[大数据]非关系型数据库存储——MongoDB存储

如果对MongoDB不熟悉，可以看下这几篇文章MongoDB简介，MongoDB概念解析以及MongoDB基础命令。

1.准备工作

在开始之前，先确保安装了MongoDB并启动了服务，并且安装好了Python的PyMongo库。

2.连接MongoDB

连接MongoDB时，我们需要使用PyMongo库里的MongoClient。一般来说，传入MongoDB的IP及端口即可，第一个参数为地址host，第二个参数为端口port（如果不传入参数，默认为27017）：

import pymongo
client = pymongo.MongoClient(host='localhost',port=27017)

这样就可以创建MongoDB的连接对象了。
另外，MongoClient的第一个参数host还可以直接传入MongoBD的连接字符，它以mongodb开头，例如：

client = MongoClient('mongodb://localhost:27017/')

这也可以达到同样的效果

3.指定数据库

MongoDB中可以建立多个数据库，接下来我们需要指定操作哪个数据库。这里我们以test数据库为例来说明，下一步需要在程序中指定要使用的数据库：

db = client.test

这里调用client的test属性即可返回test数据库。当然，我们也可以这样指定：

db = client['test']

这两种方式是等价的

4.指定集合

MongoDB的每个数据库又包含许多集合（collection），它们类似于关系型数据库中的表。
下一步需要指定要操作的集合，这里指定一个集合名称为students。与指定数据库类似，指定集合也有两种方式：

collection = db.students
collection = db['students']

这样我们便声明了一个Collection对象。

5.插入数据

接下来，便可以插入数据了。对于students这个集合，新建一条学生数据，这条数据以字典形式表示：

student={
    'id':'20170101',
    'name':'Jordan',
    'gender':'male'
}

这里指定了学生的学号、姓名、年龄和性别。接下来，直接调用collection的insert（）方法即可插入数据，代码如下：

reslut = collection.insert(student)
print(reslut)

在MongoDB中，每条数据其实都有一个_id属性来唯一标识。如果没有显式的指明该属性，MongoDB会自动产生一个ObjectId类型的_id属性。insert（）方法会在执行后返回_id的值
运行结果如下：

当然也可以同时插入多条数据，只需以列表形式传递即可，如下：

student1={
    'id':'20170101',
    'name':'Jordan',
    'age':20,
    'gender':'male'
}
student2={
    'id':'20170202',
    'name':'Mike',
    'age':21,
    'gender':'male'
}
reslut = collection.insert([student1,student2])
print(reslut)

返回结果是对应的_id集合：

实际上，在PyMongo 3.X版本中，官方已经不推荐使用insert（）方法了。当然，继续使用也没关系。官方推荐使用insert_one()和insert()_many()方法来分别插入单条或多条记录，示例如下:

student={
    'id':'20170101',
    'name':'Jordan',
    'gender':'male'
}
reslut = collection.insert_one(student)
print(reslut)
print(reslut.inserted_id)

运行结果如下：

与insert（）方法不同，这次返回的是InsertOneResult对象，我们可以调用其inserted_id属性获取_id。
对于insert_many()方法，我们可以将数据以列表形式传递，示例如下：

student1={
    'id':'20170101',
    'name':'Jordan',
    'age':20,
    'gender':'male'
}
student2={
    'id':'20170202',
    'name':'Mike',
    'age':21,
    'gender':'male'
}
reslut = collection.insert_many([student1,student2])
print(reslut)
print(reslut.inserted_ids)

运行结果如下：

该方法返回的类型是InsertManyResult，调用inserted_ids属性可以获取插入数据的_id列表

6.查询

插入数据后，我们可以利用find_one()或find()方法进行查询，其中find_one()查询得到的是单个结果，find（）则返回一个生成器对象。示例如下：

reslut = collection.find_one({'name':'Mike'})
print(type(reslut))
print(reslut)

这里我们查询name为Mike的数据，它的返回结果是字典类型，运行结果如下：

可以发现，它多了_id属性，这就是MongoDB在插入过程中自动添加的。
此外，我们也可以根据ObjectId来查询，此时需要使用bson库里面的ObjectId：

from bson.objectid import ObjectId

reslut = collection.find_one({'_id': ObjectId('624290030652b8662d329fd0')})
print(reslut)

其结果依然是字典类型，具体如下：

当然，如果查询结果不存在，则会返回None。
对于多条数据的查询，我们可以使用find（）方法。例如，查找年龄为20的数据，示例：

results = collection.find({'age':20})
print(results)
for result in results:
    print(result)

运行结果如下：

返回结果是Cursor类型，它相当于一个生成器，我们需要遍历取到所有的结果，其中每个结果都是字典类型。
如果要查询年龄大于20的数据，则写法如下：

results = collection.find({'age':{'$gt':20}})
print(results)
for result in results:
    print(result)

运行结果如下

这里的查询的条件键值已经不是单纯的数字了，而是一个字典，其键名为比较符号$gt，意思是大于，键值20。
这里将符号归纳为表

另外，还可以进行正则匹配查询。例如，查询名字以M开头的学生数据，示例如下：

results = collection.find({'name':{'$regex':'^M.*'}})
print(results)
for result in results:
    print(result)

结果如下：

这里使用$regex来指定正则匹配，^M.*代表以M开头的正则表达式
这里将一些功能符号再归类为下表

关于这些操作的详细用法，可以在MongoDB的官方文档中找到:https://docs.mongodb.com/manual/reference/operator/query/。

7.计数

要统计查询结果有多少条数据，可以调用count（）方法。比如，统计所有数条数：

count = collection.find().count()
print(count)

结果如下

或者统计符合某个条件的数据：

count=collection.find({'age':20}).count()
print(count)

结果如下：

8.排序

排序时，直接调用sort（）方法，并在其中传入排序的字段及升降序标志即可。示例：

results = collection.find().sort('name',pymongo.ASCENDING)
print([result['name'] for result in results])

结果如下：

这里我们调用pymongo.ASCENDING指定升序。如果要降序排列，可以传入pymongo.DESENDING。

9.偏移

在某些情况下，我们可能只取某几个元素，这时可以利用skip（）方法偏移几个位置，比如偏移2，就忽略前两个元素，得到第三个及以后的元素：

results = collection.find().sort('name',pymongo.ASCENDING).skip(2)
print([result['name'] for result in results])

结果如下：

另外，还可以用limit（）方法指定要取的结果个数，示例如下：

results =collection.find().sort('name',pymongo.ASCENDING).skip(2).limit(2)
print([result['name'] for result in results])

结果如下：

如果不使用limit（）方法，原本会返回4个结果，加了限制后，会截取两个返回。
值得注意的是，在数据库数量非常庞大的时候，如千万、亿级别，最好不要使用大的偏移量来查询数据，因为这样很可能导致内存溢出。此时可以用类似如下操作来查询：

from  bson.objectid import ObjectId

print(collection.find({'_id': ObjectId('624290030652b8662d329fd0')}))

这时需要记录好上次查询的_id

10.更新

对于数据更新，我们可以使用update（）方法，指定更新的条件和更新后的数据即可。例如：

condition = {'name':'Mike'}
student = collection.find_one(condition)
student['age']=25
result = collection.update(condition,student)
print(result)

这里我们要更新name为Mike的数据的年龄：首先指定查询条件，然后将数据查询出来，修改年龄后调用update（）方法将原条件和修改后的数据传入
运行结果如下

返回结果也是字典形式，ok代表执行成功，nModified代表影响的数据条数。
另外，我们也可以使用$set操作符对数据进行更新，代码如下：

result = collection.update(condition,{'$set':student})
print(result)

这样可以只更新student字典内存在的字段。如果原先还有其他字段，则不会更新，也不会删除。而如果不用$set的话，则会把之前的数据全部用student字典替换；如果原本存在其他字段，则会被删除。
另外，update（）方法其实也是官方不推荐使用的方法。这里也分为update_one()方法和update_many()方法，用法更加严格，它们的第二个参数需要使用$类型操作符作为字典的键名，示例如下：

condition = {'name':'Mike'}
student = collection.find_one(condition)
student['age'] = 26
result = collection.update_one(condition,{'$set':student})
print(result)
print(result.matched_count,result.modified_count)

这里调用了update_one()方法，第二个参数不能再直接传入修改后的字典，而是需要使用{’$set’:student}这样的形式，其返回结果是UpdateResult类型。然后分别调用matched_count和modified_count属性，可以获得匹配的数据条数和影响的数据条数。

我们再看一个例子：

condition = {'age':{'$gt':20}}
result = collection.update_one(condition,{'$inc':{'age':1}})
print(result)
print(result.matched_count,result.modified_count)

这里指定查询条件为年龄大于20，然后更新条件为{‘inc’:{‘age’:1}}，也就是年龄加一，执行后会将第一条符合条件的数据年龄加一。
运行结果如下：

可以看到匹配条数为1条，影响条数也为1条。
如果调用update_many()方法，则会将所有符合条件的数据更新，示例如下：

condition = {'age':{'$gt':20}}
result = collection.update_many(condition,{'$inc':{'age':1}})
print(result)
print(result.matched_count,result.modified_count)

这时匹配条数不再为1条，运行结果如下：

可以看到，这时所有匹配到数据都会被更新。

11.删除

删除操作比较简单，直接调用remove（）方法指定删除的条件即可，此时符合条件的所有数据均会被删除，示例如下：

result = collection.remove({'name':'Mike'})
print(result)

运行结果如下：

另外，这里依然存在两个新的推荐方法——delete_one()和delete_many()。示例如下：

result = collection.delete_one({'name':'Jordan'})
print(result)
print(result.deleted_count)
result = collection.delete_many({'age':{'$lt':25}})
print(result.deleted_count)

运行结果如下：

delete_one()即删除第一条符合条件的数据，delete_many()即删除所有符合条件的数据。它们的返回结果都是DeleteResult类型，可以调用deleted_count属性获取删除的数据条数。

12.其他操作

另外，PyMongo还提供了一些，如find_one_and_delete()、find_one_and_replace(）和find_one_and_update()，它们是查找后删除、替换和更新操作，其用法与上述方法基本一致。
另外，还可以对索引进行操作，相关方法有create_index()、create_indexs()和drop_index()等。