Mongodb教程

数据库切换

  • 查看当前数据库名称
db
  • 查看所有数据库名称
  • 列出所有在物理上存在的数据库
show dbs
  • 切换数据库
  • 如果数据库不存在，则指向数据库，但不创建，直到插入数据或创建集合时数据库才被创建
use 数据库名称
  • 默认的数据库为test，如果你没有创建新的数据库，集合将存放在test数据库中

数据库删除

  • 删除当前指向的数据库
  • 如果数据库不存在，则什么也不做
db.dropDatabase()

集合创建

  • 语法
db.createCollection(name, options)
  • name是要创建的集合的名称
  • options是一个文档，用于指定集合的配置
  • 选项参数是可选的，所以只需要到指定的集合名称。以下是可以使用的选项列表：
  • 例1：不限制集合大小
db.createCollection("stu")
  • 例2：限制集合大小，后面学会插入语句后可以查看效果
  • 参数capped：默认值为false表示不设置上限，值为true表示设置上限
  • 参数size：当capped值为true时，需要指定此参数，表示上限大小，当文档达到上限时，会将之前的数据覆盖，单位为字节
db.createCollection("sub", { capped : true, size : 10 } )

查看当前数据库的集合

  • 语法
show collections

删除

  • 语法
db.集合名称.drop()

数据类型

  • 下表为MongoDB中常用的几种数据类型：
  • Object ID：文档ID
  • String：字符串，最常用，必须是有效的UTF-8
  • Boolean：存储一个布尔值，true或false
  • Integer：整数可以是32位或64位，这取决于服务器
  • Double：存储浮点值
  • Arrays：数组或列表，多个值存储到一个键
  • Object：用于嵌入式的文档，即一个值为一个文档
  • Null：存储Null值
  • Timestamp：时间戳
  • Date：存储当前日期或时间的UNIX时间格式

object id

  • 每个文档都有一个属性，为_id，保证每个文档的唯一性
  • 可以自己去设置_id插入文档
  • 如果没有提供，那么MongoDB为每个文档提供了一个独特的_id，类型为objectID
  • objectID是一个12字节的十六进制数
    • 前4个字节为当前时间戳
    • 接下来3个字节的机器ID
    • 接下来的2个字节中MongoDB的服务进程id
    • 最后3个字节是简单的增量值

[简介](file:///F:/001 数据库/第4章 数据库/第2节 MongoDB/01.MongoDB基础/)

插入

  • 语法
db.集合名称.insert(document)
  • 插入文档时，如果不指定_id参数，MongoDB会为文档分配一个唯一的ObjectId
  • 例1
db.stu.insert({name:'gj',gender:1})
  • 例2
s1={_id:'20160101',name:'hr'}
s1.gender=0
db.stu.insert(s1)

简单查询

  • 语法
db.集合名称.find()

更新

  • 语法
db.集合名称.update(
   <query>,
   <update>,
   {multi: <boolean>}
)
  • 参数query:查询条件，类似sql语句update中where部分
  • 参数update:更新操作符，类似sql语句update中set部分
  • 参数multi:可选，默认是false，表示只更新找到的第一条记录，值为true表示把满足条件的文档全部更新
  • 例3：全文档更新
db.stu.update({name:'hr'},{name:'mnc'})
  • 例4：指定属性更新，通过操作符$set
db.stu.insert({name:'hr',gender:0})
db.stu.update({name:'hr'},{$set:{name:'hys'}}) // 只改变部分
  • 例5：修改多条匹配到的数据
db.stu.update({},{$set:{gender:0}},{multi:true})

保存

  • 语法
db.集合名称.save(document)
  • 如果文档的_id已经存在则修改，如果文档的_id不存在则添加
  • 例6
db.stu.save({_id:'20160102','name':'yk',gender:1})
  • 例7
db.stu.save({_id:'20160102','name':'wyk'})

删除

  • 语法
db.集合名称.remove(
   <query>,
   {
     justOne: <boolean>
   }
)
  • 参数query:可选，删除的文档的条件
  • 参数justOne:可选，如果设为true或1，则只删除一条，默认false，表示删除多条
  • 例8：只删除匹配到的第一条
db.stu.remove({gender:0},{justOne:true})
  • 例9：全部删除
db.stu.remove({})

关于size的示例

  • 例10
  • 创建集合
db.createCollection('sub',{capped:true,size:10})
  • 插入第一条数据库查询
db.sub.insert({title:'linux',count:10})
db.sub.find()
  • 插入第二条数据库查询
db.sub.insert({title:'web',count:15})
db.sub.find()
  • 插入第三条数据库查询
db.sub.insert({title:'sql',count:8})
db.sub.find()
  • 插入第四条数据库查询
db.sub.insert({title:'django',count:12})
db.sub.find()
  • 插入第五条数据库查询
db.sub.insert({title:'python',count:14})
db.sub.find()

数据查询

基本查询

  • 方法find()：查询
db.集合名称.find({条件文档})
  • 方法findOne()：查询，只返回第一个
db.集合名称.findOne({条件文档})
  • 方法pretty()：将结果格式化
db.集合名称.find({条件文档}).pretty()

比较运算符

  • 等于，默认是等于判断，没有运算符
  • 小于$lt
  • 小于或等于$lte
  • 大于$gt
  • 大于或等于$gte
  • 不等于$ne
  • 例1：查询名称等于'gj'的学生
db.stu.find({name:'gj'})
  • 例2：查询年龄大于或等于18的学生
db.stu.find({age:{$gte:18}})

逻辑运算符

  • 查询时可以有多个条件，多个条件之间需要通过逻辑运算符连接
  • 逻辑与：默认是逻辑与的关系
  • 例3：查询年龄大于或等于18，并且性别为1的学生
db.stu.find({age:{$gte:18},gender:1})
  • 逻辑或：使用$or
  • 例4：查询年龄大于18，或性别为0的学生
db.stu.find({$or:[{age:{$gt:18}},{gender:1}]})
  • and和or一起使用
  • 例5：查询年龄大于18或性别为0的学生，并且学生的姓名为gj
db.stu.find(
{$or:[{age:{$gte:18}},{gender:1}],name:'gj'}    )

范围运算符

  • 使用"\(in"，"\)nin" 判断是否在某个范围内
  • 例6：查询年龄为18、28的学生
db.stu.find({age:{$in:[18,28]}})

支持正则表达式

  • 使用//或$regex编写正则表达式
  • 例7：查询姓黄的学生
db.stu.find({name:/^黄/})
db.stu.find({name:{$regex:'^黄'}}})

自定义查询

  • 使用$where后面写一个函数，返回满足条件的数据
  • 例7：查询年龄大于30的学生
db.stu.find({$where:function(){return this.age>20}})

Limit

  • 方法limit()：用于读取指定数量的文档
  • 语法：
db.集合名称.find().limit(NUMBER)
  • 参数NUMBER表示要获取文档的条数
  • 如果没有指定参数则显示集合中的所有文档
  • 例1：查询2条学生信息
db.stu.find().limit(2)

skip

  • 方法skip()：用于跳过指定数量的文档
  • 语法：
db.集合名称.find().skip(NUMBER)
  • 参数NUMBER表示跳过的记录条数，默认值为0
  • 例2：查询从第3条开始的学生信息
db.stu.find().skip(2)

一起使用

  • 方法limit()和skip()可以一起使用，不分先后顺序
  • 创建数据集
for(i=0;i<15;i++){db.t1.insert({_id:i})}
  • 查询第5至8条数据
db.stu.find().limit(4).skip(5)
或
db.stu.find().skip(5).limit(4)

投影

  • 在查询到的返回结果中，只选择必要的字段，而不是选择一个文档的整个字段
  • 如：一个文档有5个字段，需要显示只有3个，投影其中3个字段即可
  • 语法：
  • 参数为字段与值，值为1表示显示，值为0不显示
db.集合名称.find({},{字段名称:1,...})
  • 对于需要显示的字段，设置为1即可，不设置即为不显示
  • 特殊：对于_id列默认是显示的，如果不显示需要明确设置为0
  • 例1
db.stu.find({},{name:1,gender:1})
  • 例2
db.stu.find({},{_id:0,name:1,gender:1})

排序

  • 方法sort()，用于对结果集进行排序
  • 语法
db.集合名称.find().sort({字段:1,...})
  • 参数1为升序排列
  • 参数-1为降序排列
  • 例1：根据性别降序，再根据年龄升序
db.stu.find().sort({gender:-1,age:1})

统计个数

  • 方法count()用于统计结果集中文档条数
  • 语法
db.集合名称.find({条件}).count()
  • 也可以与为
db.集合名称.count({条件})
  • 例1：统计男生人数
db.stu.find({gender:1}).count()
  • 例2：统计年龄大于20的男生人数
db.stu.count({age:{$gt:20},gender:1})

消除重复

  • 方法distinct()对数据进行去重
  • 语法
db.集合名称.distinct('去重字段',{条件})
  • 例1:查找年龄大于18的性别（去重）
db.stu.distinct('gender',{age:{$gt:18}})

聚合 aggregate

  • 聚合(aggregate)主要用于计算数据，类似sql中的sum()、avg()
  • 语法
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

表达式

  • 处理输入文档并输出
  • 语法
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

$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'$字段'
  • 例1：统计男生、女生的总人数
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            counter:{$sum:1}
        }
    }
])

Group by null

  • 将集合中所有文档分为一组
  • 例2：求学生总人数、平均年龄
db.stu.aggregate([
    {$group:
        {
            _id:null,
            counter:{$sum:1},
            avgAge:{$avg:'$age'}
        }
    }
])

透视数据

  • 例3：统计学生性别及学生姓名
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$name'}
        }
    }
])
  • 使用$$ROOT可以将文档内容加入到结果集的数组中，代码如下
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$$ROOT'}
        }
    }
])

$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1：查询年龄大于20的学生
db.stu.aggregate([
    {$match:{age:{$gt:20}}}
])
  • 例2：查询年龄大于20的男生、女生人数
db.stu.aggregate([
    {$match:{age:{$gt:20}}},
    {$group:{_id:'$gender',counter:{$sum:1}}}
])

$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
  • 例1：查询学生的姓名、年龄
db.stu.aggregate([
    {$project:{_id:0,name:1,age:1}}
])
  • 例2：查询男生、女生人数，输出人数
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$project:{_id:0,counter:1}}
])

$sort

  • 将输入文档排序后输出
  • 例1：查询学生信息，按年龄升序
b.stu.aggregate([{$sort:{age:1}}])
  • 例2：查询男生、女生人数，按人数降序
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:-1}}
])

$limit

  • 限制聚合管道返回的文档数
  • 例1：查询2条学生信息
db.stu.aggregate([{$limit:2}])

$skip

  • 跳过指定数量的文档，并返回余下的文档
  • 例2：查询从第3条开始的学生信息
db.stu.aggregate([{$skip:2}])
  • 例3：统计男生、女生人数，按人数升序，取第二条数据
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:1}},
    {$skip:1},
    {$limit:1}
])
  • 注意顺序：先写skip，再写limit

$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'}])
  • 构造数据
db.t2.insert({_id:1,item:'t-shirt',size:['S','M','L']})
  • 查询
db.t2.aggregate([{$unwind:'$size'}])

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.aggregate([{$unwind:'$size'}])
  • 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
  • 问：如何能不丢弃呢？
  • 答：使用语法2查询
db.t3.aggregate([{$unwind:{path:'$sizes',preserveNullAndEmptyArrays:true}}])

超级管理员

  • 为了更安全的访问mongodb，需要访问者提供用户名和密码，于是需要在mongodb中创建用户
  • 采用了角色-用户-数据库的安全管理方式
  • 常用系统角色如下：
    • root：只在admin数据库中可用，超级账号，超级权限
    • Read：允许用户读取指定数据库
    • readWrite：允许用户读写指定数据库
  • 创建超级管理用户
use admin
db.createUser({
    user:'admin',
    pwd:'123',
    roles:[{role:'root',db:'admin'}]
})

启用安全认证

  • 修改配置文件
sudo vi /etc/mongod.conf
  • 启用身份验证
  • 注意：keys and values之间一定要加空格, 否则解析会报错
security:
  authorization: enabled
  • 重启服务
sudo service mongod stop
sudo service mongod start
  • 终端连接
 mongo -u 'admin' -p '123' --authenticationDatabase 'admin'

普通用户管理

  • 使用超级管理员登录，然后进入用户管理操作
  • 查看当前数据库的用户
use test1
show users
  • 创建普通用户
db.createUser({
    user:'t1',
    pwd:'123',
    roles:[{role:'readWrite',db:'test1'}]
})
  • 终端连接
mongo -u t1 -p 123 --authenticationDatabase test1
  • 切换数据库，执行命令查看效果
  • 修改用户：可以修改pwd、roles属性
db.updateUser('t1',{pwd:'456'})

复制（副本集）

什么是复制

  • 复制提供了数据的冗余备份，并在多个服务器上存储数据副本，提高了数据的可用性，并可以保证数据的安全性
  • 复制还允许从硬件故障和服务中断中恢复数据

为什么要复制

  • 数据备份
  • 数据灾难恢复
  • 读写分离
  • 高（24* 7）数据可用性
  • 无宕机维护
  • 副本集对应用程序是透明

复制的工作原理

  • 复制至少需要两个节点A、B...
  • A是主节点，负责处理客户端请求
  • 其余的都是从节点，负责复制主节点上的数据
  • 节点常见的搭配方式为：一主一从、一主多从
  • 主节点记录在其上的所有操作，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，从而保证从节点的数据与主节点一致
  • 主节点与从节点进行数据交互保障数据的一致性

复制的特点

  • N 个节点的集群
  • 任何节点可作为主节点
  • 所有写入操作都在主节点上
  • 自动故障转移
  • 自动恢复

设置复制节点

  • 接下来的操作需要打开多个终端窗口，而且可能会连接多台ubuntu主机，会显得有些乱，建议在xshell中实现
  • step1:创建数据库目录t1、t2
  • 在Desktop目录下演示，其它目录也可以，注意权限即可
mkdir t1
mkdir t2
  • step2:使用如下格式启动mongod，注意replSet的名称是一致的
mongod --bind_ip 192.168.196.128 --port 27017 --dbpath ~/Desktop/t1 --replSet rs0
mongod --bind_ip 192.168.196.128 --port 27018 --dbpath ~/Desktop/t2 --replSet rs0
  • step3:连接主服务器，此处设置192.168.196.128:27017为主服务器
mongo --host 192.168.196.128 --port 27017
  • step4:初始化
rs.initiate()
  • 初始化完成后，提示符如下图：

![初始化](file:///F:/001%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC4%E7%AB%A0%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC2%E8%8A%82%20MongoDB/02.MongoDB%E9%AB%98%E7%BA%A7/%E8%B5%84%E6%96%99/images/init.png)

  • step5:查看当前状态
rs.status()
  • 当前状态如下图：

![初始化](file:///F:/001%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC4%E7%AB%A0%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC2%E8%8A%82%20MongoDB/02.MongoDB%E9%AB%98%E7%BA%A7/%E8%B5%84%E6%96%99/images/status1.png)

  • step6:添加复本集
rs.add('192.168.196.128:27018')
  • step7:复本集添加成功后，当前状态如下图：

![初始化](file:///F:/001%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC4%E7%AB%A0%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC2%E8%8A%82%20MongoDB/02.MongoDB%E9%AB%98%E7%BA%A7/%E8%B5%84%E6%96%99/images/status2.png)

  • step8:连接第二个mongo服务
mongo --host 192.168.196.128 --port 27018
  • 连接成功后，提示符如下图：

![初始化](file:///F:/001%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC4%E7%AB%A0%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC2%E8%8A%82%20MongoDB/02.MongoDB%E9%AB%98%E7%BA%A7/%E8%B5%84%E6%96%99/images/sencond.png)

  • step9:向主服务器中插入数据
use test1
for(i=0;i<10;i++){db.t1.insert({_id:i})}
db.t1.find()
  • step10:在从服务器中插查询
  • 说明：如果在从服务器上进行读操作，需要设置rs.slaveOk()
rs.slaveOk()
db.t1.find()

其它说明

  • 删除从节点
rs.remove('192.168.196.128:27018')
  • 关闭主服务器后，再重新启动，会发现原来的从服务器变为了从服务器，新启动的服务器（原来的从服务器）变为了从服务器

分片

  • 在Mongodb里面存在另一种集群，就是分片技术,可以满足MongoDB数据量大量增长的需求
  • 当MongoDB存储海量的数据时，一台机器可能不足以存储数据，也可能不足以提供可接受的读写吞吐量，这时，我们就可以通过在多台机器上分割数据，使得数据库系统能存储和处理更多的数据

为什么使用分片

  • 本地磁盘不够大
  • 当请求量巨大时会出现内存不足。
  • 垂直扩展价格昂贵(内存、磁盘、cpu)

实现分片

  • 分片结构图如下：

    • 实现分片需要3部分：
      • 路由服务器mongos：客户端由此接入，根据分片依据，将数据写入到不同的数据服务器
      • 配置服务器mongod：将数据进行分片的依据
      • 数据服务器mongod：可以有多台物理机，用于存储实际的数据块
    • 设计端口如下：
      • 路由服务器：60001
      • 配置服务器：60002
      • 数据服务器1：60003
      • 数据服务器2：60004
    • step1:启动数据服务器，当前位于Desktop目录下
    sudo mkdir t1
sudo mkdir t2
sudo mongod --port 60003 --dbpath=~/Desktop/t1
sudo mongod --port 60004 --dbpath=~/Desktop/t2
    • step2:启动配置服务器
    sudo mkdir conf
sudo mongod --port 60002 --dbpath=~/Desktop/conf
    • step3:启动路由服务器
    sudo mongos --port 60001 --configdb 192.168.196.128:60002
    • step4:在路由服务器中添加数据服务器
    mongo --port 60001
use admin
db.runCommand({addshard:'192.168.196.128:60003'})
db.runCommand({addshard:'192.168.196.128:60004'})
    • step5:对数据库test1启用分片
    db.runCommand({enablesharding:'test1'})
    • step6:指定片键，即集合中文档的分片依据
    db.runCommand({shardcollection:'test1.t1',key:{name:1}})
    • step7:测试数据，向集合中插入1W条数据
    for(i=0;i<10000;i++){
    db.t1.insert({name:'abc'+i})
}
    • step8:查看数据存储情况
    db.printShardingStatus()
    • 可以查看到数据均匀存储在了数据服务器上
    • step9:查询数据
    db.t1.find({name:'abc1000'})
db.t1.find({name:'abc9000'})
    • 分片的使用，对于客户端是透明的，对数据的读写没有变化

备份

  • 语法
mongodump -h dbhost -d dbname -o dbdirectory
  • -h：服务器地址，也可以指定端口号
  • -d：需要备份的数据库名称
  • -o：备份的数据存放位置，此目录中存放着备份出来的数据
  • 例1
sudo mkdir test1bak
sudo mongodump -h 192.168.196.128:27017 -d test1 -o ~/Desktop/test1bak

恢复

  • 语法
mongorestore -h dbhost -d dbname --dir dbdirectory
  • -h：服务器地址
  • -d：需要恢复的数据库实例
  • --dir：备份数据所在位置
  • 例2
mongorestore -h 192.168.196.128:27017 -d test2 --dir ~/Desktop/test1bak/test1

MapReduce

  • ```
Google在2003年到2004年公布了关于GFS、MapReduce和BigTable三篇技术论文，这也成为后来云计算发展的重要基石，

谷歌技术有"三宝"，GFS(分布式文件系统)、MapReduce编程模型(Map映射和Reduce归约）和BigTable(分布式数据存储系统)！

`Map-Reduce`是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果规约（REDUCE）成最终结果。

![](/photos/03-map-reduce.png)

Google 2014年 I/O大会：`Google`已经停用`MapReduce`，开发并发布了一个新的超大规模云分析系统`Cloud Dataflow`。

![](/photos/01-aggregation-pipeline.png)

###MapReduce 命令

以下是MapReduce的基本语法：
​```javascript
>db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction},   //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将key与 value 传递给 Reduce 函数进行处理。

Map 函数必须调用 emit(key, value) 返回键值对。

参数说明:

  • map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
  • reduce ：（规约）统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。
  • out ：统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
  • query ：一个筛选条件，只有满足条件的文档才会调用map函数。（query，limit，sort可以随意组合）
  • sort ：和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
  • limit ：执行map函数之前，限定文档数量的上限（要是没有limit，单独使用sort的用处不大）

MR示例

现有集合 orders 内容如下

db.orders.insert([
{
     _id: 1,
     cust_id: "marong",
     ord_date: new Date("Oct 04, 2012"),
     status: 'A',
     items: [ { sku: "mmm", qty: 5, price: 2.5 },
              { sku: "nnn", qty: 5, price: 2.5 } ]
},
{
     _id: 2,
     cust_id: "marong",
     ord_date: new Date("Oct 05, 2012"),
     status: 'B',
     items: [ { sku: "mmm", qty: 5, price: 3 },
              { sku: "nnn", qty: 5, price: 3 } ]
}
])

计算每个客户的总消费

执行过程：

![img](file:///F:/001%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC4%E7%AB%A0%20%E6%95%B0%E6%8D%AE%E5%BA%93/%E7%AC%AC2%E8%8A%82%20MongoDB/02.MongoDB%E9%AB%98%E7%BA%A7/photos/06_mapreduce00.png)

1. 执行 map 操作过程

  • 定义 map (映射) 函数来处理每个文档：
  • 映射每个文档的cust_id, 并处理 items
  • 先遍历 items，分别对每个items成员 qty和price相乘再求总和
var mapFunction2 = function() {
                       var key = this.cust_id;
                       var value = 0;
                       for (var idx = 0; idx < this.items.length; idx++) {
                            value += this.items[idx].qty * this.items[idx].price;
                       }
                       emit(key, value);
                    };

2. 定义reduce 函数有两个参数 keyCustId 和 valuesPrices

  • valuesPrices 是数组，由 keyCustId 分组, 收集 value 而来
  • reduces 函数 对 valuesPrices 数组 求和.
var reduceFunction2 = function(keyCustId, valuesPrices) {
                     return Array.sum(valuesPrices);
                  };

3. 执行 map-reduce 函数

db.orders.mapReduce(
                     mapFunction2,
                     reduceFunction2,
                     { out: "map_reduce_example" }
                   )

与python交互

进入虚拟环境
sudo pip install pymongo
或源码安装
python setup.py
  • 引入包pymongo
import pymongo
  • 连接，创建客户端
client=pymongo.MongoClient("localhost", 27017)
  • 获得数据库test1
db=client.test1
  • 获得集合stu
stu = db.stu
  • 添加文档
s1={name:'gj',age:18}
s1_id = stu.insert_one(s1).inserted_id
  • 查找一个文档
s2=stu.find_one()
  • 查找多个文档1
for cur in stu.find():
    print cur
  • 查找多个文档2
cur=stu.find()
cur.next()
cur.next()
cur.next()
  • 获取文档个数
print stu.count()
posted @ 2019-08-08 08:35  如海  阅读(215)  评论(0)  编辑  收藏  举报