详谈MongoDB的那些事

在这里插入图片描述

概念区分

什么是关系型数据库

关系型数据库（Relational Database）是一种基于关系模型的数据库管理系统（DBMS）。在关系型数据库中，数据以表格的形式存储，表格由行和列组成，行表示数据记录，列表示数据字段。每个表格都有一个唯一的标识符，称为主键，用于唯一标识表中的每一行。

关系型数据库的核心概念包括：

  1. 表格（Table）：数据以表格的形式组织，每个表格具有名称和一组定义了数据类型的列。表格表示实体（如人、物、事件等）以及实体之间的关系。

  2. 行（Row）：表格中的每一行代表一个数据记录，包含了不同字段的数据值。

  3. 列（Column）：表格中的每一列代表一个数据字段，定义了数据的类型和格式。

  4. 主键（Primary Key）：每个表格都有一个主键，用于唯一标识表中的每一行。主键确保数据的唯一性和完整性。

  5. 外键（Foreign Key）：外键用于在不同表格之间建立关联，表示表格之间的关系。外键通常引用其他表格的主键。

  6. SQL（Structured Query Language）：关系型数据库使用SQL来进行数据查询、插入、更新和删除操作。SQL是一种标准化的查询语言，用于与关系型数据库交互。

关系型数据库的一些常见示例包括：

  • MySQL
  • PostgreSQL
  • Oracle Database
  • Microsoft SQL Server
  • SQLite

关系型数据库以其结构化的数据模型和广泛的应用领域而闻名。它们适用于需要复杂数据关系和丰富查询的应用，如企业应用、金融系统、人力资源管理等。然而，随着数据的不断增长和应用场景的多样化，出现了许多其他类型的数据库，如NoSQL数据库，用于处理非结构化和半结构化数据，而且本文讲到的MongoDB就属于非关系型数据库，也是改文章的主角。

什么是非关系型数据库

非关系型数据库（NoSQL，Not Only SQL）是一类数据库管理系统（DBMS），与传统的关系型数据库相比，它们采用不同的数据模型和存储机制。非关系型数据库适用于处理大规模、高度分布式、非结构化或半结构化数据，以及需要更高的可扩展性和灵活性的应用场景。

非关系型数据库的主要特点包括：

  1. 数据模型多样性：非关系型数据库支持多种数据模型，例如键值对、文档、列族、图形等，以适应不同类型的数据。

  2. 分布式架构：许多非关系型数据库具有分布式架构，可以水平扩展，将数据分布在多台服务器上，以实现高可用性和更好的性能。

  3. 灵活的模式：非关系型数据库通常不需要严格的表结构定义，允许在数据存储过程中动态添加、修改字段，从而适应数据模式的变化。

  4. 高可扩展性：由于其分布式性质，非关系型数据库能够轻松地扩展以处理大量数据和高并发请求。

  5. 适应大数据：非关系型数据库通常用于存储和处理大规模的数据，如社交媒体数据、日志文件、传感器数据等。

常见的非关系型数据库类型包括：

  1. 键值存储（Key-Value Stores）：数据以键值对的形式存储，适用于高速读写操作，如Redis、Amazon DynamoDB。

  2. 文档数据库（Document Stores）：数据以类似JSON或XML格式的文档存储，适用于半结构化数据，如MongoDB、Couchbase。

  3. 列族数据库（Column Family Stores）：数据以列族的形式存储，适用于大规模分布式数据，如Apache Cassandra、HBase。

  4. 图形数据库（Graph Databases）：用于存储和查询图形数据，适用于复杂的数据关系，如Neo4j、Amazon Neptune。

  5. 时间序列数据库（Time Series Databases）：专门用于存储时间序列数据，如传感器数据、日志数据等，如InfluxDB、OpenTSDB。

  6. 搜索引擎（Search Engines）：用于全文搜索和数据分析，如Elasticsearch、Solr。

非关系型数据库在现代应用开发中变得越来越重要，特别是在大数据、云计算和分布式系统领域，此次之所以介绍MongoDB数据库，也是由于系统开发需求中要求对于聊天记录做到保存，鉴于数据量较大，所以考虑到了MongoDB架构。

主角MongoDB介绍

MongoDB是一种开源、面向文档的非关系型数据库管理系统（NoSQL DBMS），它以其灵活性、可扩展性和强大的查询能力而闻名。MongoDB的设计理念是为了满足现代应用中海量数据、高可用性和复杂数据模型的需求。以下是MongoDB的一些重要特点和概念：

  1. 文档数据库：MongoDB使用文档（Document）来表示数据，文档类似于JSON格式的数据结构，可以包含各种类型的数据，如字符串、数字、日期、数组和嵌套文档等。

  2. 面向文档：MongoDB是一种面向文档的数据库，每个文档都有一个唯一的标识符（通常称为_id），用于唯一标识文档。

  3. 高可扩展性：MongoDB支持水平扩展，可以通过分片（Sharding）将数据分布到多台服务器上，以实现更高的存储容量和性能。

  4. 动态模式：MongoDB不需要严格的表结构定义，文档可以自由添加和修改字段，适应数据模式的变化。

  5. 强大的查询语言：MongoDB支持丰富的查询语言，可以进行复杂的查询操作，包括过滤、排序、投影、聚合等。

  6. 索引支持：MongoDB支持各种类型的索引，包括单字段索引、复合索引、文本索引、地理空间索引等，以加速查询操作。

  7. 复制和高可用性：MongoDB支持数据的复制和自动故障转移，确保数据的高可用性和冗余。

  8. 数据存储：MongoDB将数据存储在集合（Collection）中，每个集合包含一组文档。集合类似于关系型数据库中的表格。

  9. 适用场景：MongoDB适用于需要存储和处理半结构化或非结构化数据的场景，如大数据、实时数据分析、内容管理系统、日志记录和用户个性化推荐等。

MongoDB安装介绍

Centos安装MongoDB

以下是在CentOS上安装MongoDB的详细步骤：

  1. 更新系统：
    打开终端，并以root或具有sudo权限的用户身份登录，首先更新系统软件包以确保系统处于最新状态：
sudo yum update
  1. 添加MongoDB仓库：
    MongoDB提供了官方的YUM仓库，可以使用以下步骤将其添加到您的系统中：
sudo vi /etc/yum.repos.d/mongodb-org.repo

在编辑器中，添加以下内容（保存并退出编辑器）：

[mongodb-org-4.4]
name=MongoDB Repository
baseurl=https://repo.mongodb.org/yum/redhat/$releasever/mongodb-org/4.4/x86_64/
gpgcheck=1
enabled=1
gpgkey=https://www.mongodb.org/static/pgp/server-4.4.asc
  1. 安装MongoDB：
    使用以下命令安装MongoDB软件包：
sudo yum install -y mongodb-org
  1. 启动MongoDB服务：
    安装完成后，您可以启动MongoDB服务，并设置其开机自启动：
sudo systemctl start mongod
sudo systemctl enable mongod
  1. 验证MongoDB是否已正确启动：
    运行以下命令来验证MongoDB是否已成功启动：
sudo systemctl status mongod

您应该看到MongoDB服务状态为"active (running)"。

  1. 连接到MongoDB Shell：
    使用MongoDB Shell与数据库交互，运行以下命令：
mongo

这将连接到本地MongoDB服务器的Shell。

docker安装MongoDB

大家知道我的习惯，肯定少不了docker的安装方式啊
安装MongoDB并在Docker容器中运行它是一个方便的方式，让我们详细介绍一下如何在Docker中安装和运行MongoDB。

  1. 安装Docker：

    如果您尚未安装Docker，请按照以下步骤在您的操作系统上安装Docker：

    • 对于Linux用户，您可以根据您的发行版选择适当的安装方式，通常是使用包管理工具（如apt或yum）来安装Docker。
    • 对于Windows用户，您可以从Docker官方网站下载并运行安装程序。
    • 对于macOS用户，您可以从Docker官方网站下载并运行Docker Desktop安装程序。

  2. 拉取MongoDB镜像：

    打开终端（或命令行界面）并执行以下命令，以从Docker Hub拉取MongoDB官方镜像：

    docker pull mongo

  3. 运行MongoDB容器：

    使用以下命令来创建并运行MongoDB容器。这将创建一个名为"my-mongodb"的MongoDB容器，并将其绑定到主机的27017端口。可以根据需要自行调整容器名称和端口绑定。

    docker run --name my-mongodb -p 27017:27017 -d mongo

    此命令将以后台模式运行MongoDB容器。要停止容器，可以使用docker stop命令：

    docker stop my-mongodb

    要删除容器，可以使用docker rm命令：

    docker rm my-mongodb

  4. 连接到MongoDB容器：

    要连接到运行中的MongoDB容器的Mongo shell，可以使用以下命令：

    docker exec -it my-mongodb mongo

    这将进入Mongo shell，可以在其中执行MongoDB命令。

Win系统安装MongoDB

要在Windows系统上安装MongoDB，请按照以下步骤操作：

  1. 下载MongoDB安装包：
    前往MongoDB官方网站（https://www.mongodb.com/try/download/community-kubernetes-operator）下载最新版本的MongoDB安装包。确保选择与您的操作系统相匹配的版本。
    在这里插入图片描述

  2. 安装MongoDB：
    双击下载的安装包，按照安装向导指示完成安装过程。您可以选择自定义安装选项，但对于大多数用户来说，使用默认选项即可。

  3. 配置MongoDB环境变量：
    将MongoDB的安装路径添加到系统的环境变量中，以便在任何目录下都可以通过命令行访问MongoDB。将安装路径（默认为C:\Program Files\MongoDB\Server<版本号>\bin）添加到您的系统环境变量中的Path变量中。

  4. 创建数据目录：
    在您选择的位置上创建一个数据目录，用于存储MongoDB的数据文件。例如，您可以在C:\data目录下创建一个名为db的文件夹。

  5. 配置MongoDB服务：
    打开命令提示符（CMD）或PowerShell，并导航到MongoDB的安装目录（例如：C:\Program Files\MongoDB\Server<版本号>\bin）。

    运行以下命令来启动MongoDB服务器：

    mongod --dbpath <数据目录路径>

    请将<数据目录路径>替换为您在第4步中创建的数据目录的路径。

  6. 连接到MongoDB：
    打开另一个命令提示符或PowerShell窗口，导航到MongoDB的安装目录（例如：C:\Program Files\MongoDB\Server<版本号>\bin）。

    运行以下命令来连接到MongoDB：

    mongo

请注意，如果不按照如上步骤操作，而是直接在安装目录执行exe
在这里插入图片描述

那就需要再D盘根路径创建一个/data/db目录,否则会闪退！！！
在这里插入图片描述

MongoDB是默认没有写入环境变量的，大家需要自己配置，不再赘述！！！

MongoDB使用介绍

在MongoDB中，建立集合（类似于关系型数据库中的表）是动态的，因此无需像关系型数据库那样显式地定义表结构。只需插入文档（类似于关系型数据库中的记录），MongoDB将自动创建集合并根据文档的结构来定义字段。命令执行我们可以使用Navicat工具进行连接
在这里插入图片描述

以下是MongoDB中创建集合和插入文档的语法和示例：

简单使用

  1. 创建集合并插入文档：
// 使用insertOne插入文档并创建集合
db.collectionName.insertOne({ field1: "value1", field2: "value2", ... })

示例：

db.students.insertOne({ name: "李红", age: 25, major: "Computer Science" })
db.students.insertOne({ name: "张飞", age: 22, major: "Biology" })

在这里插入图片描述

  1. 查询集合中的文档：
// 查询集合中的所有文档
db.collectionName.find()// 查询特定条件的文档
db.collectionName.find({ field: "value" })

示例：

// 查询所有学生
db.students.find()// 查询年龄大于等于 25 岁的学生
db.students.find({ age: { $gte: 25 } })
  1. 更新文档：
// 使用updateOne更新单个文档
db.collectionName.updateOne({ condition }, { $set: { field: "new value" } })// 使用updateMany更新多个文档
db.collectionName.updateMany({ condition }, { $set: { field: "new value" } })

示例：

// 更新学生的专业
db.students.updateOne({ name: "张飞" }, { $set: { major: "Engineering" } })
  1. 删除文档：
// 使用deleteOne删除单个文档
db.collectionName.deleteOne({ condition })// 使用deleteMany删除多个文档
db.collectionName.deleteMany({ condition })

示例：

// 删除专业为"Biology"的学生
db.students.deleteMany({ major: "Biology" })

我们再举一个例子，假设正在开发一个简单的博客平台，可以使用MongoDB来存储博客帖子和评论。在这个复杂业务的示例中，我们将涵盖以下方面：

  1. 创建集合和插入文档
  2. 查询和筛选数据
  3. 更新文档
  4. 使用索引

1. 创建集合和插入文档：

首先，我们创建一个集合来存储博客帖子，每个帖子包含标题、内容和发布日期：

// 创建博客集合并插入帖子文档
db.blogPosts.insertOne({title: "MongoDB的相关介绍   ——IT小辉同学",content: "MongoDB 是一个非关系型数据库",publishDate: new Date("2023-08-01"),comments: []
})

2. 查询和筛选数据：

现在，我们查询博客集合中的帖子并筛选出发布日期在特定范围内的帖子：

// 查询发布日期在特定范围内的帖子
db.blogPosts.find({publishDate: { $gte: new Date("2023-08-01"), $lt: new Date("2023-08-10") }
})

3. 更新文档：

假设一篇帖子收到了一条新评论，我们可以将评论添加到帖子的评论数组中：

// 更新帖子，添加新评论
db.blogPosts.updateOne({ title: "MongoDB的相关介绍，很有意思奥   ——IT小辉同学" },{$push: {comments: {author: "User123",text: "MongoDB，我们一起学习!",timestamp: new Date()}}}
)

4. 使用索引：

为了提高查询性能，我们可以创建索引以加速某些查询操作。例如，为了加速根据标题搜索帖子的查询，我们可以创建标题字段的索引：

// 创建标题字段的索引
db.blogPosts.createIndex({ title: "text" })

这是一个简化的示例，展示了如何在MongoDB中处理博客帖子和评论的复杂业务场景。实际业务中可能还需要处理更多情况，如用户认证、数据验证、用户关系等。MongoDB的灵活性和功能可以适应各种复杂的业务需求。

请注意，MongoDB的语法使用了JSON，也就是我们Java常说的对象，因此数据和查询都是使用JSON的形式。

复杂语法

当您需要进行更复杂的增删改查操作时，MongoDB提供了丰富的查询、更新和聚合功能来满足您的需求。以下是更复杂的示例，涵盖了多条件查询、更新和聚合操作：

1. 多条件查询：

假设您要查询发布日期在特定范围内，同时标题包含特定关键词的帖子：

db.blogPosts.find({publishDate: { $gte: new Date("2023-08-01"), $lt: new Date("2023-08-10") },title: { $regex: "MongoDB" }
})

2. 多条件更新：

更新帖子的评论，将指定作者的所有评论中的文本替换为新文本：

db.blogPosts.updateMany({ "comments.author": "User123" },{ $set: { "comments.$[].text": "新文本" } }
)

3. 使用聚合：

聚合操作允许您进行数据处理和转换。假设您要计算每篇帖子的评论数量并按评论数量降序排序：

db.blogPosts.aggregate([{$project: {title: 1,numberOfComments: { $size: "$comments" }}},{$sort: { numberOfComments: -1 }}
])

以上代码使用聚合管道，首先通过$project将每篇帖子的标题和评论数量提取出来，然后通过$sort按评论数量降序排序。

4. 删除多个文档：

假设您要删除评论数低于指定值的所有帖子：

db.blogPosts.deleteMany({comments: { $size: { $lt: 5 } }
})

这将删除所有评论数少于5条的帖子。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/95560.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

PAT 1018 Public Bike Management

PAT 1018 Public Bike Management

个人学习记录&#xff0c;代码难免不尽人意。 There is a public bike service in Hangzhou City which provides great convenience to the tourists from all over the world. One may rent a bike at any station and return it to any other stations in the city. The Pu…
阅读更多...
Java进阶（3）——手动实现ArrayList 源码的初步理解分析 数组插入数据和删除数据的问题

Java进阶（3）——手动实现ArrayList 源码的初步理解分析 数组插入数据和删除数据的问题

目录 引出手动实现ArrayList定义接口MyList<T>写ArrayList的实现类增加元素删除元素 写测试类进行测试数组插入数据? 总结 引出 1.ArrayList的结构分析&#xff0c;可迭代接口&#xff0c;是List的实现&#xff1b; 2.数组增加元素和删除元素的分析&#xff0c;何时扩容…
阅读更多...
煤矿调度IP语音对讲广播模块一键求助对讲矿用调度通信系统SIP语音对讲求助终端

煤矿调度IP语音对讲广播模块一键求助对讲矿用调度通信系统SIP语音对讲求助终端

硬件接口描述 SV-2101VP/ SV-2103VP系列网络音频模块&#xff0c;所有外部连接采用端子&#xff0c;电源采用2.0mm的端子&#xff0c;网络采用标准RJ45连接器&#xff0c;其他都是1.25mm的连接器。 端口类型定义 P ———— 电源 AI ———— 模拟输入&#xff08;在这里是音…
阅读更多...
《人工智能大模型体验报告2.0》发布

《人工智能大模型体验报告2.0》发布

ChatGPT 崛起引发新一轮生成式AI热潮&#xff0c;国内科技企业纷纷布局。据不完全统计&#xff0c;截至目前&#xff0c;国内大模型数量已达上百个。在这些大模型中&#xff0c;谁的表现最好&#xff0c;智能性最高&#xff0c;用户体验最强&#xff1f;8月12日&#xff0c;新华…
阅读更多...
谈谈召回率（R值），准确率（P值）及F值

谈谈召回率（R值），准确率（P值）及F值

通俗解释机器学习中的召回率、精确率、准确率&#xff0c;一文让你一辈子忘不掉这两个词 赶时间的同学们看这里&#xff1a;提升精确率是为了不错报、提升召回率是为了不漏报 先说个题外话&#xff0c;暴击一下乱写博客的人&#xff0c;网络上很多地方分不清准确率和精确率&am…
阅读更多...
仿牛客论坛项目day7｜Kafka

仿牛客论坛项目day7｜Kafka

一、阻塞队列 创建了一个生产者线程和一个消费者线程。生产者线程向队列中放入元素&#xff0c;消费者线程从队列中取出元素。我们可以看到&#xff0c;当队列为空时&#xff0c;消费者线程会被阻塞&#xff0c;直到生产者线程向队列中放入新的元素。 二、Kafka入门 发布、订阅…
阅读更多...
线性代数3，什么是向量 向量空间（草稿，建设ing）

线性代数3，什么是向量 向量空间（草稿，建设ing）

列向量 行向量 4 什么是向量空间&#xff0c;向量的张成空间 域&#xff0c;组等概念 空间 向量空间 张成空间 6 线性代数 普通代数&#xff0c;是以单个的数为研究对象的数学 线性代数本质是以数组&#xff08;数组/向量&#xff1a;多个数为整体&#xff09;为基本对象的…
阅读更多...
Mathematica 与 Matlab 常见复杂指令集汇编

Mathematica 与 Matlab 常见复杂指令集汇编

Mathematica 常见指令汇编 Mathematica 常见指令 NDSolve 求解结果的保存 sol NDSolve[{y[x] x^2, y[0] 0, g[x] -y[x]^2, g[0] 1}, {y, g}, {x, 0, 1}]; numericSoly sol[[1, 1, 2]]; numericSolg sol[[1, 2, 2]]; data Table[{x, numericSoly[x], numericSolg[x]},…
阅读更多...
其他行业跳槽转入计算机领域简单看法

其他行业跳槽转入计算机领域简单看法

其他行业跳槽转入计算机领域简单看法 本人选择从以下几个方向谈谈自己的想法和观点。 先看一下总体图&#xff0c;下面会详细分析 如何规划才能实现转码 自我评估和目标设定&#xff1a;首先&#xff0c;你需要评估自己的技能和兴趣&#xff0c;确定你希望在计算机领域从事…
阅读更多...
机器视觉应用开发什么最重要？

机器视觉应用开发什么最重要？

&#xff08;QQ群有答疑&#xff09;零基础小白快速上手海康VisionMaster开发系列课程 高级语言在机器视觉就是工具&#xff0c;机器视觉软件&#xff0c;在机器视觉中也是工具&#xff0c;在机器视觉应用开发中&#xff0c;图像处理是最重要的&#xff0c;一切看图像&#xff…
阅读更多...
leetcode做题笔记85最大矩形

leetcode做题笔记85最大矩形

给定一个仅包含 0 和 1 、大小为 rows x cols 的二维二进制矩阵&#xff0c;找出只包含 1 的最大矩形&#xff0c;并返回其面积。 示例 1&#xff1a; 思路一&#xff1a;单调栈 int maximalRectangle(char** matrix, int matrixSize, int* matrixColSize){int dp[matrixSize…
阅读更多...
06-微信小程序-注册程序-场景值

06-微信小程序-注册程序-场景值

06-微信小程序-注册程序 文章目录 注册小程序参数 Object object案例代码 场景值场景值作用场景值列表案例代码 注册小程序 每个小程序都需要在 app.js 中调用 App 方法注册小程序实例&#xff0c;绑定生命周期回调函数、错误监听和页面不存在监听函数等。 详细的参数含义和使…
阅读更多...
[C++]笔记 - 知识点积累

[C++]笔记 - 知识点积累

一.运算符的优先级 一共15个级别 最高优先级 : () []最低优先级 :逗号表达式倒数第二低优先级 : 赋值和符合赋值(,,-...) ! >算术运算符 > 关系运算符 > && >> || >赋值运算符 二.数据类型转换 隐式类型转换 算数转换 char int long longlong flo…
阅读更多...
【NepCTF2023】复现

【NepCTF2023】复现

文章目录 【NepCTF2023】复现MISC与AI共舞的哈夫曼codesc语言获取环境变量 小叮弹钢琴陌生的语言你也喜欢三月七么Ez_BASIC_IImisc参考 WEBez_java_checkinPost Crad For You独步天下配置环境独步天下-镜花水月环境变量提权 独步天下-破除虚妄总结 独步天下-破除试炼_加冕成王知…
阅读更多...
Qt应用开发(基础篇)——MDI窗口 QMdiArea QMdiSubWindow

Qt应用开发(基础篇)——MDI窗口 QMdiArea QMdiSubWindow

一、前言 QMdiArea类继承于QAbstractScrollArea&#xff0c;QAbstractScrollArea继承于QFrame&#xff0c;是Qt用来显示MDI窗口的部件。 滚屏区域基类 QAbstractScrollAreahttps://blog.csdn.net/u014491932/article/details/132245486 框架类 QFramehttps://blog.csdn.net/u01…
阅读更多...
案例： 用户消费数据分析--Pandas

案例： 用户消费数据分析--Pandas

1. 数据读入 2. 数据处理–日期处理 3. 用户整体消费趋势分析 4. 用户个体消费分析 4.1 用户消费数量与消费金额关系的散点图 4.2 每位用户消费金额分布 4.2.1 消费金额贡献度折线图 用户贡献度折线图 4.2.2 消费金额占比前80%的客户&#xff0c;消费分布直方图 4.3 消费时…
阅读更多...
传输层协议

传输层协议

传输层协议 再谈端口号端口号范围划分认识知名端口号两个问题netstatpidof UDP协议UDP协议端格式UDP的特点面向数据报UDP的缓冲区UDP使用注意事项基于UDP的应用层协议 TCP协议TCP协议段格式确认应答(ACK)机制超时重传机制连接管理机制理解 CLOSE_WAIT 状态理解TIME_WAIT状态解决…
阅读更多...
SQL | 分组数据

SQL | 分组数据

10-分组数据 两个新的select子句&#xff1a;group by子句和having子句。 10.1-数据分组 上面我们学到了&#xff0c;使用SQL中的聚集函数可以汇总数据&#xff0c;这样&#xff0c;我们就能够对行进行计数&#xff0c;计算和&#xff0c;计算平均数。 目前为止&#xff0c…
阅读更多...
鸿蒙剥离 AOSP 不兼容 Android 热门问题汇总，不吹不黑不吵

鸿蒙剥离 AOSP 不兼容 Android 热门问题汇总，不吹不黑不吵

上周发了一篇 《鸿蒙终于不套壳了&#xff1f;纯血 HarmonyOS NEXT 即将到来》的相关资讯&#xff0c;没想到大家「讨&#xff08;fa&#xff09;论&#xff08;xie&#xff09;」的热情很高&#xff0c;莫名蹭了一波流量&#xff0c;虽然流量对我来说也没什么用&#xff0c;但…
阅读更多...
Golang 基础语法问答

Golang 基础语法问答

使用值为 nil 的 slice、map 会发生什么&#xff1f; 允许对值为 nil 的 slice 添加元素&#xff0c;但是对值为 nil 的 map 添加元素时会造成运行时 panic。 // map错误示例 func main() {var m map[string]intm["one"] 1 // error: panic: assignment to entry …
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023