python数据库-mongoDB的高级查询操作(55)

一、MongoDB索引

　　为什么使用索引？

　　假设有一本书，你想看第六章第六节讲的是什么，你会怎么做，一般人肯定去看目录，找到这一节对应的页数，然后翻到这一页。这就是目录索引，帮助读者快速找到想要的章节。在数据库中，我们也有索引，其目的当然和我们翻书一样，能帮助我们提高查询的效率。索引就像目录一样，减少了计算机工作量，对于表记录较多的数据库来说是非常实用的，可以大大的提高查询的速度。否则的话，如果没有索引，计算机会一条一条的扫描，每一次都要扫描所有的记录，浪费大量的cpu时间。

　　为了查询方便，我们创建一个拥有500000条数据的一个集合

> for(var i=0;i<500000;i++){db.nums.insert({name:"name"+i,age:i})}
WriteResult({ "nInserted" : 1 })

createIndex() 方法：MongoDB使用 createIndex() 方法来创建索引。

注意在 3.0.0 版本前创建索引方法为 db.collection.ensureIndex()，之后的版本使用了 db.collection.createIndex() 方法，ensureIndex() 还能用，但只是 createIndex() 的别名。

语法：createIndex()方法基本语法格式如下所示：

>db.collection.createIndex(keys, options)

语法中 Key 值为你要创建的索引字段，1 为指定按升序创建索引，如果你想按降序来创建索引指定为 -1 即可。

实例：

1、先在未创建索引之前我们按需求查找nums集合里面age为399999的

2、在创建索引之后查询age为399999的

创建索引

> db.nums.createIndex({age:1})
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}

通过两次执行时间的对比明显可以看到创建索引后查询更快，数据越多，体现的越明显。

createIndex() 接收可选参数，可选参数列表如下：

二、MongoDB 聚合

MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等)，并返回计算后的数据结果。有点类似sql语句中的 count(*)。

aggregate() 方法：MongoDB中聚合的方法使用aggregate()。

语法：aggregate() 方法的基本语法格式如下所示：

db.集合名称.aggregate([{管道:{表达式}}])

管道

管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的输入

ps ajx | grep mongo

在mongodb中，管道具有同样的作用，文档处理完毕后，通过管道进行下一次处理
常用管道
- $group：将集合中的文档分组，可用于统计结果
- $match：过滤数据，只输出符合条件的文档
- $project：修改输入文档的结构，如重命名、增加、删除字段、创建计算结果
- $sort：将输入文档排序后输出
- $limit：限制聚合管道返回的文档数
- $skip：跳过指定数量的文档，并返回余下的文档
- $unwind：将数组类型的字段进行拆分
- $geoNear：输出接近某一地理位置的有序文档。

　　表达式:处理输入文档并输出

表达式:'$列名'

常用表达式

$sum：计算总和，$sum:1同count表示计数
$avg：计算平均值
$min：获取最小值
$max：获取最大值
$push：在结果文档中插入值到一个数组中
$first：根据资源文档的排序获取第一个文档数据
$last：根据资源文档的排序获取最后一个文档数据

三、$group

将集合中的文档分组，可用于统计结果
_id表示分组的依据，使用某个字段的格式为'$字段'

例如：heros表中数据如下

> db.heros.find().pretty()
{
    "_id" : ObjectId("5d2e0647614bec7ca4687792"),
    "h_name" : "后裔",
    "h_skill" : "惩戒之剑",
    "h_attack" : 1000,
    "h_blood" : 800,
    "h_type" : "射手"
}
{
    "_id" : ObjectId("5d2e0685614bec7ca4687793"),
    "h_name" : "李白",
    "h_skill" : "青莲剑仙",
    "h_attack" : 1400,
    "h_blood" : 900,
    "h_type" : "刺客"
}
{
    "_id" : ObjectId("5d2e06d6614bec7ca4687794"),
    "h_name" : "韩信",
    "h_skill" : "国士无双",
    "h_attack" : 1300,
    "h_blood" : 850,
    "h_type" : "刺客"
}
{
    "_id" : ObjectId("5d2e0720614bec7ca4687795"),
    "h_name" : "妲己",
    "h_skill" : "女王崇拜",
    "h_attack" : 1200,
    "h_blood" : 750,
    "h_type" : "法师"
}

例如：按照英雄类型分组，进行统计个数

> db.heros.aggregate([{$group:{_id:"$h_type",counter:{$sum:1}}}])
{ "_id" : "刺客", "counter" : 2 }
{ "_id" : "法师", "counter" : 1 }
{ "_id" : "射手", "counter" : 1 }
>

Group by null：将集合中所有文档分为一组

例如：求英雄的从攻击力和平均血量

> db.heros.aggregate([{$group:{_id:null,h_attacks:{$sum:"$h_attack"},avgh_blood:{$avg:"$h_blood"}}}])
{ "_id" : null, "h_attacks" : 4900, "avgh_blood" : 825 }
>

透视数据

只查询英雄类型和名字

> db.heros.aggregate([{$group:{_id:"$h_type",name:{$push:"$h_name"}}}])
{ "_id" : "刺客", "name" : [ "李白", "韩信" ] }
{ "_id" : "法师", "name" : [ "妲己" ] }
{ "_id" : "射手", "name" : [ "后裔" ] }
>

使用$$ROOT可以将文档内容加入到结果集的数组中，代码如下

> db.heros.aggregate([{$group:{_id:"h_type",name:{$push:"$$ROOT"}}}]).pretty()
{
    "_id" : "h_type",
    "name" : [
        {
            "_id" : ObjectId("5d2e0647614bec7ca4687792"),
            "h_name" : "后裔",
            "h_skill" : "惩戒之剑",
            "h_attack" : 1000,
            "h_blood" : 800,
            "h_type" : "射手"
        },
        {
            "_id" : ObjectId("5d2e0685614bec7ca4687793"),
            "h_name" : "李白",
            "h_skill" : "青莲剑仙",
            "h_attack" : 1400,
            "h_blood" : 900,
            "h_type" : "刺客"
        },
        {
            "_id" : ObjectId("5d2e06d6614bec7ca4687794"),
            "h_name" : "韩信",
            "h_skill" : "国士无双",
            "h_attack" : 1300,
            "h_blood" : 850,
            "h_type" : "刺客"
        },
        {
            "_id" : ObjectId("5d2e0720614bec7ca4687795"),
            "h_name" : "妲己",
            "h_skill" : "女王崇拜",
            "h_attack" : 1200,
            "h_blood" : 750,
            "h_type" : "法师"
        }
    ]
}
>

四、$match

用于过滤数据，只输出符合条件的文档
使用MongoDB的标准查询操作

例如：查询攻击力大于1200

> db.heros.aggregate([{$match:{"h_attack":{$gt:1200}}}])
{ "_id" : ObjectId("5d2e0685614bec7ca4687793"), "h_name" : "李白", "h_skill" : "青莲剑仙", "h_attack" : 1400, "h_blood" : 900, "h_type" : "刺客" }
{ "_id" : ObjectId("5d2e06d6614bec7ca4687794"), "h_name" : "韩信", "h_skill" : "国士无双", "h_attack" : 1300, "h_blood" : 850, "h_type" : "刺客" }
>

五、$project

修改输入文档的结构，如重命名、增加、删除字段、创建计算结果
输出结果和投影效果差不多

> db.heros.aggregate([{$project:{_id:0,h_name:1,h_skill:1}}])
{ "h_name" : "后裔", "h_skill" : "惩戒之剑" }
{ "h_name" : "李白", "h_skill" : "青莲剑仙" }
{ "h_name" : "韩信", "h_skill" : "国士无双" }
{ "h_name" : "妲己", "h_skill" : "女王崇拜" }
>

六、$unwind

将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值

语法1

对某字段值进行拆分

db.集合名称.aggregate([{$unwind:'$字段名称'}])

例如：

db.t2.insert({_id:1,item:'t-shirt',size:['S','M','L']})

查询：

> db.t2.aggregate([{$unwind:'$size'}])
{ "_id" : 1, "item" : "t-shirt", "size" : "S" }
{ "_id" : 1, "item" : "t-shirt", "size" : "M" }
{ "_id" : 1, "item" : "t-shirt", "size" : "L" }
>

语法2

对某字段值进行拆分
处理空数组、非数组、无字段、null情况

db.inventory.aggregate([{
    $unwind:{
        path:'$字段名称',
        preserveNullAndEmptyArrays:<boolean>#防止数据丢失
    }
}])

构造数据

db.t3.insert([
{ "_id" : 1, "item" : "a", "size": [ "S", "M", "L"] },
{ "_id" : 2, "item" : "b", "size" : [ ] },
{ "_id" : 3, "item" : "c", "size": "M" },
{ "_id" : 4, "item" : "d" },
{ "_id" : 5, "item" : "e", "size" : null }
])

使用语法1查询

> db.t3.find().pretty()
{ "_id" : 1, "item" : "a", "size" : [ "S", "M", "L" ] }
{ "_id" : 2, "item" : "b", "size" : [ ] }
{ "_id" : 3, "item" : "c", "size" : "M" }
{ "_id" : 4, "item" : "d" }
{ "_id" : 5, "item" : "e", "size" : null }
> db.t3.aggregate([{$unwind:'$size'}])
{ "_id" : 1, "item" : "a", "size" : "S" }
{ "_id" : 1, "item" : "a", "size" : "M" }
{ "_id" : 1, "item" : "a", "size" : "L" }
{ "_id" : 3, "item" : "c", "size" : "M" }
>

查看查询结果，发现对于空数组、无字段、null的文档，都被丢弃了

使用语法2查询不会丢弃空数组，无字段，null的文档

> db.t3.aggregate([{$unwind:{path:'$sizes',preserveNullAndEmptyArrays:true}}])
{ "_id" : 1, "item" : "a", "size" : [ "S", "M", "L" ] }
{ "_id" : 2, "item" : "b", "size" : [ ] }
{ "_id" : 3, "item" : "c", "size" : "M" }
{ "_id" : 4, "item" : "d" }
{ "_id" : 5, "item" : "e", "size" : null }
>

posted @ 2019-07-17 02:16 Se7eN_HOU 阅读(6386) 评论(0) 编辑收藏举报

刷新页面返回顶部

侯哥的Python分享