MongoDB

MongoDB是NoSQL数据库的一种，是一种文档型数据库，它使用的是一种类似于JSON的数据结构既BSON。工作于27017端口。

与Reids一样MongoDB也是为了解决大数据时代的新需求（三高，3V）。

MongoDB不支持事务，常用于数据量大，读写操作频繁，价值较低的数据（如游戏中的经验等，物流中的订单变更等等）

数据结构

在MongoDB中，表可以理解为collection，一个collection中有多行既Document。

每一列被成为域filed，同时MongoDB不支持表连接。

MongoDB最小存储单位就是document，数据在MongoDB中以BSON（Binary JSON）存储，类似JSON的一种二进制存储格式。

基本命令操作

数据库：
show dbs #显示所有数据库
db #查看当前使用的数据库，默认的数据库test
use xxx #选择数据库，若不存在就自动创建
db.dropDatabase() #删除当前库
集合：
db.createCollection("xxx") #创建名为xxx的集合
show collections #显示所有集合
db.xxx.drop() #删除名为xxx的集合
文档：
db.xxx.insert(xxxx) #向xxx集合插入document
db.xxx.find(<query>,[projection]) #显示xxx集合中的文档,query指定筛选器。projection指定与筛选器匹配的文档中返回的字段
db.xxx.find({xxx:xxx}) #按照一定条件来查询
db.xxx.findOne({xxx:xxx}) #与find类似，但是只返回第一条数据

db.xxx.insertMany([xxxxx],{writeConcern:<document>,ordered:<boolean>}) #writeConcern ,ordered是否有序插入
db.xxx.update({匹配条件}，{修改字段}) #覆盖修改，直接将原有的数据覆盖掉
db.xxx.update({匹配条件}，{$set:{修改字段}}) #部分修改，通过$set修改器。在有多个匹配结果时，默认只修改第一条数据。
db.xxx.update({匹配条件}，{$set:{修改字段}},{multi:true}) #在有多个匹配结果时，修改所有数据
db.xxx.update({匹配条件}，{$inc:{likenum:NumberInt(1)}}) #对likenum字段加一
db.xxx.remove(条件) #删除匹配条件的document
db.xxx.remove({}) #删除所有document

db.xxx.count(匹配条件) #统计匹配条件的文档数
db.xxx.find().limit(n) #分页查询，显示前n条记录，默认20
db.xxx.find().skip(n) #跳过前n条记录，默认为0
db.xxx.find().limit(x).skip(x) #配合使用，实现指定翻页
db.xxx.find().sort({xxx:1/-1}) #指定使用某字段排序，1表示升序，-1降序
db.xxx.find({content:xxx}) #MongoDB还支持正则匹配
db.xxx.find({linkenum:{$gt:NumberInt(700)}}) #查询出likenum大于700的文档
db.xxx.find({id:{$in:["1003","1004"]}}) #查询id字段包含1003，1004的document。$nin表示不包含
db.xxx.find($and:[{xxx},{xxx},{xxx}]) #多条件查询
db.xxx.find($or:[{xxx},{xxx},{xxx}]) #多条件查询

索引

与MySQL索引的作用类似，同样是为了实现更高效率的查询。MongoDB采用B Tree作为索引的数据结构。MongoDB也可以创建单索引或者复合索引，与MySQL类似，MongoDB也会默认创建主键索引。

db.xxx.getIndexes() #获取索引

db.xxx.createIndex(keys,options) #创建索引：keys表示那些字段使用索引，options：常用name 自定义索引名，unique 是否唯一索引 默认false
db.xxx.dropIndex(index) #删除指定索引名称
db.xxx.dropIndex(匹配条件) #删除匹配条件的索引
db.xxx.dropIndexs() #删除所有索引

执行计划

与MySQL类似，用于查看查询消耗的时间。

db.xxx.find().explain() #

主要部分winningPlan：

stage：collscan 集合扫描 相当于全文扫描，需要索引优化为Fetch。

覆盖索引

类似MySQL的覆盖索引，查询的字段尽量被索引字段包含。

Java操作

与MySQL类似，MongoDB采用mongoDB-driver链接MongoDB。

类似于Mybatis，SpringDataMongoDB用于操作MongoDB的持久层框架，底层封装mongoDB-driver。

集群

副本集

副本集提供了数据的冗余备份，并在多个服务器上存储数据副本，提高了数据的可用性， 并可以保证数据的安全性。副本集还允许您从硬件故障和服务中断中恢复数据。

mongodb的复制至少需要两个节点。其中一个是主节点，负责处理客户端请求，其余的都是从节点，负责复制主节点上的数据。

mongodb各个节点常见的搭配方式为：一主一从、一主多从。

两种类型：主节点，可读可写。复节点，可以读和选举。

三种角色：primary，接收所有写操作。replicate，复制主节点的操作以维护相同的数据，不可以写操作，但是可以读操作，既可以投票也可以参与选举。arbiter，不保留任何副本，只有投票的功能，不参与选举。

选举原则

在主节点故障、主节点网络不可达等情况下，一个节点若得到最高的票数且是来自一半以上的成员，那么这节点就会成为主节点。若多个节点的有相同的票数且都获得一般以上的成员，那么MongoDB就会根据oplog来判读，使得拥有上一主节点最新副本的节点为新主节点。

通过设置priority来设置每个成员的所能投的票数，在默认下为1。

分片

在Mongodb里面存在另一种集群，就是分片技术,可以满足MongoDB数据量大量增长的需求。当MongoDB存储海量的数据时，一台机器可能不足以存储数据，也可能不足以提供可接受的读写吞吐量。这时，我们就可以通过在多台机器上分割数据，使得数据库系统能存储和处理更多的数据。

分片规则：默认使用Hash规则，范围规则多用于范围查询较多的场景。

● Shard：用于存储实际的数据块，实际生产环境中一个shard server角色可由几台机器组个一个replica set承担，防止主机单点故障。
● Config Server：mongod实例，配置服务器存储集群，存储了整个 ClusterMetadata，其中包括 chunk信息。
● Routers：mongos，在客户端和分片集群中间提供接口。