修改

普通修改

插入資料：

db.students.insert({
 "name":"swrd",
 "age":32,
 "grade":"1.1",
 "gender":"man"
})

修改name為swrd的age的值為40：

db.students.update({"name":"swrd"},{$set:{age:40}})

修改巢狀集合中的值

插入資料：

db.students.insert({
 "name":"swrd",
 "age":32,
 "grade":"1.1",
 "gender":"man",
 "score":{
     "English":34,
     "Math"
 
:56,
     "Chinese":89
     }
})

修改swrd的數學成績：

db.students.update({"name":"swrd"},{$set:{"score.Math":90}})

分組操作

db.test.aggregate([
	{$match:{pay_status:1}},
	{$group:
		{_id:"$player_id", total:{$sum:"$price"}}},
                {$sort:{"total":-1}}
])

上面是安裝player_id分組，統計每個player_id的充值總和，然後按照充值大小降序排序。

查詢

某段時間範圍內的資料

db.things.find({"createTime":{"$gt":"2014-10-29 0:0:0"}}) // 大於某個時間
db.things.find({"createTime":{"$lt":"2014-10-29 0:0:0"}}) // 小於某個時間
db.things.find({"$and":[{"createTime":{"$gt":"2014-10-29 0:0:0"}},{"createTime":{"$lt":"2014-10-29 0:0:0"}}]}) // 某個時間段

巢狀屬性的查詢

db.customer.findOne({"login_user.phone":"110"})
 

phone是login_user的一個屬性。

查詢某個欄位是否存在

查詢course表中，存在lectures_count欄位的記錄資訊

db.course.find( { "lectures.lectures_count": { $exists: true } } )
--刪除course表中，所有的lectures.lectures_count欄位
db.course.update({},{$unset:{"lectures.lectures_count":""}},{multi:true})

mongodb查詢數字開頭的集合

test:PRIMARY> show tables;
123abc
test
test_1
test_2
test_3
test_4
--查詢123abc表
test:PRIMARY> db["123abc"].find()
{ "_id" : ObjectId("58b66d20aa82ef619b3ac109"), "id" : 1 }

用mongoexport 匯出 -c 指定不會報錯

mongoexport -d swrd -c 123abc --csv -f userId,time -o 123abc.csv

型別轉換

下面這張表是BSON TYPE及他們對應的數字

下面的語句的目的是將total_iap欄位為double的轉換成int

db.basic.find({"game_info.total_iap":{$type:1}}).forEach(function(x){x.game_info.total_iap=NumberInt(x.game_info.total_iap);db.basic.save(x)})

求最大值最小值

並沒有發現MongoDB有專用的求最大值的方法，不過可以通過排序和取第一條來代替。
下面的集合資料如下：

{ "_id" : ObjectId("54c39358acace71b1bd20a70"), "epoch_min" : NumberLong(1422030840), "usage_ratio" : 0.035140007734298706 }
{ "_id" : ObjectId("54c39358acace71b1bd20a71"), "epoch_min" : NumberLong(1422030900), "usage_ratio" : 0.025494230911135674 }
{ "_id" : ObjectId("54c39358acace71b1bd20a72"), "epoch_min" : NumberLong(1422030960), "usage_ratio" : 0.015415809117257595 }

mongodbCluster3:PRIMARY> db.cpu_data.find().sort({"usage_ratio":-1}).limit(1)
{ "_id" : ObjectId("54c39abbacace71b1bd599ac"), "epoch_min" : NumberLong(1422039660), "usage_ratio" : 0.5287633538246155 }

mongodbCluster3:PRIMARY> db.cpu_data.find().sort({"epoch_min":1}).limit(1)
{ "_id" : ObjectId("54c39358acace71b1bd20824"), "epoch_min" : NumberLong(1422028800), "usage_ratio" : 0.053253963589668274 }