怎么进行MONGODB 查询

本文介绍了如何查询MONGODB。内容非常详细。感兴趣的朋友可以参考一下，希望对大家有所帮助。

习惯于SQL语句的开发人员在使用MONGODB时可能会误解这个数据库。纠正三点。

1虽然MONGODB存储JOSN字符串，但它不能像您想要的那样存储。虽然在用于处理数据的SCHEMA方面，它比传统数据库开放得多，但如果您真的开始开发，MongoDB数据库的属性也将让您回到原来的形式。

虽然MONGODB的查询语句不如传统的SQL语句好，但是可以做很多判断和转换(刚更新的时候，MONGODB语句在查询语句中可以有IF THEN，这是逆天的)。但是由于数据库的性质，编写MongoDB的查询语句需要一定的技巧，否则可以等到查询中天都黑了，这并不是怪MongoDB，而是怪你没有理解她的原则和秉性。

MONGO DB的使用也是标准化的，并不是说程序员可以为所欲为。世界上的一切都有自己的规则和属性，所以MongoDB的使用自然是标准化的。

让我们从以上三个方面来熟悉一下不知道怎么用的MONGODB家长。

第一，MONGODB没有数据库模式。我可以随心所欲地保存每个收藏的文档。我可以在上一张单据中保存我的一笔贷款的记录，也可以在下一张单据中保存还款的默认记录。

如果你问我，你能做到吗？从MONGODB的原理来说，你可以，当然可以，但是我想问，你忘了MONGODB的数据库属性了吗？她不是记事本，而是供你插入的数据，可能比传统数据库多几十倍。最终，你必须从数千万和数十亿条数据中过滤出几十条你想要的数据。你认为什么在你之上，每个DOCUMENT？

MONGODB的集合具有表的含义。虽然一个MONGODB的集合可以让你的SCHEMA没有规则，但是你心里应该有一个分数。这个系列应该有什么？他们由documentS组成的集合在我未来的数据处理中将扮演什么角色？

在这里，我们将讨论为什么会有像MONGODB这样的数据库，还将讨论大量的数据和微服务，以及敏捷开发。想象一下，如果你有一个项目，你不知道它有多少字段，明年会增加和删除多少字段，你也不知道这些字段的名字。此外，您将在当前状态下开始调试项目，并很快上线。感觉如何？你想一下子脱口而出f开头的英语单词吗？

STOP，MONGO DB可以帮助你快速响应和处理这样的项目，但这并不意味着MONGODB是一个垃圾场，是这类项目的捎带。正是这个无厘头的项目和不确定的表设计让MONGODB脱颖而出。(什么，没有这样的项目，你确定？)

另外，如果你有这样一套MONGODB来帮助你沟通，集中，让微服务中多个组件的信息透明化，那就是另外一种使用方式，因为在微服务中，信息的传递和信息的丢失已经让你感到不舒服了，MONGODB就是你的管家。保存所有这些信息后，您可以方便地用MONGODB的句子进行查询。而不是在文件日志中搜索，而且速度相当快，速度为us纳秒，数据量以十亿计。当然，这一切都集中在你能理解她的结构和用法这一事实上。甚至可以使用MONGODB作为BI的基础数据库，以套件的形式输出混乱复杂的信息。(MONGO支持BI自带套件)

如果说英语是世界通用的说法，那么JOSN就是计算机程序中信息传递的通用说法。各种消息都可以通过通用的JOSN格式把你的数据从一个微服务世界传递到另一个世界，不管是WINDOWS系统还是LINUX系统，JAVA还是。NET CORE或PYTHON、GO等。因为只要遇到以JOSN格式存储的数据，计算机行业就可以用任何方式处理它。

而且MONGO DB有强大的处理JOSN格式数据的能力，所以你可以用各种MONGO DB语法把JOSN层的嵌套和数组撕掉，把你想要的呈现在眼前。

停，那太远了。

下面我们来说说如何利用MONGO DB的语句来查询自己想要的信息，并通过索引来实现。所以我们就讲两个问题，1查询方法，2建索引技巧(MONGODB的查询也是广泛而深刻的，索引比较丰富多彩，能力有限，大家可以尽量多讲)。

1查询数据时，请注意没有事务，即MONGODB中没有多表关联这种东西，你的注意力只需要定位在你要查询的一个表上。

注意：MONGODB更新很快。网上找到的一些句子已经过时或者不能再用了。对应的句子请查看你对应的版本。以下陈述已被MONGODB 3.6作为标准。

举一个简单的例子，下面我们有下面27亿的数据在另一个集合下面(数据量比较小，以后再说吧)。

我们希望通过两个属性找到匹配的数据：filesource和filetype。

，那我们有以下的一条查询语句可以做这件事。

db.dbmongolog2.find({"filesource":0,"filetype":"1"}) 

通过上面这条语句，数据很快就查出来了，（画外音：这么简单），当然不是，难度的一点点的来，饭的一口口的吃。

那么问题来了，我们查询MONGO DB 中的数据，如果仅仅只需要显示部分数据，而不需要全部将所有的数据显示，是否可以节省查询的时间。

YES 是的，和传统数据库的查询一样，你要展示那些数据就标识出，你要看那些，你不看的，一定不要让他SHOW出来。

这就是 MONGODB 查询规则 1 

用那个字段，就显示那个字段，不用的别展示。 具体语句怎么写

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0})

db.dbmongolog2.find({"filesource":0,"filetype":"1"})

那这样写的语句，在执行效率上有什么差别，这里做了比较，效率提高10%，由原来的0.020 秒，变为0.018秒，当然如果数据量再大，过滤的字段的大小在大，则速度会更快，这点可以说和传统数据库没有差别。

所以开发的DEVELOPER们，使用MONGODB ，一样不要把你不要的字段SHOW   出来，要禁止他。语法就是在后面加 {} 然后将字段名字后面 冒号加0 。

当然开发说，你这个不科学，MONGODB 每个DOCUEMNT （行），都不一样的情况下，我这样怎么干。

好干：那就只显示你要的字段不就完了

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":1})

、

你只需要，将标识0的地方，标识为 1 即可，另外从截图也看出了，执行的时间，已经到了 0.08秒，快了 百分之60%。 所以这个规矩，你们是要知道的。

那我们继续，加大难度，现在我们认为，查询的时间还是过长，你（我一直宣称MONGODB 的查询速度可以达到 纳秒），那我们就来看看，MONGODB 查询继续加速。

索引，MONGODB 和传统数据库一样，是有索引的，而且索引的种类更多。

针对上面的查询，我们怎么来搞一下。

1 其实我们还是要知

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0})

这个语句其实是在走全表扫描，这样是不OK 的，我们需要建立索引

（当然在建立索引前我们是应该，进行分析，索引建立的是否能更有效，索引建立的值得不值得，今天时间比较紧，暂不讨论，当然我们一般还是要建立采样率的分析），其实这个采样率来看，添加索引并不理想。但这里我们仅仅是演示，来建立一个索引。

db.dbmongolog2.createIndex({filesource:1,filetype:1},{name:"idx_dbmongolog2_filesource_filetype",background:true})

可以通过执行计划来验证，当前的查询已经可以走刚刚建立的索引了

但是别高兴的太早，如果把查询语句改写为

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0}).sort({_id:1})

马上在看执行计划，已经不再走刚建好的索引了，走了OBJECT_ID 主键，当然执行的效率比全表扫描的效率还差。 这里我们到底做了什么，让MONGODB 不再走我们刚刚建立好的索引，答案就是 sort({_id:1})

所以一般查询语句，如果不需要排序，就不要使用排序，否则很可能你刚刚辛苦建立好的索引，就不在生效了。但如果必须要进行排序怎么办。

在重新建立了索引后，我们的查询速度又和飞一样了，看下图

db.dbmongolog2.createIndex({filesource:1,filetype:1,_id:-1},{name:"idx_dbmongolog2_filesource_filetype_id",background:true})

上面的建立索引的语句，请注意每个字段的后面的数字， 1是升序，-1是降序，尤其排序，如果经常降序，则就别把索引建立成升序。

讲完简单的查询和索引的建立，其实一个MONGODB 数据库的系统能顺畅建立，主要还要考虑你的collection，当然如果你仅仅将MONGODB 作为日志的系统，你可以考虑的更少。

但实际上，MONGODB 的collection 的确是可以做很多事，例如他可以轻松将传统数据库上的几个负载的 JOIN 操作，在一个collection就完成了，通过嵌套，将这些JOIN 就体现在一个 collection上，所以查询的速度会很快，是传统数据库望尘莫及的。缺点吗， 可能会损失空间，是一种用空间，换时间的方式。（MONGODB 的数据会自动压缩，进入就压缩，所以非要找点缺点，也的说点）。

下面在对表的查询和索引，在进一步，既然是晋级，

1  索引的建立技巧，我们继续看下面的查询语句，我们查询一个时间在2018年12月18日后的记录，并且filetype字段，是

db.dbmongolog2.find({"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")},"filetype":1}

很明显查询已经走了全表扫描，不是建立了索引，为什么不可以了，我们换一种写法

db.dbmongolog2.find({"filetype":1,"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")}},{"_id":1}).explain()

换一种写法，查看执行计划，还是不可以，还是全表扫描

这里总结一个MONGODB 的建立索引的规律

索引建立有技巧，可以先算采样率，分布离散字段放前边，符合字段索引，必查字段放前边，一个查询可以多个字段，多个索引，可以使用索引的交集（MYSQL中的INDEX MERGE的概念有点像），如何使用还要看优化引擎的选择。但如果一个复合索引能解决的，最好不要使用

Index Intersection。

所以一个MONGODB 看上去就是一个文档数据库，整体执行文件才百兆，但里面的东西，不比 ORACLE  SQL SERVER 的知识少，也够喝一壶。

另外小小的MONGODB ，也可以做聚合，类似传统数据库的 GROUP BY  HAVING  SUM ,AVAGE 等运算，所以这个MONGODB 绝非善类，4.0开始支持事务，所以NO-SQL 数据库，哪天发力也不光抢光非关系的市场，连你关系型的市场，也要分一杯羹。

MONGODB的聚合操作

db.dbmongolog2.aggregate([{"$match":{"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")}}},{$group:{_id:{filetype:"$filetype",filesource:"$filesource"},"count":{"$sum":1}}}]).explain()

关于怎么进行MONGODB 查询就分享到这里了，希望