mogonDB基本操作命令

1,连接：
    1.    mogodb://mongodb的登录：usernanme：密码@host(地址)：端口号。
    2,连接多台服务器：    mongodb://服务器1：端口号1，服务器2：端口号2
    3，连接replica set三台服务器    mongodb://localhost(本机，默认端口27017),localhost:27018,localhost:20719
2,创建数据库
    1，use databasename;if已经存在则切换到指定数据库；show dbs：查询所有数据库的命令；新建的数据库需要插入一条数据才能显示出来。
3，删除数据库：db.dropDatabase():删除当前数据库。
4，集合（即数据库中表的删除）的删除。db.collection.drop();db.指定表名.drop;
5,集合的创建：格式：db.createCollecion(name,options);name:集合名称，options：可选参数，指定有关内存大小及索引的选项。
    show collections：查看已有集合；
    创建固定集合的用法：db.createCollection("name",{capped(if为true，必须指定大小):true，aotoIndexId(自动在_id字段创建索引):true，size(集合大小):6142800，max(文档最大个数，即行)：10000}）
6，向集合中插入文档：关键字不带引号，值带单引号。更新时都要带单引号。
    db.集合名.insert(document):可以insert(key：value，key1：value2。。。)也可以var document=（{key:value,key1,value1...}）；insert(document)的方式插入；
    每条文档有一个默认的_id;一个大括号为一条数据
7，更新集合中的文档,格式：db.collection.update(,,{upsert,multi:,writeConcern:})
    query代表：update的查询条件，类似where后面的语句；update代表更新的操作符，set后面的语句；upsert：bool型代表if不存在是否插入新的。multi：默认为false，代表只更新查找到的第一条数据，true为全部更新
    writeConcern：可选，抛出异常的级别。
    实例：db.col.update({'title':‘MongoDB 教程’}，{$set:{‘title’:'MongoDB'}})；将key_value，title:MongoDB 教程改成了title：MongoDB
    db.collectin.save(,{wreiteConcern:})
8，文档的删除：db.col.remove({}):删除所有文档；db.col.remove({document},1):删除一条记录；官方文档新用法：db.inventory.deleteMand({}):删除集合下所有文档；
    db.inventory.deleteMany({status:"A"}):删除status等于A的所有文档；db.inventory.deleteOne({status:"A"}):删除status等于A的一条文档；
9，db.collection.find(query,projiection);query:可选，使用查询操作符，指定查询条件；projection：可选，查询时返回文档所有的健值；
    db.col.find().pretty()：pretty():以易读的方式读取数据
    db.col.find().pretty():查询集合中的所有文档；findone：返回一个文档。查询等于：db.col.find({"by":"mongodb"}).pretty();等价于 where by='mongodb'
    查询大于等于：db.col.find({"likes":{$gte:50}}).pretty();等价于where likes>=50;查询条件要单独放在一个大括号里
    查询and条件：db.col.find({key1:value1,key2,value2}).pretty();多个查询条件存入一个大括号中；
    查询or条件：使用or关键字：db.col.find({$or:[{key1:value1},{key2,value2}]}).pretty();多个查询条件存入一个中括号中；
    AND和OR联合使用： db.col.find({"likes":{$gt:50}},$or:[{key1,value1},{key2,value2}]}).pretty()
    projection的使用情况：db.collection.find(query,{key1：1，key2,：1})指定返回的健，if为0指定不返回的健；要不全为1，或全为0；不可混用；
    db.collection.find(query,{_id:0,title:1,by:1});指定_id为0，隐藏_id;
10,条件查询：db.col.find({likes:{$lte|$gte|$lt|$gt:150}})查询likes大于/小于/等于150的记录
        模糊查询：db.col.find({key:/教/})；查询key包含教字的文档；db.col.find.({/^教/})；db.col.find.({/教$/})；分别查询教字开头和结尾的文档
11，按数据类型条件查找：db.col.find({"title":{$type:2|'string'}})；查询title类型为字符串的文档；2是字符串类型在mongdb中的编号；
12，查询中limit()和skip()的用法：db.col.find({},{key1:1,_id:0}).limit(2).skip(1);查找包含key1的两条记录跳过第一条；
13，排序：db.col.find().sort({key:1|-1})；查找所有数据，按key升序排列；-1为降序；
14，创建索引：db.col.createIndex({"key1":1,key2:-1})；创建复合索引：key1升序，key2降序；
15，db.col.getIndexes()：查看集合索引；db.col.totalIndexSize()：查看集合索引大小；db.col.dropIndexs():删除集合所有索引；db.col.dropIndex(“索引名称”):删除指定索引
16，聚合：aggregate:主要用于处理数据（如：统计平均值，求和等），并反回计算后的数据结果类似于count(*)
    db.col.aggregate([{$group:{_id:"$bu_user",num_tutorial:{$sum:1}}}])类似于select by_user count(*) from mycol group by by_user;计算么个作者写的文章数
    $sum|avg|min|max|addToSet|first|last ;db.col.aggregate({$group:{_id:"$by_user",num_tutorial:{$sum:"$likes"}}})
17,mongodb中的聚合管道：
    $project:修改输入文档的结构。可以用来重命名，增加删除域也可以用来创建计算结果以及嵌套文档：可以用来指定筛选哪几个字段。
    $match:用于过滤数据，只输出复合条件的文档。$match使用mongodb的标准查询操作；db.col.aggregate([{$match:{socre:{$gt:70,$lt:90}}},{$group:{_id:null,count:{$sum:1}}}]);
    获取指定范围数据，将符合记录送到下一阶段进行处理
    $limit:用于限制聚合管道中返回的文档数
    $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。
    $group:将集合中的文档分组，可用于统计结果。
    $sort:将输入文档排序后输出
    $geoNear:输出接近某一地理位置的有序文档
18，复制原理：一个主负责处理客户端的请求，其余是从节点，负责复制主节点的数据。主节点记录在其上的所有操作oplog，从节点定期轮询主节点获取这些操作，然后对自己的数据副本执行这些操作
    副本集的特征：n个节点的集群，任何节点可作为主节点，所有写入操作都在主节点上，自动故障转移，自动恢复。
19，分片：在mongodb里存在另一种集群，就是分片技术可以满足数据量大量增长的需求，当mongodb存储海量数据时，一台机器不足以存储数据，也可能不足以提供可接受的读写吞吐量。可通过在多台机器上
分割数据，使得数据库系统存储和处理更多的数据
20，为什么使用分片：复制所有的写入操作到主节点。延迟的敏感数据会在主节点查询。单个副本集限制在12个节点。当请求量巨大时会出现内存不足。本地磁盘不足。垂直扩展价格昂贵。
shard：存储实际的数据块config server：mongod实例，存储了整个clusterMetaData,其中包含chunk信息。Query Routers前端路由，客户端由此接入，让整个集群看上去像单一数据库
21：数据库备份：mongodb -h dbhost -d dbname -o dbdirectory
    -h:数据库所在服务器地址，-d:需要备份的数据库实例。-o: 备份的数据存放的位置。
    数据库的恢复：mongoretore -h <:port> -d dbname
    -h:数据库服务器所在地址及端口号 -d:需要恢复的数据库实例。mongostat:查看状态，mongotop:提供每个集合的水平的统计数据。默认情况下每一秒返回一次
22，mongodb的关系表示多个文档之间在逻辑上的相互联系。可以通过嵌入和引用建立联系。
    user的文档结构： {_id:value,name:value,contac:value,dob:value} ;address的文档结构：{_id:value,building:vlaue,pincode:value,city:los,stat:Califor}
    嵌入关系：把用户地址嵌入到用户文档中： {_id:value,name:value,contac:value,dob:value,address:[{_id:value,building:vlaue,pincode:value,city:los,stat:Califor},{地址2}]}
    引用式关系：引用式关系是经常用到的关系，这种方法把用户数据文档和用户地址数据文档分开，通过引用文档的id字段来建立关系{_id:value,name:value,contac:value,dob:value，address_id:[地址1，地址2]}
    这种方法需要两次查询：var result=db.users.findOne({name:value},address_ids:1);var address=db.address.find(_id,{$in:result[address_ids]})
23,数据库的引用：手动引用，DBRefs
 在不同的集合中存储不同的地址，在调用不同的地址时，也需要指定集合，一个文档从多个集合引用文档，使用DBRefs
 DBRefs：{$ref:,$id,$db:}；$ref:集合名称，$id：引用的id，$db：数据库名称，可选参数；
 24，覆盖索引查询：1，所有的查询字段是索引的一部分，所有的查询返回字段在同一个索引中。由于所有出现在查询中的字段是索引的一部分，因此无需在整个数据文档中检索匹配查询条件和返回使用相同
 索引的查询结果。因为索引存在于RAM中，从索引中获取数据更快。
25，mongodb不支持事务，但是提供了原子操作比如：文档的保存，修改，删除等都是原子操作。
    {$set:{filed：value}}；$set用来指定一个建并更新建值，若不存在则创建。{$unset:{field：1}}用来删除一个健；{$inc:{field:value}};用来对文档的某个值为数字型的健进行增减操作
    {{$push:{field:value}}};把value追加到filed里面去，filed一定是数组类型才行，如果不存在则新增加一个数组类型进去。
    {$pushAll:{field:value_array}};一次追加多个值到数组字段内。{$pull:{field:value}};从field内删除一个等于value的值。$addToSet：增加一个值到数组内，只有这个值不在数组内才增加。
    $pop:删除第一个或最后一个元素。{{$rename:{old_field_name:new_field_name}}}:修改字段名称。{$bit:{field,{and:5}}};位操作，integer类型
26，高级索引：文档中包含子文档和数组；索引数组字段：db.col.ensureIndex({key:1});创建索引后，数组key中的每一个字段都具有了索引。
    索引子文档索引：db.col.ensureIndex({key1：1，key2:1,key3:1})为子文档中的三个字段创建了索引。
    db.col.find({key:vlaue}).explain():查看数组key中value的索引。
27，索引占据内存所以有限制，或不使用。集合中索引不能超过64个，索引名的长度不能超过128个字符，一个复合索引最多可以有31个字段
28，对象id（Objectid）共12个字节：前四个字节表示时间戳，接下来三个字节是机器标识码，紧接的两个字节是由进程id组成，最后三个字节是随机数。
29，Objectid("").getTimestamp():将获得时间戳
30，map_reduce是一种计算模型，将大批量的工作数据分解map执行，然后将结果合并成最终结果（reduce）
    基本语法：db.col.mapReduce(
    function() {emit(key,value);},//map函数
    function(key,vlaues) {return reduceFunction},//reduce函数
    {
    out:collection,
    query：document,
    sort：document,
    limit：number
    }
    )
    使用mapreduce函数要实现两个含map函数和reduce函数。map函数调用emit(key,value),遍历collection中所有的记录，将key与value传递给Reduce函数进行处理。
    map函数必须调用emit(key，value)返回键值对。
参数说明：map：映射函数（生成健值对序列，作为reduce函数参数）。reduce统计函数：将key——values变成key-value即将values数组变成一个单一的value
    out:统计结果存放集合（不指定则使用临时集合，在客户端断开后自动删除）。query一个筛选条件，只有满足条件的文档才会调用map函数（query，limit，sort可以随意组合）
    sort和limit结合的sort结合的sort排序参数（发给map函数前给文档排序），可以优化分组机制。
    limit；发给map啊很好的文档的数量上限。
    在集合orders中查找status："A"的数据，并根据cust_id来分组，并计算amount的总和
实例：db.collection.mapReduce(
        funciton(){emit(this.cust_id,this.amount)};
        function(key,values){return Array.sum(values)},
        {query:{status:"A"},
        out:order_totals
        })
31,创建全文索引：db.posts.ensureIndex({post_test:"test"});对字段post_test建立全文索引，这样可以搜索文章内的内容；
    使用全文索引：db.posts.find({$test:{$search:"runoob"}});db.posts.getIndexs():查找索引名。删除索引名：db.posts.dropIndex(“post_test_test”)
32,支持使用正则表达式查找。
33，界面管理：RockmongoDB
34,GridFS：用于存储和恢复那些超过16M的文件（图片、音频、视频等）它也是文件存储的一种的方式，可以更好的存储大于16M的文件，将大文件对象分割成多个小的chunk片段，每个chunk作为mongodb的一个
文档存储在chunks集合中。GridFs用两个集合来存储一个文件。fs.files和fs.chunks
db.fs.files.find()；查看数据库中的文档；根据文件的_id。获取区块的数据。db.fs.chunks.find(files_id:Objectid(""))