thinkphp3.2使用新版本mongodb

一个版本为3.2的thinkphp项目打算使用mongodb进行接口的读写工作，由于thinkphp自带的mongodb driver版本太老，需自己开发个简单的driver来管理各种方法。现把在开发中个人感觉比较重要的信息点记录下来。

1、新版mongodb的连接方式，使用 \MongoDB\Driver\Manager类：

$this->_conn = new \MongoDB\Driver\Manager($conf["url"] . "/{$conf["dbname"]}");

 

2、mongodb以文档的形式储存数据，也就是以多维数组形式储存；新版的mongodb增删改主要使用\MongoDB\Driver\BulkWrite类：

$bulk = new \MongoDB\Driver\BulkWrite;

新增操作(返回记录id，与mysql的id是不一样的):

$id = $bulk->insert($documents);

修改操作,第一个参数为修改条件，第二个是修改的数值，第三个是额外选项(可选)，例如如果$option = ['multi' => true]就会修改所有符合条件的数据，默认为只修改匹配的第一条；

$bulk->update($this->_where, $updates, $option);

删除操作，第一个参数为删除条件，第二个是额外选项，例如如果设置['limit' => 1]则只删除1条记录:

$bulk->delete($this->_where, $option);

 添加了上述操作后，执行操作:

$writeConcern = new \MongoDB\Driver\WriteConcern(\MongoDB\Driver\WriteConcern::MAJORITY, 1000);
$result = $this->_conn->executeBulkWrite($this->_db . '.' . $this->_prefix . $this->_table, $bulk, $writeConcern);

/* If the WriteConcern could not be fulfilled */
if ($writeConcernError = $result->getWriteConcernError()) {
      throw new \Exception("%s (%d): %s\n", $writeConcernError->getMessage(), $writeConcernError->getCode(), var_export($writeConcernError->getInfo(), true));
}

return true;

3、查询。

mongodb可查询到多重嵌套的数据，例如如果数据格式如下:

  [
   'supplier' => 'Skyworth',
   'data' => [
        'id' => 2,
        'height' => 150,
        'weight' => [
              'morning' => 5,
              'night' => [4,5,6],
         ],
      ]
    ]

要查询到'morning’字段的信息，可在where条件那里填写['data.weight.morning' => 5]来进行筛选，普通的查询方法使用\MongoDB\Driver\Query类进行查询：

$query = new \MongoDB\Driver\Query($this->_where, $writeOps);
$readPreference = new \MongoDB\Driver\ReadPreference(\MongoDB\Driver\ReadPreference::RP_PRIMARY);
$cursor = $this->_conn->executeQuery($this->_db . "." . $this->_prefix . $this->_table, $query, $readPreference);
var_dump($cursor->toArray());

\MongoDB\Driver\Query有两个参数，除了第一个的where之外，另外的$writeOps可限定字段，例如在php下可这样写:

 

$writeOps = [
 'projection' => [
    '字段1' => 1,
    '字段2' => 1,
    '_id' => 0,
  ]   
]

 

当填写了‘projection’后，mongodb就只会输出你想输出的字段，其中1代表要输出，但'_id'默认是会输出的，如果不想让'_id'输出，只需要填写'_id'为0即可；

 

4、聚合(aggregate)操作

聚合操作类似于mysql把数据整合，获得平均值，最大值等操作；主要使用\MongoDB\Driver\Command类:

$command = new \MongoDB\Driver\Command($this->_where);
$cursor = $this->_conn->executeCommand($this->_db ,$command);
var_dump($cursor->toArray());

在查询方法的写法上费了老大的劲，目前只了解一种写法:

[
            'aggregate' => 'api_record',
            'pipeline' => [
                [
                    '$match' => ['supplier' => 'JD'],
                    '$group' => ['_id' => '$supplier', 'sum' => ['$sum' => '$data.height']]
                ],
            ],
            'cursor' => new \stdClass,
]

aggregate为要操作的集合(mysql的表)，pipeline为需要操作的集合(注意这里的数组里边还得加上一个数组)。要操作的表达式前面有一个$的符号，上面的操作是先$match匹配supplier字段为JD的数据，然后通过$group分组，获得他们数据里边，data字段里边的height字段的数据总和(这里肯定是只获得一条数据。。)。而cursor的意思是把查询出来的数据格式优化成能看懂的格式。

 

暂时记录到这里，在后面开发再继续补充。

补：aggregate无所不能！！！

 5、Map Reduce

教程中描述在用MongoDB查询返回的数据量很大的情况下，做一些比较复杂的统计和聚合操作做花费的时间很长的时候，可以用MongoDB中的MapReduce进行实现，但个人感觉reduce能写的方法没有aggregate提供的表达式多，而且在功能上有点重叠，可能需要进一步的研究。现提供php下的实现方法:

 

$map = <<<JS
        function test(){
            emit({
            'saleUnit':this.saleUnit,
            'upc':this.upc
            }, 2);
        }
JS;

        $map = new \MongoDB\BSON\Javascript($map);
        $reduce = <<<JS
        function test(key, values){
            var total = 0;
            for(var i in values){
                total = parseInt(total) + parseInt(i);
            }
            return total;
        }
JS;
        $reduce = new \MongoDB\BSON\Javascript($reduce);
        $out = 'output_collection_name';
        $data = Mon('member_store_record')->where([
            'mapReduce' => 'suning_product',
            'map' => $map,
            'reduce' => $reduce,
            'out' => 'output_collection_name',
        ])->command(false);
        var_dump($data);

 

mapReduce指使用哪个集合来处理，out指输出结果放到哪个集合，map和reduce方法都是使用js来写的，然后放到\MongoDB\BSON\Javascript类处理。返回结果示例如下：

array (size=4)
      'result' => string 'output_collection_name' (length=22)
      'timeMillis' => int 106
      'counts' => 
        array (size=4)
          'input' => int 4
          'emit' => int 4
          'reduce' => int 1
          'output' => int 2
      'ok' => float 1

注意上面的是map_reduce的处理情况分析，处理的结果应该是在output_collection_name的集合查看。上面结果timeMillis指运行了多少毫秒，input指输入多少条数据，然后最终output输出了多少条数据到output_collection_name集合；