NoSQL(NoSQL = Not Only SQL )，意即"不仅仅是SQL"。
MongoDB是一个基于文档的 NoSQL 数据库，它使用类似 JSON 的文档模型存储数据，这使得数据存储变得非常灵活。
非关系数据库当中功能最丰富，最像关系数据库的。
历史
MongoDB 最初是由 10gen 公司于 2007 年开发的，最初目标是打造一个平台即服务（PaaS）产品。
在开发过程中，他们意识到当时市场缺乏一个现代化、面向互联网应用的数据库，于是把精力从平台转向数据库，最终在 2009 年 开源了 MongoDB。
MongoDB 来自 “humongous” 的简写，意思是“庞大的”，代表它面向大规模数据应用。
介绍
MongoDB 的设计理念是为了应对大数据量、高性能和灵活性需求，数据以类似 JSON 的文档形式存储：
BSON：Binary JSON 的缩写，是 MongoDB 用来存储和传输文档的二进制形式的 JSON。
使用
DDL
指定/创建/删除 数据库
（如果该数据库不存在，MongoDB将自动创建它。）
> use DATABASE_NAME
switched to db runoob
> db
runoob
db是显示当前数据库名称
默认是 test 数据库。
db.dropDatabase() 将删除当前正在使用的 myDatabase 数据库及其所有集合
查看所有数据库
> show dbs
admin 0.000GB
config 0.000GB
local 0.000GB
创建集合
db.createCollection("myNewCollection")
DML
插入文档
所有存储在集合中的数据都是 BSON 格式。
插入单个
db.collection.insertOne(document, options)
- document：要插入的单个文档。【如果__id已存在，会更新】
- options（可选）：一个可选参数对象，可以包含 writeConcern 和 bypassDocumentValidation 等。
db.myCollection.insertOne({
name: "Alice",
age: 25,
city: "New York"
});
返回：
{
"acknowledged": true,
"insertedId": ObjectId("60c72b2f9b1d8b5a5f8e2b2d")
}
插入多个
db.collection.insertMany(documents, options)
- documents：要插入的文档数组。
- options（可选）：一个可选参数对象，可以包含 ordered、writeConcern 和 bypassDocumentValidation 等。
db.myCollection.insertMany([
{ name: "Bob", age: 30, city: "Los Angeles" },
{ name: "Charlie", age: 35, city: "Chicago" }
]);
返回结果：
{
"acknowledged": true,
"insertedIds": [
ObjectId("60c72b2f9b1d8b5a5f8e2b2e"),
ObjectId("60c72b2f9b1d8b5a5f8e2b2f")
]
}
查询 DQL
db.collection.find(query, projection)
- query：用于查找文档的查询条件。默认为 {}，即匹配所有文档。
- projection（可选）：指定返回结果中包含或排除的字段。
查找所有文档： db.myCollection.find(); (findOne() 只返回第一个。)
按条件查找：db.myCollection.find({ age: { $gt: 25 } });
按条件查找，并只返回指定字段：
db.myCollection.find(
{ age: { $gt: 25 } },
{ name: 1, age: 1, _id: 0 }
);
后缀加 .pretty() 进行格式化：
db.col.find().pretty()
{
"_id" : ObjectId("56063f17ade2f21f36b03133"),
"title" : "MongoDB 教程",
"description" : "MongoDB 是一个 Nosql 数据库",
"by" : "菜鸟教程",
"url" : "http://www.runoob.com",
"tags" : [
"mongodb",
"database",
"NoSQL"
],
"likes" : 100
}
使用比较操作符： $gt、$lt、$gte、$lte、$eq、$ne
（很好懂，great than, … , not equal等）
查找年龄大于 25 的文档: $gt
db.myCollection.find({ age: { $gt: 25 } });
使用逻辑操作符： $and、$or、$not、$nor
查找年龄大于 25 且城市为 “New York” 的文档: $and
db.myCollection.find({
$and: [
{ age: { $gt: 25 } },
{ city: "New York" }
]
});
使用正则表达式
查找名字以 “A” 开头的文档：
db.myCollection.find({ name: /^A/ });
投影
只返回名字和年龄字段： 其实就是 , 后面的 {}
db.myCollection.find(
{ age: { $gt: 25 } },
{ name: 1, age: 1, _id: 0 }
);
排序
按年龄降序排序： sort
db.myCollection.find().sort({ age: -1 });
limit
//返回前 10 个文档：
db.myCollection.find().limit(10);
//跳过前 5 个文档，返回接下来的 10 个文档：
db.myCollection.find().skip(5).limit(10);
查找年龄大于 25 且城市为 “New York” 的文档，只返回名字和年龄字段，按年龄降序排序，并返回前 10 个文档：
db.myCollection.find(
{
$and: [
{ age: { $gt: 25 } },
{ city: "New York" }
]
},
{ name: 1, age: 1, _id: 0 }
).sort({ age: -1 }).limit(10);
【索引】
MongoDB中使用 B+树 数据结构存储索引
如果文档中包含索引字段，就会插入 B+ 树索引中；如果缺少索引字段，MongoDB 会将缺失字段视为 null 插入索引 （是稀疏索引就不插入了，适合过滤）
索引存储在一个易于遍历读取的数据集合中，索引是对数据库表中一列或多列的值进行排序的一种结构。
索引类型：
- 单字段索引：基于单个字段的索引。
- 复合索引：基于多个字段组合的索引。
- 文本索引：用于支持全文搜索。
- 地理空间索引：用于地理空间数据的查询。
- 哈希索引：用于对字段值进行哈希处理的索引。
创建索引
db.<collection>.createIndex( keys, options )
options:
- unique：如果设置为 true，则创建唯一索引，确保索引字段的值在集合中是唯一的。
- background：如果设置为 true，则索引创建过程在后台运行，不影响其他数据库操作。
- name：指定索引名称，如果不指定，MongoDB 会根据索引的字段自动生成一个名称。
- sparse：如果设置为 true，创建稀疏索引，只索引那些包含索引字段的文档。
- expireAfterSeconds：设置索引字段的过期时间，MongoDB 将自动删除过期的文档。
- v：索引版本，通常不需要手动设置。
- weights：为文本索引指定权重。
// 创建 age 字段的升序索引
db.myCollection.createIndex({ age: 1 });
// 降序
db.myCollection.createIndex({ age: -1 });
// 先按 age 降序，再按 name 升序排序 【对于经常一起使用的字段，考虑创建复合索引以提高查询效率。】
db.myCollection.createIndex({ age: -1, name: 1 });
// 创建 name 字段的文本索引 【文本索引只支持 "text" 类型，不支持使用 1 或 -1。】
db.myCollection.createIndex({ name: "text" });
// 创建唯一索引
db.collection.createIndex( { field: 1 }, { unique: true } )
// 创建后台运行的索引
db.collection.createIndex( { field: 1 }, { background: true } )
// 创建稀疏索引
db.collection.createIndex( { field: 1 }, { sparse: true } )
// 创建文本索引并指定权重
db.collection.createIndex( { field: "text" }, { weights: { field: 10 } } )
创建地理空间索引
对于存储地理位置数据的字段，可以使用 2dsphere 或 2d 索引类型来创建地理空间索引。
// 2dsphere 索引，适用于球形地理数据
db.collection.createIndex( { location: "2dsphere" } )
// 2d 索引，适用于平面地理数据
db.collection.createIndex( { location: "2d" } )
从 MongoDB 3.2 版本开始，可以使用哈希索引对字段进行哈希，以支持大范围的数值查找。
db.collection.createIndex( { field: "hashed" } )
删除索引：
// 删除指定的索引
db.collection.dropIndex( "indexName" )
// 删除所有索引
db.collection.dropIndexes()
聚合
MongoDB 中聚合(aggregate)主要用于处理数据(诸如统计平均值，求和等)，并返回计算后的数据结果。
有点类似 SQL 语句中的 count(*)。