本文是一个Python 使用MongoDB的简单教程，将使用pymongo对MongoDB进行的各种操作进行了简单的汇总，我们进行了简单整理，使用Python的同学可以看一看。
下载相应平台的版本，解压即可。为方便使用，将bin路径添加到系统path环境变量里。其中mongod是服务器，mongo是客户shell，然后创建数据文件目录：在c盘下创建data文件夹，里面创建db文件夹。
基本使用：
安装对应语言的Driver，Python 安装 pymongo
使用方法总结，摘自官方教程
创建连接
2 |
>>> connection=pymongo.Connection('localhost',27017) |
切换数据库
1 |
>>> db = connection.test_database |
获取collection
1 |
>>> collection = db.test_collection |
db和collection都是延时创建的，在添加Document时才真正创建
文档添加，_id自动创建
2 |
>>> post = {"author": "Mike", |
3 |
... "text": "My first blog post!", |
4 |
... "tags": ["mongodb", "python", "pymongo"], |
5 |
... "date": datetime.datetime.utcnow()} |
批量插入
01 |
>>> new_posts = [{"author": "Mike", |
02 |
... "text": "Another post!", |
03 |
... "tags": ["bulk", "insert"], |
04 |
... "date": datetime.datetime(2009, 11, 12, 11, 14)}, |
05 |
... {"author": "Eliot", |
06 |
... "title": "MongoDB is fun", |
07 |
... "text": "and pretty easy too!", |
08 |
... "date": datetime.datetime(2009, 11, 10, 10, 45)}] |
09 |
>>> posts.insert(new_posts) |
10 |
[ObjectId('...'), ObjectId('...')] |
获取所有collection（相当于SQL的show tables）
1 |
>>> db.collection_names() |
2 |
[u'posts', u'system.indexes'] |
获取单个文档
2 |
{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']} |
查询多个文档
view source print?
1 |
>> for post in posts.find(): |
4 |
{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']} |
5 |
{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']} |
6 |
{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'} |
加条件的查询
1 |
>>> posts.find_one({"author": "Mike"}) |
高级查询
1 |
>>> posts.find({"date": {"$lt": d}}).sort("author") |
统计数量
加索引
1 |
>>> from pymongo import ASCENDING, DESCENDING |
2 |
>>> posts.create_index([("date", DESCENDING), ("author", ASCENDING)]) |
查看查询语句的性能
1 |
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"] |
2 |
u'BtreeCursor date_-1_author_1' |
3 |
>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"] |
附自己总结的一点小心得，仅供参考
缺点
- 不是全盘取代传统数据库（NoSQLFan：是否能取代需要看应用场景）
- 不支持复杂事务（NoSQLFan：MongoDB只支持对单个文档的原子操作）
- 文档中的整个树，不易搜索，4MB限制？（NoSQLFan：1.8版本已经修改为16M）
- 文档型数据库，表结构可以内嵌
- 没有模式，避免空字段开销（Schema Free）
- 分布式支持
- 查询支持正则
- 动态扩展架构
- 32位的版本最多只能存储2.5GB的数据（NoSQLFan：最大文件尺寸为2G，生产环境推荐64位）
- 一个数据项叫做 Document（NoSQLFan：对应MySQL中的单条记录）
- 一个文档嵌入另一个文档（comment 嵌入 post）叫做 Embed
- 储存一系列文档的地方叫做 Collections（NoSQLFan：对应MySQL中的表）
- 表间关联，叫做 Reference
