MongoDB 简介

MongoDB 是一种高性能、开源的 NoSQL 数据库，以其灵活的文档模型和强大的扩展性而闻名。

1.MongoDB 是什么

MongoDB 是一种 NoSQL 数据库，采用 文档模型 存储数据，支持灵活的 JSON 格式文档。它无需预定义表结构，能够动态调整数据结构，适合处理复杂、多变的数据类型。

1.1 MongoDB 的特点

灵活的文档模型：数据以 JSON 格式的文档存储，字段可以动态变化。
高性能：支持水平扩展，适合处理大规模数据集。
丰富的查询语言：提供强大的查询功能，支持聚合框架。
高可用性：通过副本集和分片实现高可用性和负载均衡。

1.2 MongoDB 的应用场景

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

对数据库的高并发读写的要求
对海量数据的高效率存储和访问的需求
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:

数据量大
写入操作频繁
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）

来源：了解非关系型数据库 NoSQL - MongoDB | 安装使用以及 CRUD 操作 - Zhenye's Blog

1.3 MongoDB 与其他数据库的区别

MongoDB 与传统的关系型数据库（如 MySQL、PostgreSQL）在多个方面存在显著区别：

数据模型

MongoDB：文档模型，数据以 JSON 格式存储，支持动态字段。
关系型数据库：表模型，数据存储在固定的表结构中，字段类型和数量固定。

存储方式

MongoDB：支持水平扩展（Sharding），适合处理海量数据。
关系型数据库：主要通过垂直扩展（增加硬件资源）提升性能。

查询语言

MongoDB：使用 JSON 格式的查询语言，支持动态查询。
关系型数据库：使用 SQL（结构化查询语言），语法严格。

事务支持

MongoDB：4.0+ 支持多文档事务，但性能不如关系型数据库。
关系型数据库：强事务支持，适用于对数据一致性要求极高的场景。

性能与扩展性

MongoDB：通过分片和副本集实现高可用性和水平扩展。
关系型数据库：扩展性有限，适合处理事务密集型应用。

MongoDB 的增删改查等基本语法

MongoDB 提供了丰富的操作语法，用于数据的增删改查。

在shell中或者使用 springboot 都能很方便的进行增删改查。

聚合操作

db.users.aggregate([{"$project" :  {username:"$name"}}])  投影操作  只显示 id 和 name 
db.users.aggregate([{"$project" :  {username:"$name",_id:0}}])  不显示 id
db.users.aggregate([{"$project" :  {username:"$name",_id:0, age:1}}])   显示 agedb.users.aggregate([{"$match" :  {age:30}}])    匹配db.users.aggregate([{"$match" :  {age:30}}, {"$count" : "age30_count"}])    匹配计数db.users.aggregate([{"$group" :  {_id:null, count: {$sum:1}, avg: {$avg: "$age"}}}, ])    
分组聚合查询
{_id: null,count: 100,avg: 33.18
}

索引操作（B+树）

MongoDB 使用 B+tree 数据结构存储索引，支持快速查找和排序。


创建索引
db.users.createIndex({ age: 1 });
age_1
db.users.createIndex({ age: -1 });
age_-1查询索引db.users.getIndexes();{ v: 2, key: { _id: 1 }, name: '_id_' },{ v: 2, key: { age: 1 }, name: 'age_1' },{ v: 2, key: { age: -1 }, name: 'age_-1' },{ v: 2, key: { age: 1, name: -1 }, name: 'age_1_name_-1' }
]使用索引  分析计划
db.users.find({ age: 25 }).explain("executionStats");
winningPlan: {stage: 'FETCH',inputStage: {stage: 'IXSCAN',keyPattern: {age: 1},indexName: 'age_1',isMultiKey: false,multiKeyPaths: {age: []},isUnique: false,isSparse: false,isPartial: false,indexVersion: 2,direction: 'forward',indexBounds: {age: ['[25, 25]']}}},