间戳类型秒加同一秒的操作顺序 | Timestamp(1623515630,1) |
| 64-bit integer | 18 | long | shell中不可用 | 64位整数 | |
| Decimal128 | 19 | decimal | 3.4版本新增 | | |
| Min key | -1 | minKey | shell中无此类型 | 最小键 | |
| Max key | 127 | maxKey | shell中无此类型 | 最大键 | |

常用命令

插入操作

插入单个文档


db.collection.insertOne({
   "name": "John Doe",
   "age": 30,
   "address": {
      "street": "123 Main St",
      "city": "New York"
   }
});

插入多个文档


db.collection.insertMany([
   {
      "name": "Jane Doe",
      "age": 25,
      "address": {
         "street": "456 Park Ave",
         "city": "New York"
      }
   },
   {
      "name": "Mike Smith",
      "age": 35,
      "address": {
         "street": "789 Broadway",
         "city": "New York"
      }
   }
]);

查询操作

查询所有文档


db.collection.find({});

查询匹配条件的文档


db.collection.find({ "age": { "$gt": 25 } });

查询特定字段


db.collection.find(
   { "age": { "$gt": 25 } },
   { "name": 1, "address.city": 1, "_id": 0 }
);

使用正则表达式进行查询


db.collection.find({ "name": { "$regex": "^J", "$options": "i" } });

计数查询结果

javascript
Copy code
db.collection.find({ "age": { "$gt": 25 } }).count();

排序查询结果

javascript
Copy code
db.collection.find({ "age": { "$gt": 25 } }).sort({ "age": -1 });

限制和跳过结果

javascript
Copy code
db.collection.find({ "age": { "$gt": 25 } }).limit(5).skip(10);

更新操作

更新单个文档


db.collection.updateOne(
   { "name": "John Doe" },
   { "$set": { "age": 31 } }
);

更新多个文档


db.collection.updateMany(
   { "address.city": "New York" },
   { "$set": { "status": "Active" } }
);

替换文档


db.collection.replaceOne(
   { "name": "John Doe" },
   { "name": "John Doe", "age": 31, "status": "Active" }
);

删除操作

删除单个文档


db.collection.deleteOne({ "name": "John Doe" });

删除多个文档


db.collection.deleteMany({ "status": "Inactive" });

2、monogdb存储引擎

底层存储引擎.wiredTiger做为存储引擎。

wiredTiger的数据结构

cloud.tencent.com/developer/articl...
通过查阅资料，我从 MongoDb 的官网和 WiredTiger 官网找到了答案。MongoDb 官网关于存储引擎（Storage Engine）的描述写道：从 MongoDb 3.2 版本开始，其使用了 WiredTiger 作为其默认的存储引擎。而从 WiredTiger 官网文档，我们可以知道：WiredTiger 使用的是 B+ 树作为其存储结构。

WiredTiger（以下简称WT）是一个优秀的单机数据库存储引擎，它拥有诸多的特性，既支持BTree索引，也支持LSM Tree索引，支持行存储和列存储，实现ACID级别事务、支持大到4G的记录等。WT的产生不是因为这些特性，而是和计算机发展的现状息息相关。

为啥选择b+树，

b+树在数据存在叶子节点，每个节点能存储的数据相对更多，树高相对更低，磁盘io相对更少。

b+树，叶子节点的数据使用单链表连接，范围查询效率更高。

缓存

mongoing.com/archives/78895

cacheSizeGB默认值是(RAM – 1GB) / 2。这个限制的出发点是防止OOM，因为MongoDB使用的总内存不仅是WT Cache，还包括了一些额外的消耗，

3、索引

理论知识

monodb的索引和mysql的索引类似

1、WiredTiger索引的数据结构是b+树

2、主键索引和普通索引。

每个文档必须有一个唯一的_id字段，它作为主键索引，叶子节点存储的是真实的文档记录。

普通索引：数据节点存的是文档的引用即_id字段

索引相关命令

创在MongoDB中，创建索引和使用explain进行慢查询分析是优化数据库性能的重要手段。下面是详细步骤和示例。

慢查询分析

在MongoDB中，使用explain方法来分析查询的执行计划和性能。要判断查询是否命中索引，可以关注explain结果中的以下几个关键参数：

winningPlan: 这是MongoDB选择的执行计划。如果查询使用了索引，winningPlan中会包含IXSCAN（索引扫描）阶段。
totalKeysExamined: 表示查询过程中检查的索引键数量。命中索引时，这个值通常比totalDocsExamined小。
totalDocsExamined: 表示查询过程中扫描的文档数量。如果命中索引，这个值会显著减少。
stage: 查看查询计划中的阶段，是否包含IXSCAN或FETCH。

db.users.find({ age: { $eq: 25 } }).explain("executionStats")

 "executionStats": {
        "executionSuccess": true,
        "nReturned": NumberInt("112"),
        "executionTimeMillis": NumberInt("0"),
        "totalKeysExamined": NumberInt("112"),
        "totalDocsExamined": NumberInt("112"),
        "executionStages": {
            "stage": "FETCH",
            "nReturned": NumberInt("112"),
            "executionTimeMillisEstimate": NumberInt("0"),
            "works": NumberInt("113"),
            "advanced": NumberInt("112"),
            "needTime": NumberInt("0"),
            "needYield": NumberInt("0"),
            "saveState": NumberInt("0"),
            "restoreState": NumberInt("0"),
            "isEOF": NumberInt("1"),
            "docsExamined": NumberInt("112"),
            "alreadyHasObj": NumberInt("0"),
            "inputStage": {
                "stage": "IXSCAN",
                "nReturned": NumberInt("112"),
                "executionTimeMillisEstimate": NumberInt("0"),
                "works": NumberInt("113"),
                "advanced": NumberInt("112"),
                "needTime": NumberInt("0"),
                "needYield": NumberInt("0"),
                "saveState": NumberInt("0"),
                "restoreState": NumberInt("0"),
                "isEOF": NumberInt("1"),
                "keyPattern": {
                    "age": 1
                },
                "indexName": "age_1",
                "isMultiKey": false,
                "multiKeyPaths": {
                    "age": [ ]
                },
                "isUnique": false,
                "isSparse": false,
                "isPartial": false,
                "indexVersion": NumberInt("2"),
                "direction": "forward",
                "indexBounds": {
                    "age": [
                        "[25.0, 25.0]"
                    ]
                },
                "keysExamined": NumberInt("112"),
                "seeks": NumberInt("1"),
                "dupsTested": NumberInt("0"),
                "dupsDropped": NumberInt("0")
            }
        }
    },

4、mongodb安装和mongodb集群

juejin.cn/post/7142753920043974663

MongoDB 有三种集群部署模式，主从复制（Master-Slaver）、副本集（Replica Set）和分片（Sharding）模式。

1. 主从复制（Master-Slaver）

基本的设置方式是建立一个主节点（Primary）和一个或者多个从节点（Secondary）。

主从复制模式的集群中只能有一个主节点，主节点提供所有的增、删、查、改服务，从节点不提供任何服务。但是可以通过设置使从节点提供查询服务，这样可以减少主节点的压力。每个从节点要知道主节点的地址，主节点记录在其上的所有操作，从节点定期轮询主节点获取这些操作，然后对自己的数据副本执行这些操作，从而保证从节点的与主节点的数据一致。

弊端：主从复制的集群中，当主节点出现故障使，只能人工介入指定新的主节点，从节点不会自动升级为主节点。同时，在这段时间内，该集群架构只能处于只读状态。

2. 副本集（Replica Set）

当集群中的主节点发生故障时，副本集可以自动投票，选举出新的主节点，而且这个过程对应用时透明的。主要为了解决主从复制模式不具备高可用的问题。

3. 分片（Sharding）模式

副本集可以解决主节点发生故障导致数据丢失或不可用的问题，但遇到需要存储海量数据的情况时，副本集中的一台机器不足以存储数据，或者说集群不足以提供可接受的读写吞吐量。这就需要用到 MongoDB 的分片（Sharding）技术，这也是 MongoDB 的另外一种集群部署模式。
MongoDB 的分片机制允许创建一个包含许多台机器的集群，将数据子集分散在集群中，每个分片维护着一个数据集合的子集。与副本集相比，使用集群架构可以使应用程序具有更强大的数据处理能力。构建一个MongoDB的分片集群，需要三个重要组件，分别是：分片服务器（Shard Server）、配置服务器（Config Server）和路由服务器（Route Server）。

####
4、使用docker部署副本集

chenyejun.github.io/blog/mongoDB/m...

www.cnblogs.com/linmt/p/17365572.h... docker安装单节点。

outmanzzq.github.io/2019/01/30/doc...

medium.com/workleap/the-only-local...

MongoDB的副本集（Replica Set）是MongoDB高可用性和数据冗余的核心机制。副本集是一组MongoDB实例，它们维护相同的数据集，通过选举机制实现自动故障转移和数据同步。副本集模式的集群能够确保在单个节点发生故障时，系统依然能够继续提供服务。

副本集的组成

一个典型的MongoDB副本集由以下几部分组成：

主节点（Primary）：

负责处理所有的写操作。
每个副本集只能有一个主节点。
主节点会定期将数据变更复制到从节点。

从节点（Secondary）：

负责复制主节点的数据。
可以提供读操作（如果启用了读偏好）。
在主节点发生故障时，从节点可以参与选举，成为新的主节点。

仲裁节点（Arbiter）：

不存储数据，只参与选举投票。
用于维持副本集的奇数节点，以避免选举投票中的平票情况。

工作机制

数据复制：

主节点接收到写操作请求后，将数据变更记录在操作日志（oplog）中。
从节点通过不断拉取主节点的oplog来复制数据变更，保持数据一致性。

自动故障转移：

如果主节点不可用，从节点会通过选举机制选择一个新的主节点。
选举机制依赖于Raft算法，保证选举过程快速可靠。
仲裁节点帮助维持选举的奇数票数，防止平票。

读操作：

默认情况下，读操作由主节点处理。
通过设置读偏好，可以配置从节点也处理读操作，以提高读取性能和分担主节点的负载。

副本集 oplog

oplog：操作日志，一个特殊的固定集合，保持所有修改数据库上数据的操作的滚动记录。
副本集的所有成员都包含一份 oplog 的副本，在 local.oplog.rs 中，这允许它们维护数据库的当前状态。
为了减轻复制的困难，所有的副本集成员成员都发送心跳（ping）到所有其它成员。
任何成员都可以从其它成员那里导入 oplog。
oplog 中的每个操作都是幂等（idempotent）的。即，oplog 对目标资料应用不管一次或多次操作，都产生相同的结果。

oplog 大小

当第一次开始一个副本集成员时，MongoDB 以默认大小创建一个 oplog。
如果可以预料副本集工作量的大小，可以将 oplog 设置为比默认值大些。相反，如果应用主要用来执行读操作和少量写操作，一个小的 oplog 可能就足够了。
以下情况可能需要较大的 oplog：
一次更新多个文档
删除与插入量大致相同的数据时
大量的就地更新

oplog 状态

使用 rs.printReplicationInfo() 方法来查看 oplog 状态，包括其大小和操作的时间范围。

4、go sdk

go sdk增删改查

package mongodb

import (
    "context"
    "errors"
    "github.com/qiniu/qmgo"
    "go.mongodb.org/mongo-driver/bson"
    "go.mongodb.org/mongo-driver/bson/primitive"
    "go.mongodb.org/mongo-driver/mongo"
    "go.mongodb.org/mongo-driver/mongo/options"
    "go.mongodb.org/mongo-driver/mongo/readpref"
    "log"
    "math/rand"
    "testing"
    "time"
)

var (
    _cli        *mongo.Client
    _dbCli      *mongo.Database
    _collection *mongo.Collection
)

const (
    dbName         = "test"
    collectionName = "users"
)

func initDB() {
    var err error
    uri := "mongodb://root:example@192.168.2.159:30011,192.168.2.159:30012,192.168.2.159:30013/?replicaSet=rs0"

    clientOptions := options.Client().
        ApplyURI(uri).
        SetMaxPoolSize(1000).
        SetMinPoolSize(100).
        SetReadPreference(readpref.SecondaryPreferred())
    _cli, err = mongo.Connect(context.TODO(), clientOptions)
    if err != nil {
        log.Printf("connect mongodb error: %v", err)
    }
    _dbCli = _cli.Database(dbName)
    _collection = _dbCli.Collection(collectionName)
}

type Student struct {
    Name string `bson:"name"`
    Age  int    `bson:"age"`
}

// 定义嵌套的地址结构体
type Address struct {
    Street string `bson:"street"`
    City   string `bson:"city"`
}

type User struct {
    Name      string              `bson:"name"`
    Age       int                 `bson:"age"`
    Email     string              `bson:"email"`
    IsStudent bool                `bson:"isStudent"`
    Scores    []int               `bson:"scores"`
    Address   Address             `bson:"address"`
    CreatedAt primitive.Timestamp `bson:"createdAt"`
    UpdatedAt time.Time           `bson:"updatedAt"`
}

func TestInsert(t *testing.T) {
    initDB()
    s1 := Student{"小红", 12}
    s2 := Student{"小兰", 10}
    s3 := Student{"小黄", 11}

    if _, err := _collection.InsertOne(context.TODO(), s1); err != nil {
        log.Printf("insert data to monodb  failed,err:%v", err)
        return
    }

    students := []interface{}{s2, s3}
    insertManyResult, err := _collection.InsertMany(context.TODO(), students)
    if err != nil {
        log.Printf("insertMany data to monodb  failed,err:%v", err)
    }

    log.Printf("Inserted multiple documents: %v", insertManyResult.InsertedIDs)

    // Create a document with a Timestamp
    timestamp := primitive.Timestamp{T: uint32(time.Now().Unix()), I: 1}
    date := primitive.NewDateTimeFromTime(time.Now())

    document := bson.D{
        {"name", "Alice"},
        {"age", 30},
        {"email", "alice@example.com"},
        {"isStudent", false},
        {"scores", bson.A{85, 90, 88}},
        {"address", bson.D{
            {"street", "123 Main St"},
            {"city", "Wonderland"},
        }},
        {"createdAt", timestamp},
        {"updatedAt", date},
    }
    if _, err := _collection.InsertOne(context.TODO(), document); err != nil {
        log.Printf("insert data to monodb  failed,err:%v", err)
        return
    }
    // 创建时间戳和日期
    createdAt := primitive.Timestamp{T: uint32(time.Now().Unix()), I: 1}
    updatedAt := time.Now()

    // 直接给结构体赋值
    user := &User{
        Name:      "Alice",
        Age:       30,
        Email:     "alice@example.com",
        IsStudent: false,
        Scores:    []int{85, 90, 88},
        Address: Address{
            Street: "123 Main St",
            City:   "Wonderland",
        },
        CreatedAt: createdAt,
        UpdatedAt: updatedAt,
    }

    for i := 0; i < 5000; i++ {
        user.Age = int(rand.Int31n(100))
        _collection.InsertOne(context.TODO(), user)
    }
}
func TestUpdate(t *testing.T) {
    initDB()
    filter := bson.D{{"name", "小兰"}}
    u := bson.D{
        {"$inc", bson.D{
            {"age", 1},
        }},
    }

    if _, err := _collection.UpdateOne(context.TODO(), filter, u); err != nil {
        log.Printf("insertMany data to monodb  failed,err:%v", err)
    }

}

func TestFindOne(t *testing.T) {
    initDB()
    // 创建一个Student变量用来接收查询的结果
    var result Student
    filter := bson.D{{"name", "小1兰"}}
    if err := _collection.FindOne(context.TODO(), filter).Decode(&result); err != nil {
        if errors.Is(err, qmgo.ErrNoSuchDocuments) {
            log.Printf("no data found ")
        } else {
            log.Printf("find one data failed %v", err)
        }
    }
    log.Printf("Found a single document: %+v\n", result)
}
func TestFindMany(t *testing.T) {
    initDB()
    filter := bson.D{{"name", "小兰"}}
    result := make([]Student, 0, 10)
    cur, err := _collection.Find(context.TODO(), filter)
    if err != nil {
        log.Printf("find many data failed %v", err)
    }
    defer cur.Close(context.TODO())
    if err := cur.All(context.TODO(), &result); err != nil {
        log.Printf("decode data failed %v", err)
    }
    log.Printf("Found a many document: %+v", result)
}
func TestTransaction(t *testing.T) {
    initDB()
    session, err := _cli.StartSession()
    if err != nil {
        log.Panicf("start session failed,err:%v", err)
    }
    defer session.EndSession(context.Background())
    _, err = session.WithTransaction(context.Background(), func(sessCtx mongo.SessionContext) (interface{}, error) {
        collection := _cli.Database("testdb").Collection("testcol")
        if _, err := collection.InsertOne(sessCtx, bson.D{{"name", "Alice"}}); err != nil {
            return nil, err
        }

        //return nil, errors.New("test")
        if _, err := collection.InsertOne(sessCtx, bson.D{{"name", "Bob"}}); err != nil {
            return nil, err
        }
        return nil, nil
    })
    if err != nil {
        log.Panicf("Transaction failed: %v", err)
    }

    log.Printf("Transaction success")
}

本作品采用《CC 协议》，转载必须注明作者和本文链接

lilei12138

89 声望

暂无个人描述~

1 人点赞

mongodb详解

1、适用场景,数据类型。

mongodb的适合存储的数据和使用场景

monogodb数据类型

常用命令

插入操作

查询操作

更新操作

删除操作

2、monogdb存储引擎

wiredTiger的数据结构

缓存

3、索引

理论知识

相关命令

慢查询分析

4、mongodb安装和mongodb集群

1. 主从复制（Master-Slaver）

2. 副本集（Replica Set）

3. 分片（Sharding）模式

副本集的组成

工作机制

4、go sdk

推荐文章：

社区赞助商

关于 LearnKu

资源推荐

服务提供商

其他信息

mongodb详解

1、适用场景,数据类型。

mongodb的适合存储的数据和使用场景

monogodb数据类型

常用命令

插入操作

查询操作

更新操作

删除操作

2、monogdb存储引擎

wiredTiger的数据结构

缓存

3、索引

理论知识

相关命令

慢查询分析

4、mongodb安装和mongodb集群

1. 主从复制（Master-Slaver）

2. 副本集（Replica Set）

3. 分片（Sharding）模式

副本集的组成

工作机制

4、go sdk

推荐文章：

社区赞助商

关于 LearnKu

资源推荐

服务提供商

其他信息

请登录