# mongodb-study

**Repository Path**: wlyfree/mongodb-study

## Basic Information

- **Project Name**: mongodb-study
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-09-26
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# `MongoDB`

##### `简介`

- 由`c++`开发，数据存储格式：`BSON`

###### 优点

- 基于`BSON`存储，能比较好的数据结构适应变化
- 可以充分利用内存，缓存热点数据，查询效率高于`mysql`

- 支持副本和分片，便于扩容、高可用

- 支持`map-reduce`框架，方数据统计

###### 缺点

- 不支持多表join操作

- 事务薄弱，只支持单文档事务
- 稳定性略差，指定`_id`的场景效率明显下降

###### 适用场景

- 数据结构变化比较大
- 缓存
- 实时日志存储
- 文件的分布式存储

###### 不适用场景

- 高度事务性系统
- 跨多表查询系统

##### 对比关系型数据库

|            | `MYSQL`         | `MongoDB`    |
| ---------- | --------------- | ------------ |
| 数据库模型 | 关系型          | 非关系型     |
| 存储方式   | 虚拟内存+持久化 | 依赖存储引擎 |
| 数据库     | database        | db           |
| 表         | table           | collection   |
| 行         | row             | document     |
| 列/字段    | column          | field        |
| 索引       | index           | index        |
| 主键       | primary key     | _id          |



##### 命令行`shell`

###### `Database`(db)

`show dbs`：查询所有`database`

`db`：打印当前使用的`database`

`use wly`：切换或创建`databases`

`db.dropDatabase()`：删`database`

###### `Collection`(table)

`db.createCollection("wlyCollection")`：建表

`db.wlyCollection.drop()`：删表

`show tables`：查询所有表

`show collections`：查询所有表

###### `Document`(row)

`db.myCollection.insert({"name":"菜鸟"})`：插入`document`

`db.wlyCollection.find()`：查询所有`document`

`db.wlyCollection.update({"name":"wly"},{$set:{'title':'myTitle'}})`：更新`document`

`db.wlyCollection.remove({"name":"wly"})`：删除`document`

###### 按照类型查询

$type:2代表查询age字段值为字符串的`document`

`db.wlyCollection.find({"age":{$type:2}})`

###### 比较

查询age字段>20的数据

`db.wlyCollection.find({age:{$gt : 20}})`

###### 排序

按照name字段排序，1代表升序，-1代表降序

`db.wlyCollection.find().sort({"name":1})`

###### 限制查询结果

limit(n)：限制查询n条数据，skip(n)：跳过n条数据。以下查询相当于跳过第一条数据只查询一条数据，即只查询第二条数据

` db.wlyCollection.find().limit(1).skip(1)`

###### 索引

创建索引

`db.wlyCollection.createIndex({"name":1,"age":-1})`

查询索引

`db.wlyCollection.getIndexes()`

统计索引大小

`db.wlyCollection.totalIndexSize()`

###### 聚合

`aggregate()`：聚合操作，`count(*)`、`avg(xx)`...

等同于`select name,count(*) from wlyCollection group by name`

`db.wlyCollection.aggregate([{$group:{_id:"$name",num_tutorial:{$sum:1}}}])`

##### 副本集

- 异步复制，主节点写`oplog`，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。
- 高可用和故障转移，主节点宕机，从节点可以接管
- 支持动态增删节点
- 分布式读取：一主一从、一主多从，主节点负责读写，从节点只负责读
- 可以做灾备

##### 分片

###### 分片背景

单机数据量过大，磁盘存储不足

单机请求量过大，内存不足或吞吐量达到瓶颈

###### 组件

- shard
  - 存储实际的数据块，多个shard组成一个replica set
- config server
  - mongod实例，存储整个ClusterMetadata，包含chunk信息
- Query Routers
  - 前端路由，客户端由此接入，shard等内容对用户透明

##### 数据备份和恢复

###### 数据备份

`mongodump`命令

###### 数据恢复

`mongostore`命令

##### 监控

`mongostat`、`mongotop`命令

##### 查询效率分析

- `explain()`：类似`mysql`的`explain`
  - `db.wlyCollection.find().explain()`
- `hint()`：强制指定一个索引

##### 主键

- 自动生成主键：`_id`，12字节，数据类型为`ObjectId`类型（默认）
- 手动生成主键：`newObjectId = ObjectId()`
- 自增主键：自己编程实现

##### `GridFS`

存储超过16M的文件，如：图片、音频、视频等

`GridFS`会将大文件切分为多个小的`trunk`（文件片段，一般256k/个） ，每个trunk作为一个`document`被存储到`collection`中