怎么進行MONGODB 查詢

這篇文章給大家介紹怎么進行MONGODB 查詢，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

慣了SQL 語句的開發人員，在使用MONGODB 的時候，很可能會誤會這個數據庫。 糾正三點

1 MONGODB 雖然是存儲 JOSN 串，但不是你想怎樣存就可以怎樣存，雖然已經比傳統數據庫在處理數據的SCHEMA 上開放的多，但如果你真的開打發了，那MONGODB 數據庫的歸屬性質，也的把你打回原形。

2 MONGODB 的查詢語句雖然不如傳統SQL語句，可以進行那么多的判斷（剛剛更新，MONGO語句可以有IF THEN 在查詢語句中，逆天了），轉換，但數據庫的本性使然，撰寫MONGODB 的查詢語句，也是要有點技巧，否則查詢中可以讓你等到天昏地暗，這不怪MONGODB ，這就要怪你不懂她的原理和秉性。

3 MONGODB 的使用也是有規范的，不是程序員想怎樣就怎樣，世間任何東西都有他的規律和屬性，所以使用MONGO DB 自然也是要有規范的。

以下就從上面三個方面來讓不清楚如何使用的MONGODB 的親們，來熟悉一下。

ONE ， MONGODB 沒有數據庫SCHEMA，每個collection 的document 我想怎么存就怎么存，上一個docuemnt 我可以存我的某個貸款的記錄，下一個Document 我就可以存 還款的違約記錄。 

如果你問我，可以這樣做嗎，從MONGODB 的原理上，你可以，你當然可以，可我想問，MONGODB 的數據庫屬性，你是不是忘記了，她不是記事本，她是一個要供你插入可能比傳統數據庫多幾十倍的數據，并且最終你要從這幾千萬，幾十億條的數據量里面過濾出你要幾十條數據，你覺得你上面如此，每個DOCUMENT 毫無聯系的存儲方法，對你的系統有何幫助，不如你就用文本文件吧，那個更適合你。

MONGODB 的COLLECTION （表），是有表的含義的，一個MONGODB的表（collection）雖然可以讓你的SCHEMA 沒有任何的規律，但你心里要有譜，這個collection 應該有什么，他們這些由documentS 組成的 collection 對我未來的數據處理要起到什么樣的作用。

這里就的談談，為什么有MONGODB 這樣的數據庫了，還的說，大數據量和微服務，以及敏捷開發。 試想如果你有一個項目，你不知道他有多少個字段，未來一年內要有多少字段的添加，和刪減，并且你不知道這些字段命名，而且馬上就要開始在目前的狀態下，調試你的項目，并上線，你感覺如何， F打頭的英文單詞是不是想馬上脫口而出。 

STOP，MONGODB 可以幫助你快速的響應和處理這樣的項目，但這不意味著MONGO DB 是這樣項目的 垃圾場和背鍋俠。  就是這樣無厘頭的項目和不能確定的表設計，讓MONGODB 凸顯而出。 （什么，沒有這樣的項目，你確定？）

另外微服務中的信息匯聚，如果你有這樣一套MONGODB 幫助你將微服務中的多個組件的信息交流，集中化，透明化，這也不失為另一種使用的另辟蹊徑，因為微服務中，信息傳遞和信息丟失，已經讓你感到不爽，而MONGODB，算是一個你的管家，將這些信息都保存后，方便你用MONGODB 的語句進行查詢，而不是在文件日志中，查來查去，并且速度那是相當快，us納秒的速度，億萬級的數據量，當然這一切是集中在你能理解她的結構和使用方式，甚至你已經可以將MONGODB 作為BI 的基礎數據庫，將及亂又復雜的信息，通過套件的方式輸出。（MONGO 支持BI自有套件）

如果英語是世界的通行的語句，JOSN 就是計算機程序中，消息傳遞的世界通用語句，各種消息可以通過通用的JOSN 格式，將你的數據從一個微服務的世界，傳遞到另一個世界，而不用在去理會是 WINDOWS系統，還是LINUX 系統，是JAVA 還是 .NET CORE 或者 PYTHON, GO 之類的，因為你只要符合JOSN 的格式存儲的數據，計算機界的處理方式都可以，因為他是世界語。

而MONGO DB 具有強大的 處理JOSN 格式數據的能力，你可以利用各種MONGO DB 的語法，將JOSN 層層嵌套和數組都扒個精光，將你要的呈現在你的眼前。

STOP ， 又扯遠了。

下面的說說使用 MONGO DB 的語句如何查詢出你要的信息，并且通過索引的方式來進行。 所以下面要談兩個問題， 1  查詢的方式  2 索引的建立技巧（MONGODB 的查詢也是博大精深，索引更是豐富多彩，能力有限，能講多少就多少）

1  查詢數據中，請注意，沒有事務性，也就是沒有多表關聯這樣的事情出現在MONGODB 中，你的注意力，只需要定位到你要查的 一張表上。

注：MONGODB 更新很快，有些在網上查到的語句，已經過時或不在能使用，對應的語句請查看你對應的版本。以下語句，均已 MONGODB 3.6 作為標準。

舉個簡單的例子，我們下面又一個 collection 下面有如下數據 2700百萬（數據量比較少，湊后吧）

我們想通過filesource 和  filetype 兩個屬性，來查找匹配的數據，那我們有以下的一條查詢語句可以做這件事。

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

通過上面這條語句，數據很快就查出來了，（畫外音：這么簡單），當然不是，難度的一點點的來，飯的一口口的吃。

那么問題來了，我們查詢MONGO DB 中的數據，如果僅僅只需要顯示部分數據，而不需要全部將所有的數據顯示，是否可以節省查詢的時間。

YES 是的，和傳統數據庫的查詢一樣，你要展示那些數據就標識出，你要看那些，你不看的，一定不要讓他SHOW出來。

這就是 MONGODB 查詢規則 1 

用那個字段，就顯示那個字段，不用的別展示。 具體語句怎么寫

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

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

那這樣寫的語句，在執行效率上有什么差別，這里做了比較，效率提高10%，由原來的0.020 秒，變為0.018秒，當然如果數據量再大，過濾的字段的大小在大，則速度會更快，這點可以說和傳統數據庫沒有差別。

所以開發的DEVELOPER們，使用MONGODB ，一樣不要把你不要的字段SHOW   出來，要禁止他。語法就是在后面加 {} 然后將字段名字后面 冒號加0 。

當然開發說，你這個不科學，MONGODB 每個DOCUEMNT （行），都不一樣的情況下，我這樣怎么干。

好干：那就只顯示你要的字段不就完了

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

、

你只需要，將標識0的地方，標識為 1 即可，另外從截圖也看出了，執行的時間，已經到了 0.08秒，快了 百分之60%。 所以這個規矩，你們是要知道的。

那我們繼續，加大難度，現在我們認為，查詢的時間還是過長，你（我一直宣稱MONGODB 的查詢速度可以達到 納秒），那我們就來看看，MONGODB 查詢繼續加速。

索引，MONGODB 和傳統數據庫一樣，是有索引的，而且索引的種類更多。

針對上面的查詢，我們怎么來搞一下。

1 其實我們還是要知

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

這個語句其實是在走全表掃描，這樣是不OK 的，我們需要建立索引

（當然在建立索引前我們是應該，進行分析，索引建立的是否能更有效，索引建立的值得不值得，今天時間比較緊，暫不討論，當然我們一般還是要建立采樣率的分析），其實這個采樣率來看，添加索引并不理想。但這里我們僅僅是演示，來建立一個索引。

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

可以通過執行計劃來驗證，當前的查詢已經可以走剛剛建立的索引了

但是別高興的太早，如果把查詢語句改寫為

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

馬上在看執行計劃，已經不再走剛建好的索引了，走了OBJECT_ID 主鍵，當然執行的效率比全表掃描的效率還差。 這里我們到底做了什么，讓MONGODB 不再走我們剛剛建立好的索引，答案就是 sort({_id:1})

所以一般查詢語句，如果不需要排序，就不要使用排序，否則很可能你剛剛辛苦建立好的索引，就不在生效了。但如果必須要進行排序怎么辦。

在重新建立了索引后，我們的查詢速度又和飛一樣了，看下圖

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

上面的建立索引的語句，請注意每個字段的后面的數字， 1是升序，-1是降序，尤其排序，如果經常降序，則就別把索引建立成升序。

講完簡單的查詢和索引的建立，其實一個MONGODB 數據庫的系統能順暢建立，主要還要考慮你的collection，當然如果你僅僅將MONGODB 作為日志的系統，你可以考慮的更少。

但實際上，MONGODB 的collection 的確是可以做很多事，例如他可以輕松將傳統數據庫上的幾個負載的 JOIN 操作，在一個collection就完成了，通過嵌套，將這些JOIN 就體現在一個 collection上，所以查詢的速度會很快，是傳統數據庫望塵莫及的。缺點嗎， 可能會損失空間，是一種用空間，換時間的方式。（MONGODB 的數據會自動壓縮，進入就壓縮，所以非要找點缺點，也的說點）。

下面在對表的查詢和索引，在進一步，既然是晉級，

1  索引的建立技巧，我們繼續看下面的查詢語句，我們查詢一個時間在2018年12月18日后的記錄，并且filetype字段，是

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

很明顯查詢已經走了全表掃描，不是建立了索引，為什么不可以了，我們換一種寫法

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

換一種寫法，查看執行計劃，還是不可以，還是全表掃描

這里總結一個MONGODB 的建立索引的規律

索引建立有技巧，可以先算采樣率，分布離散字段放前邊，符合字段索引，必查字段放前邊，一個查詢可以多個字段，多個索引，可以使用索引的交集（MYSQL中的INDEX MERGE的概念有點像），如何使用還要看優化引擎的選擇。但如果一個復合索引能解決的，最好不要使用

Index Intersection。

所以一個MONGODB 看上去就是一個文檔數據庫，整體執行文件才百兆，但里面的東西，不比 ORACLE  SQL SERVER 的知識少，也夠喝一壺。

另外小小的MONGODB ，也可以做聚合，類似傳統數據庫的 GROUP BY  HAVING  SUM ,AVAGE 等運算，所以這個MONGODB 絕非善類，4.0開始支持事務，所以NO-SQL 數據庫，哪天發力也不光搶光非關系的市場，連你關系型的市場，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()

關于怎么進行MONGODB 查詢就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。