MongoDB学习 (四)：创建、读取、更新、删除（CRUD)快速入门

￡神魔★判官ぃ 2022-08-06 17:27 95阅读 0赞

接下来的数据库操作演示，我们使用MongoDB自带简洁但功能强大的JavaScript shell，MongoDB shell是一个独立的DB客户端（**它也是功能完备的JavaScript解释器 可以运行任何JavaScript程序**），MongoDB shell的使用介绍请阅读博文《[NoSQL学习之路（三）：MongoDB Shell的使用][NoSQL_MongoDB Shell]》。

## CRUD ##

### 1.C 创建 ###

insert函数添加一个文档到集合里面。

直接将文档作为参数：

>db.post.insert(\{"title":"Ex.1"\})

或者将文档赋值给变量，变量作为方法的参数。

下面我们添加一篇文章。首先,创建一个局部变量post，JavaScript对象作为文档的内容的赋值给post。里面会有"title","author","content"和"date"等键值。

![30153251-56bba4626c2f4ac1805c80f097b06918.png][]

使用count()查询集合中文档条数:

![01211338-3ae41ab3f18c4d4b93af13c0b4ad3825.png][]

当我们成功的插入一条文档到集合中后，我们会发现多了一个键"\_id"和自动生成的ObjectId类型值。\[详情：[MongoDB的ObjectID][MongoDB_ObjectID]\]

当插入多个文档到一个集合的时候，请使用批量插入会快一些。批量插入能传递一个由文档构成的数组给数据库。这样避免了许多零碎的请求所带来的开销。

要是只是导入原始数据(例如，从MySQL中导入 ),可以使用命令行工具，如mongoimport，而不是使用批量插入。另一方面，可以用它在存入MongoDB之前对数据做一些小的修整（转换日期成为日期类型，或添加自定义的"\_id"所以批量插入对导入数据来说也是有用的。

当执行插入的时候，使用的驱动程序会将数据转换成BSON的形式，然后将其送入数据库。数据库解析BSON,检验是否包含"\_id"键并且文档不超过4MB。要查看doc文档转为BSON的大小（以字节为单位），在shell中运行 Object.bsonsize(doc)即可。  
MongoDB在插入时并不执行代码，不做别的数据验证，就只是简单地将文档原样存入数据库中.虽然会导致插入无效的数据，但是它能让数据库更加安全，远离注入式攻击。

### 2.R读取 ###

find会返回集合里面所有的文档。findOne(注意大小写 **findone** 是无效的)查看一个文档。

find和findOne可以接受査询文档形式的限定条件。这将通过査询限制匹配的文档。使用find时，shell自动显示最多20个匹配的文档，但可以获取更多文档。

![30154759-2c030e468aa84bf5be4b4aff712d5232.png][]

### 3.U更新 ###

更新操作是原子的：若是两个更新同时发生，先到达服务器的先执行，接着执行另外的。

update接受（至少）两个参数：第一个是要更新文档的限定条件，第二个是新的文档。

**注意**：若是集合中有多个文档匹配查询条件，更新时会查询条件匹配了，然后更新的时候由于第二个参数的存在就产生重复的"\_id"值，数据库会报错。限定条件尽量只能筛选出一条文档记录来。

假设决定给我们先前写的文章增加标签，则需要增加一个新的键，对应的值是存放标签的数组。  
　　第一步修改变量post，增加"tags"键:

![30155049-bd0d763c210141ada6df6bed76ea223c.png][]

shell输入post回车,post变量中文档值已经包含了tags数组了。

![30155806-4e3574f96ff041248c1f3dc6e8bb797d.png][]

使用update方法更新文档后，文档中便有了"tags"键的内容。

### 4.D删除 ###

remove用来从数据库中永久性地删除文档，不能回复和撤销。

在不使用参数进行调用的情况下，它会删除一个集合内的所有文档，不会删除集合本身，原有的索引也会保留。。

**　　>db.posts.remove()**

它也可以接受一个文档以指定限定条件作为参数。现在集合中只有一条文档记录，我们指定限定条件进行删除操作：：

![30160225-aec52d033b0d424a9aebf97b2eb6f1db.png][]  
　　集合现在又是空的了。

如果要清除整个集合，直接删除集合（然后重建索引）会更快,使用drop\_collection函数。

>>db.drop\_collection(collection\_name)

# #

## Objectld ##

官方wiki:[http://docs.mongodb.org/manual/reference/object-id/][http_docs.mongodb.org_manual_reference_object-id]

当我们成功的插入一条文档到集合中后，我们会发现多了一个键"\_id"和自动生成的ObjectId类型值。通常会在客户端由驱动程序完成。原因如下：

*  MongoDB的设计理念：能从服务器端转移到驱动程序来做的事,就尽量转移。扩展应用层也要比扩展数据库层容易得多。将事务交由客户端来处理，就减轻了数据库扩展的负担。
 *  在客户端生成Objectld,驱动程序能够提供更加丰富的API。

集合中每个文档都有唯一的"\_id"值，来确保集合里面每个文档都能被唯一标识。Objectld是"\_id"的默认类型，它是一种轻量型的，不同的机器都能用全局唯一的同种方法轻量的生成它。mongodb从开始设计就被定义为分布式数据库，处理多个节点是一个核心要求。若采用传统的自增主键策略，在多台服务器上同步自动增加主键既费力又费时。

![30200311-1a97911817cf4c619f9de2166f55ea5d.png][]

ObjectId占用12字节的存储空间，每个字节两位十六进制数字，是一个24位的字符串。由“时间戳” 、“机器名”、“PID号”和“计数器”组成。使用机器名的好处是在分布式环境中能够避免单点计数的性能瓶颈。使用PID号的好处是支持同一机器内运行多个mongod实例。最终采用时间戳和计数器的组合来保证唯一性。

**1.时间戳　　**4个字节。从标准纪元开始，单位为秒。

*  时间戳，与随后的5个字节(机器名+PID)组合起来，提供了秒级别的唯一性。
 *  由于时间戳在前，这意味着Objectld大致会按照插入的顺序排列，这对于某些方面很有用，如将其作为索引提高效率，但是这个是没有保证的。
 *  这4个字节也隐含了文档创建的时间。绝大多数驱动都会公开一个方法从Objectld获取这个信息。

**2.机器名　　**3个字节。所在主机的唯一标识符。通常是机器主机名的散列值，机器名通过Md5加密后取前三个字节。

**3.PID**　　2个字节。为了确保在同一台机器上并发的多个进程产生的Objectld是唯一的，所以加上进程标识符(PID).注意到每次重启mongod进程后PID号通常会发生变化就可以了。

前9字节保证了同一秒钟不同机器不同进程产生的Objectld是唯一的。

**　　4.计数器**　　3个字节，表示的取值范围就是256\*256\*256=16777216。一个自动增加的计数器，确保相同进程同一秒产生的Obj ectld也是不一样的同一秒钟最多允许每个进程拥有2563 (16 777 216)不同的Objectld。

## MongoDB的Python驱动 ##

python环境下载： [http://www.python.org/download/][http_www.python.org_download]

pymongo驱动下载: [https://pypi.python.org/pypi/pymongo/][https_pypi.python.org_pypi_pymongo]

window环境下，pymongo选择类型为MS Windows installer。同时注意对应的python版本和系统（32or 64bit）.需事先安装好python环境，pymongo检测到python安装路径，只需下一步到完成即可。

![01161011-ab4ea87dbc2044cd807453f8b0a63a4c.png][]

然后打开python命令行控制台程序。

![01160638-fc63f6d678b24e95b482cad15706c5a4.png][]

下面是官方提供的基本示例：

创建连接
    >>> import pymongo
    >>> client = pymongo.MongoClient("localhost", 27017)
    切换数据库
    >>> db = client.test
    打印数据库名称
    >>> db.name
    u'test'
    获取集合
    >>> db.my_collection
    Collection(Database(MongoClient('localhost', 27017), u'test'), u'my_collection')
    插入文档
    >>> db.my_collection.save({"x": 10})
    ObjectId('4aba15ebe23f6b53b0000000')
    >>> db.my_collection.save({"x": 8})
    ObjectId('4aba160ee23f6b543e000000')
    >>> db.my_collection.save({"x": 11})
    ObjectId('4aba160ee23f6b543e000002')
    查看集合中的一条文档记录
    >>> db.my_collection.find_one()
    {u'x': 10, u'_id': ObjectId('4aba15ebe23f6b53b0000000')}

![01160646-02ce751513ef400ebed3661782c981e5.png][]

下面我们使用python语言往集合中插入1000000条文档记录，然后再清空该集合，并显示清空操作花费时间。

下面演示将使用Python  shell.

![01175407-da07b194da1d4da4970bcb4debd0ef10.png][]

![01175448-f568ccb9132340f28da914b0cee96122.png][]

新建.py文件。

import pymongo
    client = pymongo.MongoClient("localhost", 27017)
    db = client.test
    #查看test数据库中集合信息
    print (db.collection_names())
    #连接到my_collection集合
    print (db.my_collection)
    #清空my_collection集合文档信息
    db.my_collection.remove()
    #显示my_collection集合中文档数目
    print (db.my_collection.find().count())
    #插入1000000条文档信息
    for i in  range(1000000):
        db.my_collection.insert({"test":"tnt","index":i})
    
    
    #显示my_collection集合中文档数目
    print  ('插入完毕，当前文档数目：')
    print (db.my_collection.find().count())

通过Python  shell打开该文件，然后按“F5”或者点击“run”->"run module"，运行该文件，执行操作。

![01173629-bb39514626aa4b1d8679f1e14dbbe524.png][]

运行后，python shell 光标闪烁，因为数量较多，等待片刻。

![01173757-686c86d79d924d1baa9ff543db46a5ca.png][]

文档成功插入后：

![01173925-f327c1c9ed864b0f9fb604a5bb24ec51.png][]

运行下面的代码，执行清空集合操作。

import time
    from pymongo import Connection
    db=Connection().test
    collection = db.my_collection
    start = time.time()
    collection.remove()
    collection.find_one()
    total = time.time()-start
    print ("删除1000000条文档共计耗时：%d seconds" % total)

结果如下：

![01174936-5f0286a9ae434388a4d827b381184d66.png][]

## 参考： ##

**1.[MongoDB权威指南][MongoDB]**

**2.[MongoDB的ObjectId][MongoDB_ObjectId]**

**3.[理解MongoDB默认的ObjectID][MongoDB_ObjectID 1]**

**4. [pymongo 使用小结][pymongo]**

[NoSQL_MongoDB Shell]: http://www.cnblogs.com/egger/archive/2013/04/30/3052142.html
[30153251-56bba4626c2f4ac1805c80f097b06918.png]: /images/20220805/5a83d3c7b7d44f409713d31ff70bf75d.png
[01211338-3ae41ab3f18c4d4b93af13c0b4ad3825.png]: /images/20220805/f89bea7c6d9f4cdb98289330f6e1666c.png
[MongoDB_ObjectID]: http://www.cnblogs.com/egger/archive/2013/05/01/3053239.html#objectid
[30154759-2c030e468aa84bf5be4b4aff712d5232.png]: /images/20220805/0847d89e70e04210a51ebf41fd98d9a9.png
[30155049-bd0d763c210141ada6df6bed76ea223c.png]: /images/20220805/f0073967e9314db7b4252703ba2eeea7.png
[30155806-4e3574f96ff041248c1f3dc6e8bb797d.png]: /images/20220805/a0505c033a4640068be45e504dc09c0c.png
[30160225-aec52d033b0d424a9aebf97b2eb6f1db.png]: /images/20220805/441b8f0d364a46a885f7918a9a262009.png
[http_docs.mongodb.org_manual_reference_object-id]: http://docs.mongodb.org/manual/reference/object-id/
[30200311-1a97911817cf4c619f9de2166f55ea5d.png]: /images/20220805/5e0e94d6830a4706aed34c9cee9b8f53.png
[http_www.python.org_download]: http://www.python.org/download/
[https_pypi.python.org_pypi_pymongo]: https://pypi.python.org/pypi/pymongo/
[01161011-ab4ea87dbc2044cd807453f8b0a63a4c.png]: /images/20220805/b8b1f5374d6a47c1b7f6ae79b17ee8bb.png
[01160638-fc63f6d678b24e95b482cad15706c5a4.png]: /images/20220805/92e575c31826478fb012f93e9bc34ccd.png
[01160646-02ce751513ef400ebed3661782c981e5.png]: /images/20220805/10f1ba142afc451aa209e0e902f05907.png
[01175407-da07b194da1d4da4970bcb4debd0ef10.png]: /images/20220805/895e3df90c834d5291bcc7aed772161e.png
[01175448-f568ccb9132340f28da914b0cee96122.png]: /images/20220805/1420bbc684de4a228386004c40d59360.png
[01173629-bb39514626aa4b1d8679f1e14dbbe524.png]: /images/20220805/da769aa2f0cb43eead08fd2957cea7dd.png
[01173757-686c86d79d924d1baa9ff543db46a5ca.png]: /images/20220805/30d300936dfe4f98a1138947e8fe51fe.png
[01173925-f327c1c9ed864b0f9fb604a5bb24ec51.png]: /images/20220805/a8be91647b6b4692ba2cca207ad38e64.png
[01174936-5f0286a9ae434388a4d827b381184d66.png]: /images/20220805/9d2723a6881248b6a89cab802809d7a7.png
[MongoDB]: http://book.douban.com/subject/6068947/
[MongoDB_ObjectId]: http://blog.haohtml.com/archives/10678
[MongoDB_ObjectID 1]: http://idata.blog.51cto.com/4581576/1086557
[pymongo]: http://blog.chinaunix.net/uid-670606-id-3574914.html