MongoDB：开发人员实践指北
1 左右为难：MySQL vs MongoDB 1.1对比一览 指标 MySQL MongoDB 开发语言 C++，C C++，C 数据库类型 SQL NoSQL（面向文档） Schema Strict Dynamic 可扩展性 垂直扩展 水平扩展 核心特性 全文搜索索引支持集成复制触发器子查询查询缓存支持多存储引擎 自动分片本机复制内存加速支持嵌套数据模型辅助索引（Secondary Index）富查询多存储引擎 应用场景 表行数据结构强依赖多行事务经常更新或修改数据记录关系型数据集 高写负载不稳定的Schema数据库预计很大位置数据不可靠环境的高可用要求没有DBA 优势 成熟兼容性可复制分片 动态模式可扩展性以管理速度灵活性 1.2从使用看对比 1.2.1 文档数据类型：字段结构更丰富 MongoDB的数据类型非常丰富，BSON/JSON结构，可以表示任意结构的数据。 MySQL的数据类型相对贫瘠，行列结构，层级结构数据需要拆表、联立表示，复杂了数据管理方式。除此之外，业务数据与DB数据需要ORM来完成映射表示，代码复杂度较高。 1.2.2 Schema：让数据更灵活 MongoDB是动态Schema，无需预先定义Collection结构；而MySQL是静态Schema，需要预先定义Table结构。举例来说，如果我们的数据时效性以一个月为限，很少会追溯过期数据，我们更希望将表以时间为划分依据，如Data-201901、Data-201902等，这在MongoDB中可以轻易实现，而如果在MySQL中则要复杂许多，要么动态执行Create Table语句，要么将数据放在一起。在之前写过的Slowlog管理系统中，因为数据量较大，采用MySQL存储数据时，需要定时任务去定期归档数据，代码复杂度搞。 MongoDB是NoStrict Schema，同一Collection的文档结构允许不同；而MySQL是Strict Schema，同一Table的字段结构必须相同。因此，为了实现复杂的数据结构，MySQL常常会将一个业务结构拆成多张表表示，也会通过空字段处理，即有的记录的字段有值，有的是空值。非强制性Schema最大的好处就是支持业务变化、代码重构，尤其是业务不稳定阶段，表（集合）结构经常变化，但又害怕数据丢失，因此只能不断加字段，导致一张表中会有很多无效字段，而在非强制Schema中，每条记录（文档）的结构都可以不一样，因此新变化对老数据无侵害。 1.2.3 事务管理：MongoDB的短板 事务管理是MongoDB的软肋，目前v4.2版本已经推出了事务功能，但事务操作必须针对已存在的集合（Existing Collection）。 2MongoDB常见操作 2.1 查看库表 showdbs//列举MongoDB实例的数据库show collections // 列举当前库下的所有集合 2.2 查看表数据 MongoDB的查询语法比较丰富，既有普通文档的条件查询，还有嵌入文档、数组字段的查询，具体语法可以参见官网https://docs.mongodb.com/manual/tutorial/query-documents/，MongoDB的文档除了讲解说明外，还有交互终端，用户可以自由使用。 无论是何种查询，最终都离不开两个问题：（1）查询条件是什么？（2）查询结果又是什么样子的？ 2.2.1 查询表达式（Query Selector） 如上是MongoDB的一些操作符，通过这些操作符和字段、值的联立组合，可以形成复杂的查询条件。 假设，我们要在部署记录集合（deploy_record）中查询用户（sli4）、在12月部署的失败（Failure）和取消（Cancel）的记录： db.deploy_record.find({user:"sli4", date: {"gte": ISODate("2019-12-01T00:00:00Z), "lt": ISODate("2020-01-01T00:00:00Z)},status:{$in:["Failure","Cancel"]}}) 很多技术内容，光看文档是无法真正领会的，需要有真实的操作场景，才能碰到自己想不到的问题。本想写一篇概括性、总结文章，可以一页指北，却发现，只能提供概要性说明，具体实践过程，还是要面向文档和Google编程！ 2.2.2 投射 投射，就是SQL中的字段选择。MongoDB默认返回符合查询条件文档的全部字段，为了限制MongoDB返回的数据量，可以通过投射表达式选择需要的字段。 db.collection.find({查询条件},{投射表达式}) 投射表达式，就是为指定字段设定是否返回标识，1标识返回，0标识不返回。如部署记录（deploy_record）只返回应用（app）、状态（status）： 注意：MongoDB默认是返回主键（_id），因此如果不需要主键时，需要显示指定_id:0。 2.2.3 聚合 Aggregation operations process data records and return computed results.聚合操作通过数据分组、针对分组数据执行一系列操作、最终生成单一计算结果值。聚合提供Pipeline、MapReduce、Methods三种方式。聚合操作可以简化应用层的业务逻辑，在数据层提取需要的数据值。 因为聚合比较重要，也很复杂，我们将在下面另起一个模块讲解说明。 2.3 创建数据：insert db.collection.insertOne() // 插入单一文档db.collection.insertMany() // 插入多个文档db.collection.insert() // 插入一个或多个文档 MongoDB的数据插入行为有三点内容需要明确： 如果插入数据时，集合尚未存在，insert操作会触发集合创建。 mongodb中每个文档都是以_id作为主键，如果插入的文档中没有指定_id，mongodb会默认分配唯一ID。 无论插入一个还是多个文档，mongodb都是以单一文档为原子性维度，即插入过程中如遇错误，只影响正在插入的文档，不影响已经成功的文档，不会回退至插入操作前的状态。 2.4 修改操作 //修改操作的命令格式{<updateoperator>:{ <field1>:<value1>, ... },<updateoperator>:{<field1>:<value1>,...},...} 2.4.1修改还是替换 上图的两个操作，一个是替换，一个是字段更新，在没有$set更新操作符时，是以新值替代旧值；而有$set时则只针对指定字段更新。 db.deploy_record.update({_id: 1}, {user: "王五"})db.deploy_record.update({_id: 1}, {$set: {user: "王五"}}) 2.4.2更新操作注意事项 _id字段不可更改 upsert操作：当upsert为true时，如果没有匹配的文档可供修改，会将更新文档作为新文档插入集合。 2.4.3还有更多操作符，具体使用结合文档和场景 https://docs.mongodb.com/manual/reference/operator/update/ 2.5 删除操作 db.collection.delete({查询表达式}) 3. MongoDB的高级操作--聚合 3.1Pipeline 3.2 MapReduce MapReduce是大数据处理模型，通过map和reduce两个阶段获取理想的数据结果： Map：通过map函数提取一组kv对，每个key都有多个value，准确的说是key-values。 Reduce：通过reduce函数，以key为组，分组计算求得结果。 在MongoDB中，MapReduce的命令格式如下：除了提供map、reduce函数外，还需要指定数据的筛选条件（query）和数据结果的保存集合（out） { function map(){},functionreduce(key,values){},{ query: {查询表达式},out:输出集合}} 本文分享自微信公众号 - DevOps技术说（sli4book）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
