共计 13513 个字符，预计需要花费 34 分钟才能阅读完成。
阅读须知
由于是对比书写:
M: 代表 Mongo 原生语法
P: 代表 PyMongo 书写方法
后面提到：”同上“字眼：意思就是 Mongo 和 PyMongo 语句是一模一样的，一个字都不差，复制上去，可以直接运行（也许你很好奇，为什么 一个是 Python 语言里的 PyMongo，一个是 Mongo）他们的语句为什么可以做到一模一样？？答：因为 Mongo 和 Python 都可以 给变量赋值，PyMongo 的语法设计也是模仿 Mongo 的。所以：我巧妙的 把二者的变量设为同一个，函数 90% 都一致，所以整条语句就一模一样了！主要语法区别：1. 函数命名
Mongo 方法函数大都以 驼峰命名
PyMongo 方法函数大都以 _ 下划线分割命名
2. 函数参数
Mongo : 基本都是 {} + [] 各组组合格式
PyMongo：同上，但 {} 的 key 需要使用字符串格式，有些情况，还需要使用命名参数代替 {}
3. 空值 与 Bool
Mongo: null true false
PyMongo: None True False
前置安装配置环境
-
客户端连接：
pip install pymongo import pymongo M: Mongo P: cursor = pymongo.MongoClient('ip',port=27017) -
选择数据库：
M: use test P: db = cursor['test'] # 记住这个 db，下面复用这个参数 -
选择集合：(记住 table 变量名，下面就直接用他们了) 注意，注意，注意
M: table = db.zhang P: table = db['zhang'] 注：选择库，选择集合的时候 注意事项：Mongo 中：xx.xx 用 . 的语法 PyMongo 中：也可以 用 xx.xx 这样, 但是这样用在 PyCharm 中没有语法提示 所以提倡 xx['xx'] 用索引的方式使用 -
Mongo 与 PyMongo 返回结果的游标比较
Mongo 中：大多数查询等结果返回都是游标对象 如果不对游标遍历，那么 Mongo 的游标会默认为你取出 前 20 个 值 当然，你也可以索引取值 关闭操作：.close() PyMongo 中：同样，大多数查询等结果返回都是游标对象（如果你学过 ORM，可以理解游标就像 ORM 的查询集）所以必须通过 list() 或 遍历 或 索引 等操作才能真正取出值 关闭操作：.close() 或者 用 Python 的 with 上下文协议
增
-
save()
M: table.save({}) # 估计要废弃了 P: 将要被废弃 用 insert_one 代替它 -
insert()
M: table.insert() # 包括上面两种，可以一个 {}，可以多个 [{},{}] P: PyMongo 源码明确说明，insert()语法将被废弃，请用 insert_one({}) 和 insert_many([])代替 -
insert_one() 和 insert_many()
M: table.insertOne({} ) # 驼峰 table.insertMany([{},{}]) # 驼峰 P: table.insert_one({} ) # 下划线 table.insert_many([{},{}]) # 下划线
删
-
remove()
参数 1：删除查询条件 参数 2：删除选项 M: table.remove({'name':'zhangsan'}, {'justOne': true}) # 我更喜欢用 delete 的 P: PyMongo 中, 此方法将被废弃。将会被 delete_one() 和 delete_many() 代替 -
deleteOne() # 只删除一条
M: table.deleteOne({'name': 'lin3'}) P: table.delete_one({'name': 'lin3'}) # -
deleteMany() # 删除多条
M: table.deleteMany({'name': 'lin3'}) P: table.delete_many({'name': 'lin3'}) 注意：不知道这两个函数是否让你想起了前面讲的 insertOne 和 insertMany，他们看起来很像，语法不同：insertMany([]) # 参数需要用 [] 包起来 deleteMany({}) # 参数不需要 注意 2：table.deleteMany({}) # 空 {}，代表删除所有文档（慎行，慎行，慎行） -
删除整个集合：
table.drop() # 删除集合（连同 所有文档，连同 索引，全部删除）
改
"""文档修改, 注意：_id 不可修改"""-
三种更新方法：
1. update(将要废弃，可跳过，直接看 2，3 点的方法) update({查询条件}, {更新操作符} , {更新选项}) M: table.update({'name': {'$regex':'li'}},{'$set':{'name':'lin2'}}, {multi: true}) P: table.update({'name': {'$regex': 'li'}}, {'$set': {'name': 'lin3'}},multi=True) 注意 1: 第三个参数 multi 如果不设置，默认只更新一条文档，设置为 true，就会更新多条文档 注意 2：Mongo 写法：{multi: true} # Mongo 和往常一样，采用 json 格式，true 小写 Python 写法：multi = True # python 是采用命名参数来传递，True 大写 2. updateOne(更新一条) M: updateOne({查询条件}, {更新操作符} ) P: update_one 3. updateMany(更新多条) M: updateMany({查询条件}, {更新操作符} ) 其实参数是一模一样的，只不过方法名区分 P: update_many 注：这三个方法的参数 是基本一模一样的 所以下面讲具体 {查询条件}, {更新操作符} 时 就统一用 update()来写了 -
普通更新操作符：
-
$set(更新)
# 注：规则就是："有则改之，无则添加" M: table.update({'5':5},{'$set': {'lin': [5,6,7,8]} }) P: 同上 微扩展(关于内嵌数组)：table.update({'5':5},{'$set': {'lin.0': '呵呵'}) # lin.0 代表数组的第一个元素 当数组的索引越界，这个时候就视为数组的添加操作。eg: 假定我们给 lin.10 一个值，那么 中间空出的那么多索引，会自动填充 null -
$unset(删除)
# 注：删除的键对应的 value 可以随便写，写啥都会删除，写 '' 只是为了语义明确（规范）M: table.update({'6':6}, {'$unset': {'6':''}}) # 把此条记录的'6' 字段删除 P: 同上 微扩展(关于嵌套数组)：table.update({'5':5}, {'$unset': {'lin.0':''}}) # lin.0 同样代表数组第一个元素 注：数组的删除 并不是真正的删除，而是把值 用 null 替换 -
$rename(改名，替换)
M: table.update({'name':'lin'}, {'$rename':{'name':'nick'}}) # name 变成了 nick P: 同上 微扩展（文档嵌套）：如果文档是嵌套的 eg: {a: {b:c} } M: table.update({'lin':'lin'}, {'$rename': {'a.b':'d'}}) P: 同上 结果 => {"a" : {}, "d" : "c" } 解析：b 属于 子文档 a.b 表示 通过父文档的 a 来取出 子文档的 b 如果整体 a.b 被 rename 为 d，那么 d 会被安排到父文档的层级里，而 a 设为空。举个栗子：你有一个箱子，里面 有一个 儿子级别 和 孙子级别 的箱子（共 3 层）现在你把 孙子级别的箱子 单独拿出来，把整个箱子替换掉 就是这种思想。。。自己体会吧（这种语法，好像 Python 列表的切片赋值。。形容可能不太恰当） -
$inc：
{$inc: { 'age': -2}} # 减少两岁，正数表示加法，负数表示减法，简单，不举例了 特例：如果字段不存在，那么，此字段会被添加，并且值就是你设定的值(0+n=n) -
$mul:
{$mul: { 'age': 0.5}} # 年龄除以 2，整数表示乘法，小数表示除法，简单，不举例了 特例：如果字段不存在，那么，此字段会被添加，并且值为 0 (0*n=0) -
$min
{$min: { 'age': 30}} # 30 比原有值小：就替换，30 比原有值大，则不做任何操作 -
$max
{$max: { 'age': 30}} # 30 比原有值大：就替换，30 比原有值小，则不做任何操作 特例：min 和 max 特例相同，即如果字段不存在，那么，此字段会被添加，并且值就是你设定的值 -
数组更新操作符：
""" 单数组: xx 内嵌数组: xx. 索引 """ -
$addToSet（有序，无重复，尾部添加）
原始数据：{'1':1} M: table.update({'1':1}, {'$addToSet':{'lin':[7,8]}}) P: 同上 结果 => {"1": 1,"lin": [ [7, 8] ]} # [7,8] 整体插入进来，特别注意这是二级列表 -
$each (给 [7,8] 加个 $each，注意看结果变化 )
M: table.update({'1': 1}, {'$addToSet': {'lin': {'$each':[7, 8]} }}) P: 同上 结果 => {"1": 1, "lin": [7,8]} # 7,8 单独插入进来，参考 python 的 * 解构 -
$push(数据添加，比 $addToSet 强大，可任意位置, 可重复)
""" 补充说明: $addToSet: 添加数据有重复，会自动去重 $push : 添加数据有重复，不会去重，而是直接追加 """原始数据: {'1':1} M: table.update({ '1': 1}, { '$push': { 'lin': {'$each': [ {'a': 5, 'b': 8}, {'a': 6, 'b': 7}, {'a': 7, 'b': 6} ], '$sort': {'a': -1}, '$position': 0, '$slice': 2 }}}) # 这里为了清晰点，我就把所有括号折叠起来了 P: 同上 结果 => {"1" : 1, "lin" : [ { "a" : 7, "b" : 6}, {"a" : 6, "b" : 7} ] } 终极解析：1. 添加数组：先走 $sort => 根据 a 逆序排列 2. 再走 $position, 0 表示：索引定位从 0 开始 3. 再走 $slice, 2 表示：取 2 个 4. 最后走 $each, 把数组元素逐个放进另一个数组，说过的，相当于 python 的 * 解构操作， -
$pop（只能 删除 头或尾 元素）
M: table.update({'a': a}, {'$pop': {'lin': 1}}) # 删除最后一个 P: 同上 注 1：$pop 参数，1 代表最后一个，- 1 代表第一个。这个是值得注意一下的，容易记反 注 2：如果全部删没了，那么会剩下空[]，而不是彻底删除字段 -
$pull (删除 任何位置 的 指定的元素)
M: table.update({'1': 1},{'$pull':{ 'lin':[7,8]}}) # 删除数组中 [7,8] 这个内嵌数组 P: 同上 -
$pullAll(基本和 $pull 一致)
M: table.update({'1': 1},{'$pullAll':{ 'lin':[ [7,8] ]}}) # 同 $pull，但多了个 [] P: 同上 注：$pull 和 $pullAll 针对于 内嵌文档 和 内嵌数组 有细小差别，差别如下：内嵌数组：$pull 和 $pullAll 都严格要求内嵌数组的 排列顺序，顺序不一致，则不返回 内嵌文档: $pullAll : 严格要求内嵌文档的顺序，顺序不一致，则 不返回 $pull : 不要求内嵌文档的循序，顺序不一致，一样可以返回
查
"""
第一个参数的条件是 筛选出 数据的记录（文档）第二个参数的条件是 筛选出 数据的记录中的 属性（字段），不配置 就是 默认 取出所有字段
find({查询条件}, {投影设置})
"""-
投影解释
哪个字段 设置为 0，此字段就不会被投影，而其他字段全部被投影 哪个字段 设置为 1，此字段就会被单独投影，其他字段不投影 {'name': 0, 'age': 0} # 除了 name 和 age，其他字段 都 投影 {'name': 1, 'age': 1} # 只投影 name 和 age, 其他字段 不 投影，（_id 除外）注意: 所有字段必须满足如下要求：一：你可以不设置，默认都会被投影 二：如果你设置了，就必须同为 0，或者同为 1, 不允许 0，1 混合设置(_id 除外) 三：_id 虽然可以参与混合设置，但是它只可以设为 0，不可以设为 1，因为 1 是它默认的 通俗理解（0 和 1 的设定）：另一种理解思想 ====> 设置为 1：就是 加入 白名单 机制 设置为 0，就是 加入 黑名单 机制 注：_id 字段是 MongoDB 的默认字段，它是会一直被投影的(默认白名单) 但是，当你强制指定 {'_id': 0}，强制把 _id 指定为 0，他就不会被投影了（变为黑名单）语法：M: queryset = table.find({}, {'name': 0}) P: 同上 -
投影 - 数组切片($slice)
"""针对投影时的 value 为数组的情况下，对此数组切片，然后再投影""" 数据条件：{'arr1': [5,6,7,8,9] } 整形参数：M: queryset = table.find({},{'arr1':{'$slice': 2}}) # 2 表示前 2 个, - 2 表示后两个 P: 同上，一模一样，一字不差 结果: {'arr1': [5,6] } 数组参数：[skip, limit] M: queryset = table.find({},{'arr1':{'$slice': [2,3]}}) # 跳过前 2 个，取 3 个 P: 同上，一模一样，一字不差 输出结果 => {'arr1': {7,8,9] } 注：这种数组参数，你可以用 skip+limit 方式理解 也可以用, python 的索引 + 切片方式理解（skip 开始查索引（0 开始数）, 然后取 limit 个） -
投影 - 数组过滤($elemMatch)
""" 针对投影时 的 value 为数组的情况下，根据指定条件 对 数组 过滤，然后再投影 注意这个过滤机制：从前向后找，遇到一个符合条件的就立刻投影(类似 python 正则的 search) """数据条件: {'arr1': [6,7,8,9]} M: queryset = table.find({}, {'arr1': {'$elemMatch': {'$gt':5}} }) P: 同上 输出结果 => "arr1" : [6] 解析：（我自己总结的伪流程，可参考理解）1. 准备投影 2. 发现数组，先处理数组，可看到数组中有 elemMatch 条件 elemMatch 在投影中定义为：”你给我一个条件，我把符合条件的 数组每个元素从前向后筛选 遇到第一个符合条件的就返回, 剩下的都扔掉（这里的返回你可以理解为 return）“3. 把 2 步骤 返回的数据 投影 -
limit()
limit:（只取前 n 条）M: queryset = table.find({'name':'lin'}).limit(n) # n 就是取的条数 P: 同上 -
skip()
skip:（跳过 n 条，从第 n + 1 条开始取）M: queryset = table.find({'name':'lin'}).skip(n) # 从 0 开始数 P: 同上 解释一下 skip 这个参数 n：假如 n 等于 2，就是从第三个（真实个数）开始取 => 你可以借鉴数组索引的思想 a[2] -
count()
count:（统计记录数）M: count_num = table.find({'name':'lin'}).skip(1).limit(1).count() P: count_num = table.count_documents(filter={'name':'lin'}, skip=1, limit=1) 分析：find() -> 查出 3 条数据 skip(1) -> 跳过一条，就是从第二条开始取 limit(1) -> 接着上面的来，从第二条开始取（算本身哦），取一个，实际上取的就是第二条 count() -> 3 # 也许你很惊讶，按常理来说，结果应该为 1(看下面) count(applySkipLimit=false) # 这是 API 原型，这个参数默认为 False applySkipLimit: 看名字你就知道这函数作用了吧 默认不写为 False: 不应用(忽略) skip(), limit() 来统计结果 ==> 上例结果为 3 设为 True：结合 skip(), limit() 来统计最终结果 ==> 上例结果为 1 注：对于 count()，Mongo 和 PyMongo 都有此方法，且用法是一模一样的。那为什么上面 PyMongo 中我却用了 count_documents() 而不是 count() ????? 答：因为 运行 或者后 戳进 PyMongo 源码可清晰看见，未来版本 count() API 将要废除。官方建议我们用 count_documents() 它的好处是把 skip() 和 limit() 由两个函数调用 变为 2 个参数传进去了。 -
sort()
sort: 排序 M: queryset = table.find({'name':'lin'}).sort({'_id': -1}) # 注意，参数是{} 对象 P: queryset = table.find({'name':'lin'}).sort('_id', -1) # 注意，这是 2 个参数 第一个参数，代表 排序依据的字段属性 第二个参数，代表 升 / 降 1 : 升序 eg: 456 -1: 降序 eg: 654 特别注意：3 连招顺序（优先级要牢记）() sort -> skip -> limit（排序 - 定位 - 挑选）无论你代码什么顺序，它都会这个顺序执行 eg: queryset = table.find({'name': 'lin'}).sort('_id', -1).skip(1).limit(1) 也许你会有这样一个疑惑：为什么 count_documents 没有放进连招里面？答：你仔细想想，统计个数，和你排不排序有关系吗？没错，一点关系都没有。。。sort() 和 count() 没有联系 -
数组操作符
已有数据条件：{name: ['张','李','王'] } $all: M: queryset = table.find({'name': {'$all': ['张','李']}}) # 数组值里必须包含 张和李 P：同上，一模一样，一字不差 $elemMatch：M: queryset = table.find({'name': {'$elemMatch': {'$eq':'张'} }}) # 数组值有张 就行 P: 同上，一模一样，一字不差 -
正则
M: db.xx.find({name: { $regex: /^a/, $options:'i'}} ) P: queryset = db.xx.find({'name': {'$regex': 'LIN', '$options': 'i'}}) PyMongo 版的或者这样写 -> import re e1 = re.compile(r'LIN', re.I) # 把 Python 的正则对象 代替 Mongo 语句 queryset = db.xx.find({'name': {'$regex': re1}})
聚合
-
聚合表达式
-
字段路径表达式：
$name # 具体字段 -
系统变量表达式：
$$CURRENT # 表示管道中，当前操作的文档 -
反转义表达式：
$literal: '$name' # 此处 $name 原语法被破坏，现在它只是单纯的字符串 -
聚合管道
""" 单个管道，就像 Python 中的 map 等高阶函数原理，分而治之。只不过，MongoDB 善于将管道串联而已。.aggregate([里面写管道各种操作]) """ -
$match（管道查询）
M: queryset = table.aggregate([{'$match': {'name': 'zhangsan'}}]) P: 同上 -
$project(管道投影)
数据条件 => [{"id":'xxx', "name" : "zhangsan", "age" : 15}, {"id":'xxx', "name" : "lisi", "age" : 18}, {"id":'xxx', "name" : "wangwu", "age" : 16} ] M: queryset = table.aggregate([{'$project': {'_id': 0,'new':'5'}}]) P: 同上 结果 => [{'new': '5'}, {'new': '5'}, {'new': '5'}] 注：'new' 是在投影的时候新加的，会被投影。但是加了此新值，除了_id，其他属性默认都不会被投影了 -
$skip (管道跳过，原理同前面讲过 skip() 略)
-
$limit（管道截取，原理同前面讲过的 limit()）
M: queryset = table.aggregate([{'$skip': 1},{'$limit':1}]) P: 同上 解释：一共三条文档，skip 跳过了第一条，从第二条开始取，limit 取一条，所以最终取的是第二条 -
$sort (管道排序，同上, 不解释)
M: queryset = table.aggregate([{'$sort':{'age':1}}]) P: 同上 -
$unwind（管道展开数组，相当于 数学的 分配律）
数据条件 => {"name" : "Tom", "hobby" : [ "sing", "dance"]} path 小参数: M: table.aggregate([{'$unwind':{'path': '$hobby'}}]) # 注意 path 是语法关键词 P: 同上 结果 => {"_id" : xx, "name" : "Tom", "hobby" : "sing"} {"_id" : xx, "name" : "Tom", "hobby" : "dance"} 形象例子：a * [b+c] => a*b + a*c includeArrayIndex 小参数：M: queryset = table.aggregate([{'$unwind': { 'path':'$hobby', 'includeArrayIndex':'index' # 展开的同时会新增 index 字段记录原索引 }}]) P: 同上 结果 => {"name" : "Tom", "hobby" : "sing", "index" : NumberLong(0) } {"name" : "Tom", "hobby" : "dance", "index" : NumberLong(1) } 注意：$unwind 上面有两种特殊情况：情况一：文档中无 hobby 字段 或 hobby 字段为 空数组[] 那么该文档不参与 unwind 展开操作，自然就不会显示结果。若想让这种文档也参与 unwind 展开操作, 那么需要追加小参数 'preserveNullAndEmptyArrays':true # 与 path 同级书写 最终结果，这种字段的文档也会被展示出来，并且 index 会被赋予一个 null 值 情况二：文档中有 hobby 字段，但是该字段的值并不是数组 那么该文档 会 参与 unwind 展开操作，并且会显示出来，同样 index 会被赋予一个 null 值 -
$lookup（使用方式一）
使用方式（一）：集合关联 ===> 我的理解是，相当于关系型数据库的 多表查询机制 集合 <=> 表，多表查询 <=> 多集合查询 自身集合 与 外集合 根据我们指定的 关联字段 关联后，如有关联，则新字段的值为 [外集合的关联文档，。。。]，有几条文档关联，这个数组就会有几条 废话不多说，先重新创建两个集合：db.user.insertOne({'name':'猫', 'country': ['China','USA']}) # 一条 db.country.insertMany([{'name':'China'}, {'name':'USA'}]) # 两条 table = db.user # 看好，我赋值了一下，下面直接写 table 就行了 M: queryset = table.aggregate([{ '$lookup': { 'from': 'country', # 需要连接的另外一个集合的名称（外集合）'localField': 'country', #（主集合）连接的 依据 字段 'foreignField': 'name', #（外集合）连接的 依据 字段 'as': 'new_field' # 最终关联后查询出来的数据，生成新字段，as 用来起名 } }]) P: 同上 结果 => {"_id" : ObjectId("5d2a6f4dee909cc7dc316bf1"), "name" : "猫", "country" : [ "China", "USA" ], # 这行之前应该不用解释，这就是 user 集合本身的数据，没变 "new_field" : [ # 这行是新加的字段，后面解释 {"_id" : ObjectId("5d2a6fcbee909cc7dc316bf2"), "name" : "China" }, {"_id" : ObjectId("5d2a6fcbee909cc7dc316bf3"), "name" : "USA" } ] } 解释：1. new_field 是我们新添加的字段 2. 因为 user 集合和 country 集合 我们给出了 2 个依据关联字段 并且这两个关联字段 'China' 和 'USA' 的值都相等 所以最终 user 集合的 new_field 字段中 会添加 两条 country 集合的文档 到 [] 中 3. 如果无关联, 那么 new_field 字段中的值 为 空[] -
$lookup（使用方式二）:
使用方式二：不做集合的关联，而是直接把（外集合）经过条件筛选，作为新字段放到（主集合）中。M: queryset = table.aggregate([{ '$lookup': { 'from': 'country', # 外集合 'let': {'coun': '$country'}, # 使（主集合）的变量 可以放在（外集合）使用 'pipeline': [{ # 外集合的专属管道，里面只可以用外集合的属性 '$match': { # 因为设置了 let，所以这里面可以用主集合变量 '$expr': { # $expr 使得 $match 里面可以使用 聚合操作 '$and': [{'$eq': ['$name', 'China']}, # 注意，这是聚合的 $eq 用法 {'$eq': ['$$coun',['China', 'USA']]} ] } } }], 'as': 'new_field' } }]) P: 同上 解释：把（外集合）pipeline 里面按各种条件 查到的文档，作为（主集合）new_field 的值。当然，如果不需要主集合中的属性，可以舍弃 let 字段 -
$group（分组 – 统计种类）
用法 1（分组 -- 统计字段种类）M: queryset = table.aggregate([{'$group': {'_id': '$name'}}]) # _id 是固定写法 P: 同上 结果 => [{'_id': '老鼠'}, {'_id': '狗'}, {'_id': '猫'}] 用法 2（分组 -- 聚合）数据条件：{"name" : "猫", "country" : [ "China", "USA"], "age" : 18 } {"name" : "狗", "country" : "Japna"} {"name" : "老鼠", "country" : "Korea", "age" : 12} {"name" : "猫", "country" : "Japna"} M: queryset = table.aggregate([{ '$group': { '_id': '$name', # 根据 name 字段分组 'type_count': {'$sum': 1}, # 统计每个分类的 个数 'ageCount': {'$sum': '$age'}, # 统计 age 字段的 数字和 'ageAvg': {'$avg': '$age'}, # 统计 age 字段的 平均值 'ageMin': {'$min': '$age'}, # 统计 age 字段的 最小值 'ageMax': {'$max': '$age'}, # 统计 age 字段的 最大值 } }]) p: 同上 结果: { "_id" : "老鼠", "type_count" : 1, "ageCount" : 12, "ageAvg" : 12, "ageMin" : 12, "ageMax" : 12 } { "_id" : "狗", "type_count" : 1, "ageCount" : 0, "ageAvg" : null, "ageMin" : null, "ageMax" : null } { "_id" : "猫", "type_count" : 2, "ageCount" : 18, "ageAvg" : 18, "ageMin" : 18, "ageMax" : 18 } 注意：若想直接对整个集合的 做统计，而不是分组再统计 把 _id 改为 null 即可 {_id: 'null'} # (或者随便写一个匹配不到的 字符串或数字都行，分不了组，就自动给你统计整个集合了) -
$out (聚合操作后，将结果写入新集合)
""" 我的理解是重定向 操作，或者理解为 视图 操作 写入的集合如果存在，那么会全部覆盖（但保留索引）聚合过程遇到错误，那么会自动执行’回滚’操作 """ M: table.aggregate([{ '$group': {'_id': '$name'} }, {'$out': 'newCollection'} ]) P: 同上 最后验证：db.newCollection.find()，你就会看到新集合 及其 里面的内容 聚合管道 ==> 第二个参数 table.aggregate([之前说的都是这里面的参数], 下面说这个参数) allowDiskUse: true 每个聚合管道占用内存需 < 16M，过大就会出问题 allowDiskUse 设置为 true，会将内存的 写入到临时文件中，减缓内存压力。官方文档：write data to the _tmp subdirectory in the dbPath directory Default: /data/db on Linux and macOS, \data\db on Windows 它说：默认在 dbPath 配置变量下的 子目录_tmp 下，dbPath 默认为 : /data/db M: queryset = table.aggregate([{'$group': {'_id': '$name'}}], {'allowDiskUse': true} ) P: queryset = table.aggregate([{'$group': {'_id': '$name'}}], allowDiskUse=True, # 注意，这里语法稍有不一样 )
索引
-
创建索引：
-
单键索引
M: table.createIndex({'name':1}) P: table.create_index([('name',-1)]) # - 1 代表逆序索引，注意是元组 -
联合索引
索引命中：最左匹配原则 eg 1,2，3 这三个创建联合索引，可命中索引为：【1,12,123】M: table.createIndex({'name':1}, {}, {} ) # 多个{} P: table.create_index([('name',-1), (), () ]) # 多个元组 -
多键索引
多键是针对于数组来讲的，创建单键的字段 指定为 数组字段，默认就会设置为多键索引 -
唯一索引（unique）
'''注意：如果集合中，不同文档的字段有重复，创建唯一索引的时候会报错''' M: table.createIndex({'name':1}, {'unique':true}) P: table.create_index([('name', 1),('counrty',1)], unique=True) -
稀疏索引 (sparse)
eg: 一个集合中：给 name 创建 唯一索引 插入文档 1: 有 name 字段 插入文档 2: 无 name 字段（MongoDB 会在索引库中，把没有的字段的 索引设为 {字段:null}）再插入文档 3, 无 name 字段 --> 同样也会把索引库中 name 设为 null 但是就在这个时候，刚要把索引库中的 name 字段设为 null 的时候。。。唯一索引告诉你：”我这里已经有了一个，{name:null}，请你滚”然后就无情的给你报错了（重复索引字段）那咋整啊，别急，稀疏索引就是给你办这事的 设置稀疏索引。MongoDB 就不会把 没有的字段 加入到索引库了 所以，索引库里面就不会自动添加 {字段: null} 重新再次插入文档 3，无 name 字段，可成功插入，不存在 null 的重复问题了 M: table.createIndex({'name':1}, {'unique':true, 'sparse':true}) P: table.create_index([('name', 1),('counrty',1)], unique=True, sparse=True) -
查询索引
M：queryset = table.getIndexes() P: queryset = table.list_indexes() -
删除索引
方式 1：M: table.dropIndex('索引名') # 索引名可通过 上面查询索引的指令查 P: table.drop_index('索引名') 方式 2：M: table.dropIndexes() # 删除全部，_id 除外，想指定删除多个，可用列表列出 P: table.drop_indexes() -
查看索引性能(是否有效)
table. 上面说过的任一函数().explain() # 链式调用 explain，表示列出此操作的性能 eg: M: queryset = table.explain().find({'name':'猫'}) P: 同上 结果中找到：queryPlanner -> winningPlan -> inputStage -> stage # stage 结果对应说明如下 COLLSCAN # 未优化，还是搜的整个集合 IXSCAN # 索引起到作用 索引对投影的优化：queryPlanner -> winningPlan -> stage # stage 结果对应说明如下 FETCH # 索引 对投影 未优化 PROJECTION # 索引 对投影 起到优化作用 索引对排序的优化：同上 stage 最好 不是 sort 按索引 正序（逆序）取数据，这样就有效避免了机械排序的过程
正文完