0)mongo :通过客户端连接mongodb数据库
1)show dbs ---显示当前所创建的数据库
2)use test ---创建或切换数据库
3)db.dropDatabase() --删除当前数据库
3)show collections: 显示当前数据库所创建的集合（表）
4)exit：退出mongodb客户端
5)mongodb的安装：
一、Mogodb开篇：基础入门增删改查
MongoDB的优点：
1)内置Sharding:提供基于Range的Auto Sharding机制：一个collection可按照记录的范围，
分成若干个段，切分到不同的Shard上。适当的时候可以无痛的升级
2)支持分布式，性能优越
在使用场合下，千万级别的文档对象，近10G的数据，对有索引的ID的查询不会比mysql慢，
而对非索引字段的查询，则是全面胜出。 mysql实际无法胜任大数据量下任意字段的查询，
而mongodb的查询性能实在惊讶。写入性能同样很令人满意，同样写入百万级别的数 据，
基本10分钟以下可以解决
mongodb中有三元素：数据库,集合,文档,其中“集合”,就是对应关系数据库中的“表”,“文档”对应“行”。
下载
上MongoDB官网 ，我们发现有32bit和64bit，这个就要看你系统了，不过这里有两点注意：
①：根据业界规则,偶数为“稳定版”（如：1.6.X，1.8.X）,奇数为“开发版”（如：1.7.X，1.9.X)，
这两个版本的区别相信大家都知道吧。
②：32bit的mongodb最大只能存放2G的数据，64bit就没有限制
启动
启动之前，我们要给mongodb指定一个文件夹，这里取名为”db",用来存放mongodb的数据
然后运行mongod开启命令，同时用--dbpath指定数据存放地点为“db”文件夹。
例子：mongod --dbpath=e:\mongodb\db
最后要看下是否开启成功，从图中的信息中获知，mongodb采用27017端口，
那么我们就在浏览器里面键入“http://localhost:27017/”
基本操作
由于是开篇，就大概的说下基本的“增删查改“，我们再开一个cmd，输入mongo命令打开shell，
其实这个shell就是mongodb的客户端，同时也是一个js的编译器，默认连接的是“test”数据库
1)insert操作
db.person.insert({"name":"lxg","age":20})
数据库有了,下一步就是集合,这里就取集合名为“person”,要注意的是文档是一个json的扩展(Bson)形式
2)find操作
db.person.find({"name":"lxg"});
我们将数据插入后，肯定是要find出来这里要注意两点：
“_id"： 这个字段是数据库默认给我们加的GUID，目的就是保证数据的唯一性
3)update操作
db.person.update({"name":"lxg"},{"name":"wr","age":20})
update方法的第一个参数为“查找的条件”，第二个参数为“更新的值”
4)remove操作
db.person.remove({"name":"lxg"})
remove中如果不带参数将删除所有数据，呵呵，很危险的操作，在mongodb中是一个不可撤回的操作
二、MongoDB第二篇：细说增删改查
1)Insert操作
常见的插入操作也就两种形式存在：“单条插入”和“批量插入”
单条插入
先前也说了，mongo命令打开的是一个javascript shell。所以js的语法在这里面都行得通，
看起来是不是很牛X。
var single={"name":"lxg"}
db.user.insert(single);
2)Find操作
日常开发中，我们玩查询，玩的最多的也就是二类：
①： >, >=, <, <=, !=, =。
②：And，OR，In，NotIn
这些操作在mongodb里面都封装好了，下面就一一介绍：
<1>"$gt", "$gte", "$lt", "$lte", "$ne", "没有特殊关键字"这些跟上面是一一对应的举几个例子
db.user.find({"age":{$lt:22}})
<2> "无关键字“, "$or", "$in"，"$nin" 同样我也是举几个例子
db.user.find({"name":"lxg","age":20})
db.user.find($or,[{"name":"lxg"},{"name":"wr"}])
db.user.find({"name":{$in:["lxg","wr"]}})
db.user.find({"name":{$nin:["lxg","wr"]}})
<3> 在mongodb中还有一个特殊的匹配，那就是“正则表达式”，这玩意威力很强的
db.user.find({"name":/^j/,"name":/e$/})
<4> 有时查询很复杂，很蛋疼，不过没关系，mongodb给我们祭出了大招，它就是$where，
为什么这么说，是因为$where中的value就是我们非常熟悉，非常热爱的js来助我们一马平川
db.user.find({$where:function(){return this.name ==‘jack‘}})
3)Update操作:更新操作无非也就两种，整体更新和局部更新
我在上一篇使用update的时候，其实那种update是属于整体更新
局部更新:有时候我们仅仅需要更新一个字段，而不是整体更新
① $inc修改器:$inc也就是increase的缩写
db.user.update({"name":"jack"},{$inc:{"age":30}})
② $set修改器
db.user.update({"name":"jack"},{$set:{"age":10}})
<3> upsert操作
这个可是mongodb创造出来的“词”，大家还记得update方法的第一次参数是“查询条件”吗？
那么这个upsert操作就是说：如果没查到，就在数据库里面新增一条，其实这样也有好处，
就是避免了我在数据库里面判断是update还是add操作，使用起来很简单将update的第三
个参数设为true即可
db.user.update({"name":"jack"},{$inc:{"age":1},true}) --如果查询不到就添加一条记录
<4> 批量更新
在mongodb中如果匹配多条，默认的情况下只更新第一条，那么如果我们有需求必须批量更新，
那么在mongodb中实现也是很简单的，在update的第四个参数中设为true即可。例子就不举了
三、Mogodb第三篇：细说高级操作
聚合:常见的聚合操作跟oracle一样，有：count，distinct，group，mapReduce
<1> count:它的使用跟sql里面的使用一样
db.person.count()
db.person.count({"age":20})
<2> distinct:指定了谁，谁就不能重复
db.person.distinct("age")
结果：[20,22,26]
<3> group
在mongodb里面做group操作有点小复杂，不过大家对oracle里面的group比较熟悉的话还是一眼能看的明白的，
其实group操作本质上形成了一种“k-v”模型，就像C#中的Dictionary，好，有了这种思维，
我们来看看如何使用group
下面举的例子就是按照age进行group操作，value为对应age的姓名。下面对这些参数介绍一下：
key： 这个就是分组的key，我们这里是对年龄分组。
initial: 每组都分享一个”初始化函数“，特别注意：是每一组，比如这个的age=20的value的list分享一个
initial函数，age=22同样也分享一个initial函数。
$reduce: 这个函数的第一个参数是当前的文档对象，第二个参数是上一次function操作的累计对象，第一次
为initial中的{”perosn“：[]}。有多少个文档， $reduce就会调用多少次
db.person.group({
"key":{"age":true},
"initial":{"person":[]},
"reduce":function(cur,prev){
prev.person.push(cur.name);
}
})
结果：
[
{"age":20,
"person":[
"lxg",
"wr",
"lisi"
]
},
{"age":22,
"person":[
"jialiu",
"zs"
]
}
]
看到上面的结果，是不是有点感觉，我们通过age查看到了相应的name人员，不过有时我们可能有如下的要求：
①：想过滤掉age>25一些人员。
②：有时person数组里面的人员太多，我想加上一个count属性标明一下。
针对上面的需求,在group里面还是很好办到的,因为group有这么两个可选参数: condition 和 finalize
condition: 这个就是过滤条件。
finalize:这是个函数,每一组文档执行完后,多会触发此方法,那么在每组集合里面加上count也就是它的活了
db.person.group(
{"key":{"age":true},
"initial":{"person":[]},
"reduce":function(doc,out){
out.person.push(doc.name);
},
"finalize":function(out){
out.count=out.person.length;
},
"condition":{"age":{$lt:25}}
})
<4> mapReduce
这玩意算是聚合函数中最复杂的了,不过复杂也好,越复杂就越灵活。
mapReduce其实是一种编程模型,用在分布式计算中,其中有一个“map”函数,一个”reduce“函数
① map：这个称为映射函数里面会调用emit(key,value),集合会按照你指定的key进行映射分组
② reduce：这个称为简化函数，会对map分组后的数据进行分组简化，注意：在
reduce(key,value)中的key就是emit中的key，vlaue为emit分组后的emit(value)的集合，
这里也就是很多{"count":1}的数组
③ mapReduce:这个就是最后执行的函数了，参数为map，reduce和一些可选参数
游标
mongodb里面的游标有点类似我们说的C#里面延迟执行，比如：
var list=db.person.find();
针对这样的操作,list其实并没有获取到person中的文档,而是申明一个“查询结构”,等我们需要的时候通过
for或next()一次性加载过来,然后让游标逐行读取,当我们枚举完了之后,游标销毁,之后我们在通过
list获取时发现没有数据返回了
var list =db.person.find();
list.forEach(function(x){
print(x.name);
})
--上面代码执行完后，你在执行list,发现list中已经没有数据了；
当然我们的“查询构造”还可以搞的复杂点，比如分页，排序都可以加进去
var single=db.person.find().sort({"name",1}).skip(2).limit(2);
那么这样的“查询构造”可以在我们需要执行的时候执行，大大提高了不必要的花销
四、mongoDB第四篇：索引的基本操作
我们日常做开发都避免不了要对程序进行性能优化，而程序的操作无非就是CURD，
通常我们又会花费50%的时间在R上面，因为Read操作对用户来说是非常敏感的，处
理不好就会被人唾弃，呵呵.从算法上来说有5种经典的查找,这其中就包括我们今天
所说的“索引查找”,如果大家对oracle比较了解的话,相信索引查找能给我们带来什么
样的性能提升吧。我们首先插入10w数据，上图说话：
db.person.remove()
for(var i=0;i<100000;i++){
var rand=parseInt(i*Math.random());
db.person.insert({"name":"lxg"+i,"age":i});
}
(1)性能分析函数（explain）
好了，数据已经插入成功，既然我们要做分析，肯定要有分析的工具，幸好mongodb中
给我们提供了一个关键字叫做“explain"，那么怎么用呢？还是看图，注意，这里的name
字段没有建立任何索引，这里我就查询一个“name10000”的姓名。
db.person.find({"name":"lxg"+10000}).explain()
结果：
{
"cursor":"BasicCursor",
"nscanned":100000,
"nscanedObjects":100000,
"n":1,
"millis":114
}
仔细看红色区域，有几个我们关心的key。
cursor: 这里出现的是”BasicCursor",什么意思呢，就是说这里的查找采用的是“表扫描”,
也就是顺序查找，很悲催啊。
nscanned: 这里是10w,也就是说数据库浏览了10w个文档,很恐怖吧,这样玩让人受不了
n: 这里是1，也就是最终返回了1个文档。
millis: 这个就是我们最最最....关心的东西，总共耗时114毫秒。
(2)建立索引（ensureIndex）
在10w条这么简单的集合中查找一个文档要114毫秒有一点点让人不能接收，好，那么我们
该如何优化呢？mongodb中给我们带来了索引查找，看看能不能让我们的查询一飞冲天.
db.person.ensureIndex({"name":1})
db.person.find({"name":"lxg"+100000}).explain()
结果：
{
"cursor":"BtreeCursor name_1",
"nscanned":1,
"nscannedObjects":1,
"n":1,
"millis":1
"nYields":0
}
这里我们使用了ensureIndex在name上建立了索引。
”1“：表示按照name进行升序，”-1“：表示按照name进行降序。
我的神啊，再来看看这些敏感信息。
cursor: 这里出现的是”BtreeCursor",牛,mongodb采用B树的结构来存放索引,索引名为“name_1"
nscanned: 我擦，数据库只浏览了一个文档就OK了。
n: 直接定位返回。
millis: 看看这个时间真的不敢相信，秒秒杀。
(3)唯一索引
和sqlserver一样可以建立唯一索引,重复的键值自然就不能插入,在mongodb中的使用方法是：
db.person.ensureIndex({"name":1},{"unique":true})
(4)组合索引
有时候我们的查询不是单条件的,可能是多条件,比如查找出生在‘1989-3-2’名字叫‘jack’的同学,
那么我们可以建立“姓名”和"生日“的联合索引来加速查询
db.person.ensureIndex({"name":1,"birthday":1})
db.person.ensureIndex({"birthday":1,"name":1})
看上图，大家或者也知道name跟birthday的不同，建立的索引也不同，升序和降序的顺序不同
都会产生不同的索引,那么我们可以用getIndexes来查看下person集合中到底生成了那些索引。
db.person.getIndexes()
此时我们肯定很好奇，到底查询优化器会使用哪个查询作为操作，呵呵，还是看看效果图
db.person.find({"birthday":"1989-3-2","name":"jack"}).explain()
看完上图我们要相信查询优化器，它给我们做出的选择往往是最优的，因为我们做查询时，查
询优化器会使用我们建立的这些索引来创建查询方案
MongoDB的Hints
如果某一个先执行完则其他查询方案被close掉，这种方案会被mongodb保存起来，
当然如果非要用自己指定的查询方案，这也是可以的，在mongodb中给我们提供
了hint方法让我们可以暴力执行
db.person.find({"birthday":"1989-3-2","name":"jack"})
.hint({"birthday":1,"name":1}).explain()
删除索引
可能随着业务需求的变化，原先建立的索引可能没有必要了,索引会降低CUD这三
种操作的性能，因为idex需要实时维护，所以问题要综合考虑，这里就把刚才建立的索
引清掉来演示一下:dropIndexes的使用
db.person.dropIndexes("name_1")
db.person.dropIndexes("name_1_birthday_1")
db.person.dropIndexes("birthday_1_name_1")
db.person.getIndexes()
五、mongoDB第五篇：JAVA的基本操作
引入jar
org.mongodb.mongo-java-driver
com.google.code.gson.Gson
protected void _insert(Object insertObject){
DBCollection collection=getCollection();
if(collection==null){
return;
}
collection.insert(insertObject);
}
建立SimpleTest.java，完成简单的mongoDB数据库操作
Mongo mongo = new Mongo();
这就创建了一个MongoDB的数据库连接对象，它默认连接到当前机器的localhost地址，端口是27017。
DB db = mongo.getDB(“test”);
这样就获得了一个test的数据库,如mongoDB中没有创建这个数据库也是可以正常运行的,mongoDB可以
在没有创建这个数据库的情况下,完成数据的添加操作,当添加的时候，没有这个库，mongoDB会自动创
建当前数据库。得到了db，下一步我们要获取一个“聚集集合DBCollection”，通过db对象的getCollection
方法来完成。DBCollection users = db.getCollection("users");
这样就获得了一个DBCollection，它相当于我们数据库的“表”。
查询所有数据
DBCursor cur = users.find();
while (cur.hasNext()) {
System.out.println(cur.next());
}
六、相关文档
http://blog.csdn.net/liuzhoulong/article/category/774845
http://book.51cto.com/art/201211/363567.htm
http://www.cnblogs.com/hoojo/archive/2011/06/02/2068665.html --java操作
七、mongoDB最新版本3.0
- TJ:唐建法，mongoDB方案架构师
Mongo是拉丁文humongous：巨大，大数据
MongoDB是什么？开源数据库，OLTR定位通用数据库，它灵活的文档
mongoDB总部在美国纽约硅谷
最大特点：
文档模型{JSON},灵活自然的文档
客户端---》服务器---》》数据库，三层之间传递的数据都是json文档模型
维护开发都很方便
- 高可用的复制集群replicaSet
mongoDB部署时，要求配置集群，至少一主二从
具体使用场景：
1） 数据持久化
2） 读写分离
3） 容灾---》金融行业
- 水平扩展的分片集群：将数据分为多个片shard,每一个片为一个数据库
具体使用场景：
- 性能扩展：新一代大数据应用需求，解决高并发量问题
- 地理位置分布
- 快速恢复：比如一个项目代表或文件非常大，如果以文件的形式进行复制，复制是相当慢的；如果将其分成多个片进行保存到mongoDB中，回复时就可以用多线程的方式进行恢复；
- MongoDB3.0特性
- 写性能up 7-10%
- 压缩 30-80%
- 运维up opsManagers,
- 3.0引入wiredTiger引擎，无锁的并发控制
- 2.6之前的版本只有一种存储引擎，之后有多种引擎---》不同引擎有不同的侧重点，根据需求进行选择；如有侧重读的，有侧重写的，还有侧重缓存的。。。
- 性能指标：并发量和相应延迟
- 高并发写：是3.0的一大特点;引用场景，物联网应用，比如国外卖车险时，会提供一个客户端软件，插入车上，你的实时信息都会反馈给保险公司，会对你的行为进行分析，若果你安装了，就优惠30%；所以在国外，相同款的车，可能保费相差甚远；这些数据都是实时反馈到大数据中心的；
- MongoDB的压缩
- 默认使用SNAPPY进行压缩，压缩率不高，但速度快
- Zlib:压缩率高，用时多些
需要根据需求进行选择
- mongoDB使用哪些场景：
异构，半结构/无结构数据，海量数据，高并发量，弱事务
1)异构：比如多套系统要进行合并，各个DB模型都不相同，如何合并能，使用document模型