《Hadoop生态》——第二章 数据库与数据管理——MongoDB

MongoDB

许可证： Free Software Foundation’s GNU AGPL v3.0.; commercial licenses available from MongoDB, Inc.
活跃度： 高
目的： 面向文档的JSON数据库
官方地址： http://www.mongodb.org
Hadoop集成： API兼容

如果在你的Hadoop集群中有很多JSON文档，现在需要一些数据管理工具可以高效地利用这些数据，那么可以考虑下MongoDB——开源，大数据，面向文档的数据库，这些文档都是JSON对象。在2015年初，它就是一款相当流行的NoSQL数据库了。不像其它的数据库系统，MongoDB支持二级索引，也就是说它可以很快地搜索，而不是在Mongo数据库中唯一标识每个文档的主键。这个名字源于俚语“humongous”，意思就是非常非常非常地大。虽然MongoDB原本不是运行在Hadoop和HDFS上，但是它可以用于连接Hadoop。

MongoDB是一个面向对象的数据库，文档是JSON对象。在关系型数据库中有表和行。在MongoDB数据库中，一行就相当于一个JSON文档，集合（collection）就相当于表，一个JSON文档的集合。想理解MongoDB，你应该直接跳到这本书的JSON部分。

也许最好理解使用MongoDB的方法就是用示例代码，这个在下面的“示例代码”部分。

教程链接

官方项目主页的教程是一个很适合于初学。在互联网上依然有很多视频，包括系列信息。

示例代码

这次计算标准数据集电影Dune的平均打分。如果你懂Python，那就很清楚了。如果你不懂，那么这个代码依然十分简洁：

#!/usr/bin/python
# import required packages
import sys
import pymongo

# json movie reviews
movieReviews = [
    {"reviewer": "Kevin", "movie": "Dune", "rating", "10"},
    {"reviewer": "Marshall", "movie": "Dune", "rating", "1"},
    {"reviewer": "Kevin", "movie": "Casablanca", "rating", "5"},
    {"reviewer": "Bob", "movie": "Blazing Saddles", "rating", "9"}
]

# MongoDB connection info
MONGODB_INFO = 'mongodb://juser:password@localhost:27018/db'

# connect to MongoDB
client = pymongo.MongoClient(MONGODB_INFO)
db = client.get_defalut_database()

# create the movies collection
movies = db['movies']

# insert the movie reviews
movies.insert(movieReviews)

# find all the movies with title Dune, iterate through them
# finding all scores by using
# standard db cursor technology
mcur = movies.find({'movie': {'movie': 'Dune'})
count = 0
sum = 0

# for all reviews of Dune, count them up and sum the rankings
for m in mcur:
    count += 1
    sum += m['rating']
client.close()
rank = float(sum) / float(count)
print ('Dune %s\n' % rank)