软件开发 --- MongoDB 之初体验

一种JSON 格式存储文档的数据库

和mysql这样的数据库比最大的区别是，字段随意扩展并直接包含逻辑关系，免去关联表。

 

安装

windows安装

1.访问 https://www.mongodb.com/try/download/community，选择适合 Windows 的版本，通常选择 MSI 安装包格式。下载并运行安装程序。

在安装过程中，选择“Complete”安装类型以安装所有默认功能。

选择安装路径，建议使用默认路径，通常为 C:\Program Files\MongoDB\Server\<version>\。在安装过程中，会提示是否设置 MongoDB 为 Windows 服务。

可以选择 Install MongoDB as a Service（将 MongoDB 安装为 Windows 服务），这样 MongoDB 会自动启动并在系统启动时运行。

2.配置MongoDB数据库环境

找到安装好MongoDB的bin路径 复制bin路径

打开此电脑 -> 打开高级系统设置 -> 环境变量 -> 找到path，点击新建。粘贴路径 点击确定保存

3.运行MongoDB

找到MongoDB安装地址 在data目录下创建db文件夹，复制db文件夹路径

window+R输入cmd打开命令窗口 输入以下命令

mongod --dbpath 复制过来的db文件夹路径

 

启动之后可以在浏览器访问以下地址 http://localhost:27017

4.使用navicat测试连接

linux安装

更新系统软件包:
sudo apt update
安装 MongoDB 公共 GPG 密钥:
wget -qO - https://www.mongodb.org/static/pgp/server-6.0.asc | sudo apt-key add -
添加 MongoDB 官方软件源:
echo "deb [ arch=amd64,arm64 ] https://repo.mongodb.org/apt/ubuntu focal/mongodb-org/6.0 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-6.0.list
更新软件源:
sudo apt update
安装 MongoDB:
sudo apt install -y mongodb-org
启动 MongoDB:
sudo systemctl start mongod
检查 MongoDB 服务状态:
sudo systemctl status mongod
设置 MongoDB 开机自启:
sudo systemctl enable mongod
连接到 MongoDB:
mongo

 方法 2：从源码安装 MongoDB（适用于 Linux）

sudo apt install -y build-essential libssl-dev libboost-filesystem-dev libboost-program-options-dev
wget https://fastdl.mongodb.org/src/mongodb-src-r6.0.0.tar.gz
tar -zxvf mongodb-src-r6.0.0.tar.gz
cd mongodb-src-r6.0.0
mkdir build
cd build
cmake ..
make
sudo make install
./bin/mongod
连接 MongoDB：
./bin/mongo

 

 

 

1. 用户数据存储

MongoDB 常用于存储用户信息，特别适合数据字段不固定的场景。

例子： 假设我们需要存储用户信息，包括名字、年龄、邮箱等：

插入用户数据：

db.users.insertOne({
"name": "Alice",
"age": 25,
"email": "alice@example.com",
"hobbies": ["reading", "traveling"]
})

MongoDB 使用 JSON 格式存储数据，字段可以灵活增加，比如这里包含了一个数组字段 hobbies。

查询用户数据：

db.users.find({ "name": "Alice" })

返回：

{
"_id": "63e2b96f1c4d1",
"name": "Alice",
"age": 25,
"email": "alice@example.com",
"hobbies": ["reading", "traveling"]
}

 

 

优势： MongoDB 的文档结构非常灵活，如果有新字段，比如“用户地址”，可以直接插入而无需更改数据库结构。

 

2. 实现动态数据结构

MongoDB 非常适合存储复杂、动态的数据结构。

例子： 假设一个电商系统需要存储订单信息，不同订单可能包含不同的字段：

插入订单数据：

db.orders.insertMany([
{
"order_id": 1001,
"customer": "John",
"items": [
{ "product": "Laptop", "quantity": 1 },
{ "product": "Mouse", "quantity": 2 }
],
"total": 1200
},
{
"order_id": 1002,
"customer": "Jane",
"items": [
{ "product": "Phone", "quantity": 1 }
],
"total": 800,
"discount": 50
}
])

 

查询订单数据： 查询所有包含“Laptop”的订单：

db.orders.find({ "items.product": "Laptop" })

返回：

{
"order_id": 1001,
"customer": "John",
"items": [
{ "product": "Laptop", "quantity": 1 },
{ "product": "Mouse", "quantity": 2 }
],
"total": 1200
}

 

 

优势：

每个文档的字段可以不同，灵活应对复杂的数据结构。

嵌套文档（如 items）可以直接存储关联信息，无需额外的表。

 

3. 日志存储与分析

MongoDB 非常适合存储日志信息，方便快速查询和分析。

例子： 假设我们记录用户访问日志：

插入日志数据：

db.logs.insertOne({
"timestamp": new Date(),
"user_id": "12345",
"action": "login",
"ip_address": "192.168.1.1"
})

 

查询特定用户的日志：

MongoDB 提供强大的查询能力，可以快速查找特定条件的日志记录。比如，如果我们想查询特定用户（例如用户 ID 为 "12345"）的所有访问日志，并按时间戳降序排列，可以使用以下查询：
db.logs.find({ "user_id": "12345" }).sort({ "timestamp": -1 })

 

统计用户登录次数：

MongoDB 支持聚合操作，能够高效地对日志数据进行统计和分析。例如，我们可以统计每个用户的登录次数。假设每次用户登录时，action 字段的值为 "login"，我们可以通过聚合管道（aggregation pipeline）进行统计：

db.logs.aggregate([
{ $match: { "action": "login" } }, // 过滤出所有登录操作的记录
{ $group: { "_id": "$user_id", "login_count": { $sum: 1 } } } // 按 user_id 分组，统计每个用户的登录次数
])

结果：

[
{ "_id": "12345", "login_count": 10 },
{ "_id": "67890", "login_count": 5 }
]

 

优势：

MongoDB 支持强大的聚合操作，可以快速分析日志数据。

数据存储灵活，字段可以动态扩展，比如日志中添加新字段（如浏览器信息）。

 

4. 商品推荐系统

MongoDB 的灵活性特别适合构建推荐系统，存储用户喜好和推荐内容。

例子： 假设一个平台需要为用户存储推荐的商品：

插入推荐商品：

db.recommendations.insertOne({
"user_id": "12345",
"recommended_products": [
{ "product_id": "1001", "score": 0.95 },
{ "product_id": "1002", "score": 0.89 }
]
})

 

查询用户推荐： 查询用户 ID 为 12345 的推荐商品：

db.recommendations.find({ "user_id": "12345" })


结果：

{
"user_id": "12345",
"recommended_products": [
{ "product_id": "1001", "score": 0.95 },
{ "product_id": "1002", "score": 0.89 }
]
}

 

优势：

嵌套数据结构存储推荐内容，无需额外联表查询。

动态更新推荐列表，支持实时推荐。

 

5. 地理位置存储与查询

MongoDB 支持地理空间索引，适合存储和查询地理位置数据。

例子： 假设一个外卖平台需要存储商家的位置信息，并查询附近商家：

插入商家位置信息：

db.restaurants.insertMany([
{ "name": "Pizza Hut", "location": { "type": "Point", "coordinates": [116.397128, 39.916527] } },
{ "name": "KFC", "location": { "type": "Point", "coordinates": [116.404128, 39.915528] } }
])

 

为了支持高效的地理空间查询，MongoDB 提供了 2dsphere 索引。此索引支持基于球面坐标系统（经纬度坐标）的地理空间查询。我们可以在 location 字段上创建 2dsphere 索引：2dsphere 索引使得 MongoDB 能够高效处理球面上的位置数据，并支持如距离查询、附近查询等操作。

db.restaurants.createIndex({ "location": "2dsphere" })

 

查询附近商家： 查找距离某点（[116.397128, 39.916527]）2 公里内的商家：

db.restaurants.find({
    "location": {
        $near: {
            $geometry: { "type": "Point", "coordinates": [116.397128, 39.916527] },
            $maxDistance: 2000  // 距离限制：2000 米（即 2 公里）
        }
    }
})

• $near：表示进行地理空间查询，查找离指定坐标点最近的文档。
• $geometry：指定查询的地理坐标，这里是一个经纬度坐标 [116.397128, 39.916527]。
• $maxDistance：限定查询的最大距离，单位是米。比如，设置为 2000 表示查询 2 公里内的商家。

结果：

[
{ "name": "Pizza Hut", "location": { "type": "Point", "coordinates": [116.397128, 39.916527] } },
{ "name": "KFC", "location": { "type": "Point", "coordinates": [116.404128, 39.915528] } }
]

 

优势：

支持地理位置的高效查询，特别适合外卖、地图等业务场景。

简单的索引和查询语法即可实现复杂的地理计算。

 

MongoDB 的典型应用场景

1. 灵活数据存储： 用户信息、商品信息、日志、订单等。

2. 实时分析： 实时统计用户行为、销售数据等。

3. 推荐系统： 存储用户喜好和推荐结果。

4. 地理位置服务： 外卖、共享单车、商家分布等场景。

5. 内容管理： 存储文章、评论等动态内容。

MongoDB 的优势

1. 灵活性： 数据结构不固定，方便快速迭代。

2. 高性能： 适合高并发的读写操作。

3. 分布式特性： 天生支持分片，能轻松扩展到大规模数据存储。

4. 强大的查询能力： 支持嵌套文档、聚合查询、地理空间索引等复杂操作。

MongoDB 的特点让它在需要高灵活性、高并发和复杂查询的场景中非常适用。