mongoDB的深入理解

mongoDB的简介

分布式文件存储的NoSql
文档是mongoDB的基本单位，每一个文档都有与之对应的ID
文档里边可以是多个键值对
文档里边可以嵌套另一个文档
一个集合里边可以有多个文档
一个数据库里边可以有多个集合

聚集分析

1、管道模式进行聚集
常用的管道模式有以下
$match过滤文档，只传递匹配的文档到管道中的下一个步骤

db.book.insert({book_id:1,num:100,status:"normal"})db.book.insert({book_id:2,num:200,status:"normal"})db.book.insert({book_id:3,num:200,status:"sold"})db.book.insert({book_id:1,num:200,status:"normal"})db.price.aggregate([                   {                    $group:{                        _id:"$book_id",                       count:{$sum:1}                       }                    },                       {$match:{count:{$gt:1}}                    }                   ])

会返回的结果

{    "result" : [         {            "_id" : null,            "count" : 5        }    ],    "ok" : 1}

limit：限制管道中文档的数量skip：跳过指定数量的文档，返回剩下的文档
sort：对所有输入的文档进行排序group : 对所有的文档进行分组，然后进行聚集结果
first：返回group的第一个值last：返回group的最后一个值
max：返回group的最大值min：返回group的最小值
avg：返回group操作后的平均值sum返回group的所有的值的和

SELECT count(*)  as count1 from books

会返回 count1 4
等价于

db.book.aggregate([                   {                    $group:{                        _id:null,                       count1:{$sum:1}                       }                    }                   ])

---

SELECT sum(num)  as total from books

统计books表中所有num的和 会返回700
等价于

db.book.aggregate([                   {                    $group:{                        _id:null,                       sum:{$sum:"$num"}                       }                    }                   ])

---

SELECT book_id, sum(num) as total   from books  GROUP BY book_id

实现分别统计相同的book_id的总体的num值

db.book.aggregate([                   {                    $group:{                        _id:"$book_id",                       total:{$sum:"$num"}                       }                    }                   ])

MapReduce模聚集
为海量数据数据的查询分析，用mongoDB的做分布式，然后再用MapReduce 做数据分析

Select sum(num) as value,book_id as _id 6yh from books where status ="normal" group by book_id

查询到的结果为
value _id
300 1
200 2
使用mongoDB的执行

Db.books.mapreduce({Function(){emit(this.book_id,this.num);},Function(key,values){return Array.sum(values);},{Query:{status:"normal"},Outresult:"books_totals"}})

代码分析：

以上相当于关系数据库中如下sql

Select sum(num) as value,book_id as _id 6yh from books where status =”normal” group by book_id

Mapreduce的解决方案：

定义一个map
Function(){emit(this.book_id,this.num);}

定义reduce
Function(key,values){return Array.sum(values);}

执行mapreduce函数
Query:{status:”normal”}，返回状态为normal的值，同时定义了保存结果的集合名，最后的输出结果将保存在集合books_totals中。

注意：这里的map、reduce函数都是利用javascript编写的函数，其中map函数的关键部分是emit(key,value)函数，此函数的调用使集合使集合中的document对象按照key值生成一个value，形成一个键值对。其中key可以单一field，也可以由多个field组成，mongodb会按照key生成对应的value值，value为一个数组。

Reduc函数的定义中有参数key和value，其中key就是上面map函数中指定的key值，value就是对应key对应的值，Array.sum(value)这里是对数组中的值求和，按照不同的业务需要，我们可以编写自己的js函数来处理。
3、简单聚集函数
1、distinct函数
db.orders.distinct(key,)
第一个参数为filed 第二个参数为查询选择器

 db.book.distinct("book_id")

会选择出所有文档中不同的book_id
2、count函数 用于统计查询返回的记录总数

 db.book.find().count()

会返回4

node版原生的mongoDB驱动

1、声明依赖关系
2、定义数据库主机端口
3、建立数据库连接
4、创建数据库文档
5、输出一个新创建的文档