python資料庫-mongoDB的高階查詢操作(55)
阿新 • • 發佈：2019-07-17
一、MongoDB索引
為什麼使用索引？
假設有一本書，你想看第六章第六節講的是什麼，你會怎麼做，一般人肯定去看目錄，找到這一節對應的頁數，然後翻到這一頁。這就是目錄索引，幫助讀者快速找到想要的章節。在資料庫中，我們也有索引，其目的當然和我們翻書一樣，能幫助我們提高查詢的效率。索引就像目錄一樣，減少了計算機工作量，對於表記錄較多的資料庫來說是非常實用的，可以大大的提高查詢的速度。否則的話，如果沒有索引，計算機會一條一條的掃描，每一次都要掃描所有的記錄，浪費大量的cpu時間。
為了查詢方便，我們建立一個擁有500000條資料的一個集合
> for(var i=0;i<500000;i++){db.nums.insert({name:"name"+i,age:i})}
WriteResult({ "nInserted" : 1 })createIndex() 方法：MongoDB使用 createIndex() 方法來建立索引。
注意在 3.0.0 版本前建立索引方法為 db.collection.ensureIndex()，之後的版本使用了 db.collection.createIndex() 方法，ensureIndex() 還能用，但只是 createIndex() 的別名。
語法：createIndex()方法基本語法格式如下所示：
>db.collection.createIndex(keys, options)
語法中 Key 值為你要建立的索引欄位，1 為指定按升序建立索引，如果你想按降序來建立索引指定為 -1 即可。
例項：
1、先在未建立索引之前我們按需求查詢nums集合裡面age為399999的
2、在建立索引之後查詢age為399999的
建立索引
> db.nums.createIndex({age:1})
{
"createdCollectionAutomatically" : false,
"numIndexesBefore" : 1,
"numIndexesAfter" : 2,
"ok" : 1
}
通過兩次執行時間的對比明顯可以看到建立索引後查詢更快，資料越多，體現的越明顯。
createIndex() 接收可選引數，可選引數列表如下：
二、MongoDB 聚合
MongoDB中聚合(aggregate)主要用於處理資料(諸如統計平均值,求和等)，並返回計算後的資料結果。有點類似sql語句中的 count(*)。
aggregate() 方法：MongoDB中聚合的方法使用aggregate()。
語法：aggregate() 方法的基本語法格式如下所示：
db.集合名稱.aggregate([{管道:{表示式}}])
管道
- 管道在Unix和Linux中一般用於將當前命令的輸出結果作為下一個命令的輸入
ps ajx | grep mongo
- 在mongodb中，管道具有同樣的作用，文件處理完畢後，通過管道進行下一次處理
- 常用管道
- $group：將集合中的文件分組，可用於統計結果
- $match：過濾資料，只輸出符合條件的文件
- $project：修改輸入文件的結構，如重新命名、增加、刪除欄位、建立計算結果
- $sort：將輸入文件排序後輸出
- $limit：限制聚合管道返回的文件數
- $skip：跳過指定數量的文件，並返回餘下的文件
- $unwind：將陣列型別的欄位進行拆分
- $geoNear：輸出接近某一地理位置的有序文件。
表示式:處理輸入文件並輸出
表示式:'$列名'
常用表示式
- $sum：計算總和，$sum:1同count表示計數
- $avg：計算平均值
- $min：獲取最小值
- $max：獲取最大值
- $push：在結果文件中插入值到一個數組中
- $first：根據資源文件的排序獲取第一個文件資料
- $last：根據資源文件的排序獲取最後一個文件資料
三、$group
- 將集合中的文件分組，可用於統計結果
- _id表示分組的依據，使用某個欄位的格式為'$欄位'
例如：heros表中資料如下
> db.heros.find().pretty()
{
"_id" : ObjectId("5d2e0647614bec7ca4687792"),
"h_name" : "後裔",
"h_skill" : "懲戒之劍",
"h_attack" : 1000,
"h_blood" : 800,
"h_type" : "射手"
}
{
"_id" : ObjectId("5d2e0685614bec7ca4687793"),
"h_name" : "李白",
"h_skill" : "青蓮劍仙",
"h_attack" : 1400,
"h_blood" : 900,
"h_type" : "刺客"
}
{
"_id" : ObjectId("5d2e06d6614bec7ca4687794"),
"h_name" : "韓信",
"h_skill" : "國士無雙",
"h_attack" : 1300,
"h_blood" : 850,
"h_type" : "刺客"
}
{
"_id" : ObjectId("5d2e0720614bec7ca4687795"),
"h_name" : "妲己",
"h_skill" : "女王崇拜",
"h_attack" : 1200,
"h_blood" : 750,
"h_type" : "法師"
}
例如：按照英雄型別分組，進行統計個數
> db.heros.aggregate([{$group:{_id:"$h_type",counter:{$sum:1}}}])
{ "_id" : "刺客", "counter" : 2 }
{ "_id" : "法師", "counter" : 1 }
{ "_id" : "射手", "counter" : 1 }
>
Group by null：將集合中所有文件分為一組
例如：求英雄的從攻擊力和平均血量
> db.heros.aggregate([{$group:{_id:null,h_attacks:{$sum:"$h_attack"},avgh_blood:{$avg:"$h_blood"}}}])
{ "_id" : null, "h_attacks" : 4900, "avgh_blood" : 825 }
>
透視資料
只查詢英雄型別和名字
> db.heros.aggregate([{$group:{_id:"$h_type",name:{$push:"$h_name"}}}])
{ "_id" : "刺客", "name" : [ "李白", "韓信" ] }
{ "_id" : "法師", "name" : [ "妲己" ] }
{ "_id" : "射手", "name" : [ "後裔" ] }
>
- 使用$$ROOT可以將文件內容加入到結果集的陣列中，程式碼如下
> db.heros.aggregate([{$group:{_id:"h_type",name:{$push:"$$ROOT"}}}]).pretty()
{
"_id" : "h_type",
"name" : [
{
"_id" : ObjectId("5d2e0647614bec7ca4687792"),
"h_name" : "後裔",
"h_skill" : "懲戒之劍",
"h_attack" : 1000,
"h_blood" : 800,
"h_type" : "射手"
},
{
"_id" : ObjectId("5d2e0685614bec7ca4687793"),
"h_name" : "李白",
"h_skill" : "青蓮劍仙",
"h_attack" : 1400,
"h_blood" : 900,
"h_type" : "刺客"
},
{
"_id" : ObjectId("5d2e06d6614bec7ca4687794"),
"h_name" : "韓信",
"h_skill" : "國士無雙",
"h_attack" : 1300,
"h_blood" : 850,
"h_type" : "刺客"
},
{
"_id" : ObjectId("5d2e0720614bec7ca4687795"),
"h_name" : "妲己",
"h_skill" : "女王崇拜",
"h_attack" : 1200,
"h_blood" : 750,
"h_type" : "法師"
}
]
}
>
四、$match
- 用於過濾資料，只輸出符合條件的文件
- 使用MongoDB的標準查詢操作
例如：查詢攻擊力大於1200
> db.heros.aggregate([{$match:{"h_attack":{$gt:1200}}}])
{ "_id" : ObjectId("5d2e0685614bec7ca4687793"), "h_name" : "李白", "h_skill" : "青蓮劍仙", "h_attack" : 1400, "h_blood" : 900, "h_type" : "刺客" }
{ "_id" : ObjectId("5d2e06d6614bec7ca4687794"), "h_name" : "韓信", "h_skill" : "國士無雙", "h_attack" : 1300, "h_blood" : 850, "h_type" : "刺客" }
>
五、$project
- 修改輸入文件的結構，如重新命名、增加、刪除欄位、建立計算結果
- 輸出結果和投影效果差不多
> db.heros.aggregate([{$project:{_id:0,h_name:1,h_skill:1}}])
{ "h_name" : "後裔", "h_skill" : "懲戒之劍" }
{ "h_name" : "李白", "h_skill" : "青蓮劍仙" }
{ "h_name" : "韓信", "h_skill" : "國士無雙" }
{ "h_name" : "妲己", "h_skill" : "女王崇拜" }
>
六、$unwind
- 將文件中的某一個數組型別欄位拆分成多條，每條包含陣列中的一個值
語法1
對某欄位值進行拆分
db.集合名稱.aggregate([{$unwind:'$欄位名稱'}])
例如：
db.t2.insert({_id:1,item:'t-shirt',size:['S','M','L']})
查詢：
> db.t2.aggregate([{$unwind:'$size'}])
{ "_id" : 1, "item" : "t-shirt", "size" : "S" }
{ "_id" : 1, "item" : "t-shirt", "size" : "M" }
{ "_id" : 1, "item" : "t-shirt", "size" : "L" }
>
語法2
- 對某欄位值進行拆分
- 處理空陣列、非陣列、無欄位、null情況
db.inventory.aggregate([{
$unwind:{
path:'$欄位名稱',
preserveNullAndEmptyArrays:<boolean>#防止資料丟失
}
}])
- 構造資料
db.t3.insert([
{ "_id" : 1, "item" : "a", "size": [ "S", "M", "L"] },
{ "_id" : 2, "item" : "b", "size" : [ ] },
{ "_id" : 3, "item" : "c", "size": "M" },
{ "_id" : 4, "item" : "d" },
{ "_id" : 5, "item" : "e", "size" : null }
])
- 使用語法1查詢
> db.t3.find().pretty()
{ "_id" : 1, "item" : "a", "size" : [ "S", "M", "L" ] }
{ "_id" : 2, "item" : "b", "size" : [ ] }
{ "_id" : 3, "item" : "c", "size" : "M" }
{ "_id" : 4, "item" : "d" }
{ "_id" : 5, "item" : "e", "size" : null }
> db.t3.aggregate([{$unwind:'$size'}])
{ "_id" : 1, "item" : "a", "size" : "S" }
{ "_id" : 1, "item" : "a", "size" : "M" }
{ "_id" : 1, "item" : "a", "size" : "L" }
{ "_id" : 3, "item" : "c", "size" : "M" }
>
- 檢視查詢結果，發現對於空陣列、無欄位、null的文件，都被丟棄了
使用語法2查詢不會丟棄空陣列，無欄位，null的文件
> db.t3.aggregate([{$unwind:{path:'$sizes',preserveNullAndEmptyArrays:true}}])
{ "_id" : 1, "item" : "a", "size" : [ "S", "M", "L" ] }
{ "_id" : 2, "item" : "b", "size" : [ ] }
{ "_id" : 3, "item" : "c", "size" : "M" }
{ "_id" : 4, "item" : "d" }
{ "_id" : 5, "item" : "e", "size" : null }
>
&n