MongoDB高级操作（下）

-----------------------------------------MongoDB高级索引------------------------------------

student文档集合如下（包含了address子文档和tags数组）：

{
    address: {
        country:'china',city:'shanxi'
    },
    tags:[
        'music',
        'blogs'
    ],
    name:'hedanning'
}

索引数组字段

       如果我们要基于tags标签来检索用户，为此我们需要对集合中的数组tags建立索引。

       在数组中创建索引需要对数组的中的每个字段依次建立索引。所以我们为数组tags创建索引时，会为music和blogs三个值建立单独的索引。

• 创建索引：db.student.ensureIndex({tags:1})

• 检索集合中的tags字段：db.student.find({tags:'music'})

索引文档字段：

如果我们需要通过country,city字段来检索文档，因为这些字段是文档的字段，所以我们需要对子文档建立索引。

• 为子文档的两个字段创建索引：

 db.student.ensureIndex({'address.country':1,'address.city':1})

• 使用子文档的字段来检索数据：

-----------------------------------------MongoDB索引限制------------------------------------

额外开销：

每个索引占据一定的存储空间，在进行插入、更新和删除操作时也需要对索引进行操作。所以，如果很少对集合进行读取操作，不建议使用索引。

内存使用：

由于索引存储在内存中，应该确保该索引的大小不超过内存的限制。

如果索引的大小大于内存的限制，MongoDB会删除一些索引，这将导致性能下降。

查询限制：

索引不能被以下的查询使用：

• 正则表达式及非操作符，如：$nin,$not等
• 算术运算符，如：$mod等
• $where 子句

可以使用explain()来查看查询语句是否使用了索引。

索引键限制：

如果现有的索引字段的值超过索引键的限制，MongoDB中不会创建索引。

插入文档超过索引键的限制：

如果文档的索引字段值超过了索引键的限制，MongoDB不会将任何文档转换成索引的集合。与mongorestore和mongoimport工具类似。

最大范围：

• 集合中索引不能超过64个
• 索引名的长度不能超过128个字符
• 一个复合索引最多可以有31个字段

-----------------------------------------MongoDB ObjectId------------------------------------

MongoDB ObjectId

ObjectId是一个13字节BSON类型的数据，格式如下啊：

• 前四个字节表示时间戳
• 接下来的3个字节是机器标识码
• 紧接的两个字节是由进程id组成
• 最后的三个字节是随机数

MongoDB中存储的文档必须有一个"_id"键。这个键的值可以是任何类型的，默认是个ObjectId对象。

在一个集合里面，每个文档都有唯一的"_id"值，来确保集合里面每个文档都能被唯一标识。

MongoDB采用ObjectId，而不是其他比较常规的做法（比如：自动增加的主键）的主要原因是：因为在多个服务器上同步自动增加主键值既费力还费时。

创建新的ObjectId：newObjectId = ObjectId()

创建文档的时间戳：ObjectId('5d5dec1de1ea9491096b7e1c').getTimestamp()

ObjectId转换为字符串：new ObjectId().str

-----------------------------------------MongoDB Map Reduce------------------------------------

MongoDB Map Reduce

Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（Map）执行，然后再将结果合并成最终结果（Reduce）。

MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。

MapReduce命令

语法：

db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction},   //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

使用MapReduce要实现两个函数：Map函数和Reduce函数。

Map函数：调用emit(key,value)，遍历collection中所有的记录，将key与value传递给Reduce函数进行处理。

Map函数必须调用emit(key,value)返回键值对。

参数说明：

• map映射函数：生成键值对序列，作为reduce函数参数。
• reduce函数：统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。
• out：统计结果存放集合（不指定则使用临时集合，在客户端断开后自动删除）。
• query：筛选条件，只有满足条件的文档才会调用map函数。
• sort：和limit结合的sort排序参数，在发往map函数前给文档排序，可以优化分组机制。
• limit：发往map函数的文档数量的上限。如果没有limit，单独使用sort的用处不大。

实例：

将在books集合中使用mapReduce函数来选取已发布的文章（status:'active'），并通过author分组，流程图：

执行结果：

执行结果说明：

• result：存储结果的集合的名字，这个是临时集合，MapReduce的连接关闭后自动就被删除了。
• timeMillis：执行花费的时间，单位为毫秒。
• input：满足条件被发送到map函数的文档个数。
• emit：在map函数中emit被调用的次数。
• output：结果结合中的文档个数。
• ok：是否成功，成功为1。

使用find操作符来查看mapReduce的查询结果：

-----------------------------------------MongoDB 固定集合------------------------------------

MongoDB固定集合是性能出色且有着固定大小的集合（集合空间大小和文档个数上限），如果空间大小到达上限，则插入下一个文档时，会覆盖第一个文档；如果文档个数到达上限，同样插入下一个文档时，或覆盖第一个文档。两个参数上限判断取的是【与】的逻辑。

创建固定集合：capped参数设置为true

db.createCollection('创建的集合名称',{capped:true,size:10000})

db.createCollection('cappedCollection',{capped:true,size:10000})

• 指定文档个数上限：max:1000

db.createCollection('创建的集合名称',{capped:true,size:10000,max:1000})

db.createCollection('cappedCollection',{capped:true,size:10000,max:1000})

• 判断集合是否为固定集合：

db.COLLECTION_NAME.isCapped()

db.cappedCollection.isCapped()

• 将已存在的集合转换为固定集合：

db.runCommand({'固定集合名称':'要转换的集合',size:10000})

固定集合查询：

固定结合文档按照插入顺序存储，默认情况下查询的就是按照插入顺序返回的，也可以使用$natural调整返回顺序。

db.cappedCollection.find().sort({$natural:-1})

固定集合的功能特点：

可以进行插入、更新操作，但更新不能超过collection的大小，否则更新失败。

不可以进行删除操作，但是可以调用drop()删除集合中的所有行，但是drop()后需要显示地重建集合。

固定集合属性及用法：

属性：

• 固定集合插入速度极快
• 按照插入顺序的查询输出极快
• 能够在插入最新数据时，淘汰最早的数据

用法：

• 存储日志信息
• 缓存一些少量的文档

-----------------------------------------MongoDB 自动增长------------------------------------

MongoDB中没有像SQL一样有自动增长的功能，MongoDB的_id是系统自动生成的12字节唯一标识。

但在某些情况下，我们可能需要实现ObjectId自动增长功能，我们通过变成的方式来实现。