==传统的关系型数据库 (比如 MySQL), 在数据操作的”三高”需求以及对应的 Web 2.0 网站需求面前, 会有”力不从心”的感觉。==所谓的三高需求:

高并发, 高性能, 高可用, 简称三高

• High Performance: 对数据库的高并发读写的要求
• High Storage: 对海量数据的高效率存储和访问的需求
• High Scalability && High Available: 对数据的高扩展性和高可用性的需求

而 MongoDB 可以应对三高需求

具体的应用场景:

• 社交场景：使用 MongoDB 存储存储用户信息, 以及用户发表的朋友圈信息, 通过地理位置索引实现附近的人, 地点等功能.
• 游戏场景：使用 MongoDB 存储游戏用户信息, 用 户的装备, 积分等直接以内嵌文档的形式存储, 方便查询, 高效率存储和访问.
• 物流场景：使用 MongoDB 存储订单信息, 订单状态在运送过程中会不断更新, 以 MongoDB 内嵌数组的形式来存储, 一次查询就能将订单所有的变更读取出来.
• 物联网场景：使用 MongoDB 存储所有接入的智能设备信息, 以及设备汇报的日志信息, 并对这些信息进行多维度的分析.
• 视频直播：使用 MongoDB 存储用户信息, 点赞互动信息等.

这些应用场景中, 数据操作方面的共同点有:

1. 数据量大
2. 写入操作频繁
3. 价值较低的数据, 对事务性要求不高

对于这样的数据, 更适合用 MongoDB 来实现数据存储

那么我们什么时候选择 MongoDB 呢?

除了架构选型上, 除了上述三个特点之外, 还要考虑下面这些问题:

• 应用不需要事务及复杂 JOIN 支持
• 新应用, 需求会变, 数据模型无法确定, 想快速迭代开发
• 应用需要 2000 - 3000 以上的读写QPS（更高也可以）
• 应用需要 TB 甚至 PB 级别数据存储
• 应用发展迅速, 需要能快速水平扩展
• 应用要求存储的数据不丢失
• 应用需要 99.999% 高可用
• 应用需要大量的地理位置查询, 文本查询

如果上述有1个符合, 可以考虑 MongoDB, 2个及以上的符合, 选择 MongoDB 绝不会后悔.

如果用MySQL呢?

相对MySQL, 可以以更低的成本解决问题（包括学习, 开发, 运维等成本）

MongoDB是一个开源, 高性能, 无模式的文档型数据库, 当初的设计就是用于简化开发和方便扩展, 是NoSQL数据库产品中的一种.是最像关系型数据库（MySQL）的非关系型数据库.

它支持的数据结构非常松散, 是一种类似于 JSON 的 格式叫BSON, 所以它既可以存储比较复杂的数据类型, 又相当的灵活.

MongoDB中的记录是一个文档, 它是一个由字段和值对（field:value）组成的数据结构.MongoDB文档类似于JSON对象, 即一个文档认 为就是一个对象.字段的数据类型是字符型, 它的值除了使用基本的一些类型外, 还可以包括其他文档, 普通数组和文档数组.

MongoDB 数据模型是面向文档的, 所谓文档就是一种类似于 JSON 的结构, 简单理解 MongoDB 这个数据库中存在的是各种各样的 JSON（BSON）

• 数据库 (database)
  • 数据库是一个仓库, 存储集合 (collection)
• 集合 (collection)
  • 类似于数组, 在集合中存放文档
• 文档 (document)
  • 文档型数据库的最小单位, 通常情况, 我们存储和操作的内容都是文档

在 MongoDB 中, 数据库和集合都不需要手动创建, 当我们创建文档时, 如果文档所在的集合或者数据库不存在, 则会自动创建数据库或者集合

MongoDB 提供高性能的数据持久化

• 嵌入式数据模型的支持减少了数据库系统上的 I/O 活动
• 索引支持更快的查询, 并且可以包含来自嵌入式文档和数组的键 (文本索引解决搜索的需求, TTL 索引解决历史数据自动过期的需求, 地理位置索引可以用于构件各种 O2O 应用)
• mmapv1, wiredtiger, mongorocks (rocksdb) in-memory 等多引擎支持满足各种场景需求
• Gridfs 解决文件存储需求

MongoDB 的复制工具称作副本集 (replica set) 可以提供自动故障转移和数据冗余

水平扩展是其核心功能一部分，分片将数据分布在一组集群的机器上 (海量数据存储, 服务能力水平扩展)

MongoDB 支持基于片键创建数据区域, 在一个平衡的集群当中, MongoDB 将一个区域所覆盖的读写只定向到该区域的那些片

MongoDB支持丰富的查询语言, 支持读和写操作(CRUD), 比如数据聚合, 文本搜索和地理空间查询等.

无模式（动态模式）, 灵活的文档模型

1. mongoDb采用内存加磁盘的方式存储数据；
2. mongoDb支持数据分片，当单一的服务器中磁盘不够用的时候，还可以串联其他服务器；
3. 客户端的请求到达内存时，先在日志中记录下操作记录，然后再去操作内存；
4. 内存中的日志每10ms向磁盘中的日志进行同步一次，数据则每分钟同步一次；
5. 客户端先去内存中查询数据，内存中没有再去查询磁盘；
6. 当客户端写入的时候，会先写入到内存中，内存中写入后请求直接返回，内存中的数据会根据同步策略同步到磁盘；
7. 如果机器宕机，在重启服务的时候会解析磁盘中的日志和磁盘中的数据进行对比，将未入到磁盘中的数据写入磁盘，但可能会丢失10ms的数据；

注意：MongoDB 默认直接连接，无须身份验证，如果当前机器可以公网访问，且不注意Mongodb 端口（默认 27017）的开放状态，那么Mongodb就会产生安全风险

1. 拉取镜像

docker pull mongo:latest

2. 创建mongo数据持久化目录

mkdir -p /mydata/mongodb/data

3. 运行容器

docker run -it -d --name mongo -v /mydata/mongodb/data:/data/db -p 27017:27017 mongo:latest --auth

1. -v: 将宿主机的/docker_volume/mongodb/data映射到容器的/data/db目录，将数据持久化到宿主机，以防止删除容器后，容器内的数据丢失
2. –auth：需要密码才能访问容器服务

4. 登录mongo容器，并进入到【admin】数据库

docker exec -it mongo mongo admin
# MongoDB 6.0 及以上版本使用以下命令
docker exec -it mongo mongosh admin

5. 创建一个用户，mongo 默认没有用户

db.createUser({ user:'root',pwd:'123456',roles:[ { role:'userAdminAnyDatabase', db: 'admin'},'readWriteAnyDatabase']});

【user:‘root’ 】：设置用户名为root

【pwd:‘123456’】：设置密码为123456

【role:‘userAdminAnyDatabase’】：只在admin数据库中可用，赋予用户所有数据库的userAdmin权限

【db: ‘admin’】：可操作的数据库

【‘readWriteAnyDatabase’】：赋予用户读写权限

6. 使用命令连接数据库

db.auth('root', '123456')

7. 测试插入数据

 db.user.insert({"name":"zhangsan","age":18})

8. 查询刚才插入的语句

 db.user.find()

9. navicat连接测试

mongodb默认保留的数据库

• admin: 从权限角度考虑, 这是 root 数据库, 如果将一个用户添加到这个数据库, 这个用户自动继承所有数据库的权限, 一些特定的服务器端命令也只能从这个数据库运行, 比如列出所有的数据库或者关闭服务器
• local: 数据永远不会被复制, 可以用来存储限于本地的单台服务器的集合 (部署集群, 分片等)
• config: Mongo 用于分片设置时, config 数据库在内部使用, 用来保存分片的相关信息

1. 选择和创建数据库的语法格式：

use 数据库名称

如果数据库不存在则自动创建，例如，以下语句创建 articledb数据库：

use articledb

show dbs
或
show databases

​ 注意: 在 MongoDB 中，集合只有在内容插入后才会创建! 就是说，创建集合(数据表)后要再插入一个文档(记录)，集合才会真正创建。

3. 查看当前正在使用的数据库命令

db

• MongoDB 删除数据库的语法格式如下：

db.dropDatabase()
或
db.数据库名.drop()

# 查看集合
show collections
# 创建集合
db.createCollection("user_collection")
# 删除集合
db.user_collection.drop()

创建集合语法扩展
db.createCollection(name,options)
适用场景: 生产者消费者. 日志覆写

/*插入一条数据*/
db.user.insertOne({"name":"张三","age":"21"})
/*插入多条数据*/
db.book.insertMany([{"bookName":"哈利波特"},
    {"bookName":"风"}])

/*执行js脚本*/
load("book.js")

语法格式: db.collection.find(query,projection)

• query 可选,使用查询操作符指定查询条件
• projection 可选,使用投影操作符指定返回的键。查询时返回文档中所有键值，只需省略该参数即可（默认省略)。投影时，id为1的时候，其他字段必须是1;id是0的时候，其他字段可以是0;如果没有_id字段约束,多个其他字段必须同为0或同为1。

条件查询

/*插入一条数据*/
db.user.insertOne({"name":"张三","age":"21"})
/*插入多条数据*/
db.book.insertMany([
    {"bookName":"哈利波特","id":"1","type":"魔法"},
    {"bookName":"风","id":"2","type":"魔法"},
    {"bookName":"爱","id":"3","type":"爱情"}])
/*查询数据*/
db.user.find()
db.book.find()
db.user.find({"age":"21"})
db.book.find({"type":"魔法"})
db.book.findOne({"type":"魔法"})
// 上面定义的是字符串类型,不能用数值. 查找包含id 1 2 3 的  
db.book.find({"id":{$in:["1","2","3"]}})
// 上面定义的是字符串类型,不能用数值. 查找id小于等于2的  
db.book.find({"id":{$lte:"2"}})
// 根据id降序 
db.book.find().sort({"id": -1})
// 正则表达式查询 
db.book.find({"type":{$regex:"魔"}})
// 分页查询 skip跳过的数据条数  limit限制返回条数
db.book.find().skip((currentPage-1)*size).limit(size)

语法格式: db.collection.update(query,update,options)

• query:描述更新的查询条件
• update:描述更新的动作及新的内容;
• options:描述更新的选项
  • upsert:可选，如果不存在update的记录，是否插入新的记录。默认false，不插入
  • multi:可选，是否按条件查询出的多条记录全部更新。默认false,只更新找到的第
    条记录
  • writeConcern :可选，决定一个写操作落到多少个节点上才算成功。

/*插入多条数据*/
db.book.insertMany([
    {"bookName":"哈利波特","id":1,"type":"魔法","number":100},
    {"bookName":"风","id":2,"type":"魔法","number":1024},
    {"bookName":"爱","id":3,"type":"爱情","number":100}])
// 找到id为1的数据.让number属性自增1   第一个参数为查询条件,第二个参数为修改内容
db.book.updateOne({"id":1},{$inc:{"number":1}})
db.book.find({"id":1})
// 更新一条新值
db.book.updateOne({"id":2},{$set:{"bookName":"西游记"}})
db.book.find({"id":2})

repalace全文档替换.一条数据全部被覆盖

默认情况下，findAndModify会返回修改前的“旧”数据。如果希望返回修改后的数据，则可以指定new选
项

修改嵌套数据：

db.students.updateOne({
    "name": "李慧英"
}, {
    $set: {
        "score.english": 88
    }
})

修改数据数据

//将张力的书架上的第二本书修改为“C#”
db.students.updateOne({
    "name": "张力"
}, {
    $set: {
        "books.1": "C#"
    }
})

• remove 命令需要配合查询条件使用；
• 匹配查询条件的文档会被删除；
• 指定一个空文档条件会删除所有文档；
• 推荐db.book.deleteOne(),db.book.deleteMany()

db.book.deleteOne({"id":2})
db.book.deleteMany({"type":"魔法"})
db.book.deleteMany({"id":{$lt:2}}) // 删除id小于2的
db.book.deleteMany({}) // 删除所有行记录
db.book.deleteMany() //报错

#检索books集合中所有文档的计数 
# db.collection.estimatedDocumentCount() 不使用查询过滤器，而是使用元数据返回集合的计数。
db.books.estimatedDocumentCount()
#计算与查询匹配的所有文档
#它执行文档的聚合以返回准确的计数，即使在异常关闭后或分片群集中存在孤立的文档之后也是如此。
db.books.countDocumentCount({favCount:{$gt:50}})
#返回不同type的数组
db.books.distinct("type")
#返回收藏数大于90的文档不同type的数组
db.books.distinct("type",{favCount:{$gt:90}})

1. 引入pom依赖

<!--spring data mongodb-->
<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-data-mongodb</artifactId>
</dependency>

spring:
	data:
		mongodb:
			database: test
			host: localhost
			port: 27017
			username: admin
			password: 123456
			authentication-database: admin
			#uri等同于下面的配置
			uri: mongodb://admin:123456@localhost:27017/test?authSource=admin

使用时注入mongoTemplate