怎么进行MONGODB 查询

这篇文章给大家介绍怎么进行MONGODB 查询，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

惯了SQL 语句的开发人员，在使用MONGODB 的时候，很可能会误会这个数据库。 纠正三点

1 MONGODB 虽然是存储 JOSN 串，但不是你想怎样存就可以怎样存，虽然已经比传统数据库在处理数据的SCHEMA 上开放的多，但如果你真的开打发了，那MONGODB 数据库的归属性质，也的把你打回原形。

2 MONGODB 的查询语句虽然不如传统SQL语句，可以进行那么多的判断（刚刚更新，MONGO语句可以有IF THEN 在查询语句中，逆天了），转换，但数据库的本性使然，撰写MONGODB 的查询语句，也是要有点技巧，否则查询中可以让你等到天昏地暗，这不怪MONGODB ，这就要怪你不懂她的原理和秉性。

3 MONGODB 的使用也是有规范的，不是程序员想怎样就怎样，世间任何东西都有他的规律和属性，所以使用MONGO DB 自然也是要有规范的。

以下就从上面三个方面来让不清楚如何使用的MONGODB 的亲们，来熟悉一下。

ONE ， MONGODB 没有数据库SCHEMA，每个collection 的document 我想怎么存就怎么存，上一个docuemnt 我可以存我的某个贷款的记录，下一个Document 我就可以存 还款的违约记录。 

如果你问我，可以这样做吗，从MONGODB 的原理上，你可以，你当然可以，可我想问，MONGODB 的数据库属性，你是不是忘记了，她不是记事本，她是一个要供你插入可能比传统数据库多几十倍的数据，并且最终你要从这几千万，几十亿条的数据量里面过滤出你要几十条数据，你觉得你上面如此，每个DOCUMENT 毫无联系的存储方法，对你的系统有何帮助，不如你就用文本文件吧，那个更适合你。

MONGODB 的COLLECTION （表），是有表的含义的，一个MONGODB的表（collection）虽然可以让你的SCHEMA 没有任何的规律，但你心里要有谱，这个collection 应该有什么，他们这些由documentS 组成的 collection 对我未来的数据处理要起到什么样的作用。

这里就的谈谈，为什么有MONGODB 这样的数据库了，还的说，大数据量和微服务，以及敏捷开发。 试想如果你有一个项目，你不知道他有多少个字段，未来一年内要有多少字段的添加，和删减，并且你不知道这些字段命名，而且马上就要开始在目前的状态下，调试你的项目，并上线，你感觉如何， F打头的英文单词是不是想马上脱口而出。 

STOP，MONGODB 可以帮助你快速的响应和处理这样的项目，但这不意味着MONGO DB 是这样项目的 垃圾场和背锅侠。  就是这样无厘头的项目和不能确定的表设计，让MONGODB 凸显而出。 （什么，没有这样的项目，你确定？）

另外微服务中的信息汇聚，如果你有这样一套MONGODB 帮助你将微服务中的多个组件的信息交流，集中化，透明化，这也不失为另一种使用的另辟蹊径，因为微服务中，信息传递和信息丢失，已经让你感到不爽，而MONGODB，算是一个你的管家，将这些信息都保存后，方便你用MONGODB 的语句进行查询，而不是在文件日志中，查来查去，并且速度那是相当快，us纳秒的速度，亿万级的数据量，当然这一切是集中在你能理解她的结构和使用方式，甚至你已经可以将MONGODB 作为BI 的基础数据库，将及乱又复杂的信息，通过套件的方式输出。（MONGO 支持BI自有套件）

如果英语是世界的通行的语句，JOSN 就是计算机程序中，消息传递的世界通用语句，各种消息可以通过通用的JOSN 格式，将你的数据从一个微服务的世界，传递到另一个世界，而不用在去理会是 WINDOWS系统，还是LINUX 系统，是JAVA 还是 .NET CORE 或者 PYTHON, GO 之类的，因为你只要符合JOSN 的格式存储的数据，计算机界的处理方式都可以，因为他是世界语。

而MONGO DB 具有强大的 处理JOSN 格式数据的能力，你可以利用各种MONGO DB 的语法，将JOSN 层层嵌套和数组都扒个精光，将你要的呈现在你的眼前。

STOP ， 又扯远了。

下面的说说使用 MONGO DB 的语句如何查询出你要的信息，并且通过索引的方式来进行。 所以下面要谈两个问题， 1  查询的方式  2 索引的建立技巧（MONGODB 的查询也是博大精深，索引更是丰富多彩，能力有限，能讲多少就多少）

1  查询数据中，请注意，没有事务性，也就是没有多表关联这样的事情出现在MONGODB 中，你的注意力，只需要定位到你要查的 一张表上。

注：MONGODB 更新很快，有些在网上查到的语句，已经过时或不在能使用，对应的语句请查看你对应的版本。以下语句，均已 MONGODB 3.6 作为标准。

举个简单的例子，我们下面又一个 collection 下面有如下数据 2700百万（数据量比较少，凑后吧）

我们想通过filesource 和  filetype 两个属性，来查找匹配的数据，那我们有以下的一条查询语句可以做这件事。

db.dbmongolog2.find({"filesource":0,"filetype":"1"}) 

通过上面这条语句，数据很快就查出来了，（画外音：这么简单），当然不是，难度的一点点的来，饭的一口口的吃。

那么问题来了，我们查询MONGO DB 中的数据，如果仅仅只需要显示部分数据，而不需要全部将所有的数据显示，是否可以节省查询的时间。

YES 是的，和传统数据库的查询一样，你要展示那些数据就标识出，你要看那些，你不看的，一定不要让他SHOW出来。

这就是 MONGODB 查询规则 1 

用那个字段，就显示那个字段，不用的别展示。 具体语句怎么写

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0})

db.dbmongolog2.find({"filesource":0,"filetype":"1"})

那这样写的语句，在执行效率上有什么差别，这里做了比较，效率提高10%，由原来的0.020 秒，变为0.018秒，当然如果数据量再大，过滤的字段的大小在大，则速度会更快，这点可以说和传统数据库没有差别。

所以开发的DEVELOPER们，使用MONGODB ，一样不要把你不要的字段SHOW   出来，要禁止他。语法就是在后面加 {} 然后将字段名字后面 冒号加0 。

当然开发说，你这个不科学，MONGODB 每个DOCUEMNT （行），都不一样的情况下，我这样怎么干。

好干：那就只显示你要的字段不就完了

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":1})

、

你只需要，将标识0的地方，标识为 1 即可，另外从截图也看出了，执行的时间，已经到了 0.08秒，快了 百分之60%。 所以这个规矩，你们是要知道的。

那我们继续，加大难度，现在我们认为，查询的时间还是过长，你（我一直宣称MONGODB 的查询速度可以达到 纳秒），那我们就来看看，MONGODB 查询继续加速。

索引，MONGODB 和传统数据库一样，是有索引的，而且索引的种类更多。

针对上面的查询，我们怎么来搞一下。

1 其实我们还是要知

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0})

这个语句其实是在走全表扫描，这样是不OK 的，我们需要建立索引

（当然在建立索引前我们是应该，进行分析，索引建立的是否能更有效，索引建立的值得不值得，今天时间比较紧，暂不讨论，当然我们一般还是要建立采样率的分析），其实这个采样率来看，添加索引并不理想。但这里我们仅仅是演示，来建立一个索引。

db.dbmongolog2.createIndex({filesource:1,filetype:1},{name:"idx_dbmongolog2_filesource_filetype",background:true})

可以通过执行计划来验证，当前的查询已经可以走刚刚建立的索引了

但是别高兴的太早，如果把查询语句改写为

db.dbmongolog2.find({"filesource":0,"filetype":"1"},{"_id":0,"filename":0,"createdate":0,"filetype":0,"filesource":0}).sort({_id:1})

马上在看执行计划，已经不再走刚建好的索引了，走了OBJECT_ID 主键，当然执行的效率比全表扫描的效率还差。 这里我们到底做了什么，让MONGODB 不再走我们刚刚建立好的索引，答案就是 sort({_id:1})

所以一般查询语句，如果不需要排序，就不要使用排序，否则很可能你刚刚辛苦建立好的索引，就不在生效了。但如果必须要进行排序怎么办。

在重新建立了索引后，我们的查询速度又和飞一样了，看下图

db.dbmongolog2.createIndex({filesource:1,filetype:1,_id:-1},{name:"idx_dbmongolog2_filesource_filetype_id",background:true})

上面的建立索引的语句，请注意每个字段的后面的数字， 1是升序，-1是降序，尤其排序，如果经常降序，则就别把索引建立成升序。

讲完简单的查询和索引的建立，其实一个MONGODB 数据库的系统能顺畅建立，主要还要考虑你的collection，当然如果你仅仅将MONGODB 作为日志的系统，你可以考虑的更少。

但实际上，MONGODB 的collection 的确是可以做很多事，例如他可以轻松将传统数据库上的几个负载的 JOIN 操作，在一个collection就完成了，通过嵌套，将这些JOIN 就体现在一个 collection上，所以查询的速度会很快，是传统数据库望尘莫及的。缺点吗， 可能会损失空间，是一种用空间，换时间的方式。（MONGODB 的数据会自动压缩，进入就压缩，所以非要找点缺点，也的说点）。

下面在对表的查询和索引，在进一步，既然是晋级，

1  索引的建立技巧，我们继续看下面的查询语句，我们查询一个时间在2018年12月18日后的记录，并且filetype字段，是

db.dbmongolog2.find({"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")},"filetype":1}

很明显查询已经走了全表扫描，不是建立了索引，为什么不可以了，我们换一种写法

db.dbmongolog2.find({"filetype":1,"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")}},{"_id":1}).explain()

换一种写法，查看执行计划，还是不可以，还是全表扫描

这里总结一个MONGODB 的建立索引的规律

索引建立有技巧，可以先算采样率，分布离散字段放前边，符合字段索引，必查字段放前边，一个查询可以多个字段，多个索引，可以使用索引的交集（MYSQL中的INDEX MERGE的概念有点像），如何使用还要看优化引擎的选择。但如果一个复合索引能解决的，最好不要使用

Index Intersection。

所以一个MONGODB 看上去就是一个文档数据库，整体执行文件才百兆，但里面的东西，不比 ORACLE  SQL SERVER 的知识少，也够喝一壶。

另外小小的MONGODB ，也可以做聚合，类似传统数据库的 GROUP BY  HAVING  SUM ,AVAGE 等运算，所以这个MONGODB 绝非善类，4.0开始支持事务，所以NO-SQL 数据库，哪天发力也不光抢光非关系的市场，连你关系型的市场，也要分一杯羹。

MONGODB的聚合操作

db.dbmongolog2.aggregate([{"$match":{"createdate":{$gte:ISODate("2018-12-18T17:39:43.207+08:00")}}},{$group:{_id:{filetype:"$filetype",filesource:"$filesource"},"count":{"$sum":1}}}]).explain()

关于怎么进行MONGODB 查询就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。