python資料庫-mongoDB的高階查詢操作(55)

Se7eN_HOU發表於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陣列中
$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

將文件中的某一個陣列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 }
>

python資料庫-MySQL資料庫高階查詢操作(51)
2019-07-11
Python資料庫MySql
資料庫高階查詢之子查詢
2018-07-15
資料庫
Mongodb高階查詢
2020-01-21
MongoDB
❖ MongoDB 高階查詢
2019-01-12
MongoDB
Python全棧 MongoDB 資料庫（資料的查詢）
2018-08-22
Python全棧MongoDB資料庫
Python全棧MongoDB資料庫（資料的查詢）
2018-08-20
Python全棧MongoDB資料庫
MongoDB之資料查詢操作
2017-08-24
MongoDB
MongoDB高階查詢詳細
2015-07-13
MongoDB
資料庫——基礎（資料庫操作，表格操作）——增加高階查詢
2016-01-15
資料庫
Python操作Mongodb資料庫
2021-04-29
PythonMongoDB資料庫
MongoDB資料庫中查詢資料(下)
2018-06-25
MongoDB資料庫
在MongoDB資料庫中查詢資料(上)
2018-06-23
MongoDB資料庫
Python操作MongoDB文件資料庫
2019-05-09
PythonMongoDB資料庫
Python資料庫MongoDB騷操作
2018-11-07
Python資料庫MongoDB
Python 資料庫騷操作 -- MongoDB
2018-11-07
Python資料庫MongoDB
高階查詢
2018-11-14
MongoDB 資料庫操作
2021-07-28
MongoDB資料庫
mongodb資料庫操作
2020-11-16
MongoDB資料庫
mongoDB高階查詢這一篇就夠了
2018-11-05
MongoDB
cmdb 查詢資料庫操作記錄
2020-08-14
資料庫
Python高階 -- 07 MySQL資料庫
2018-03-14
PythonMySql資料庫
MySQL(三) 資料庫表的查詢操作【重要】
2016-12-10
MySql資料庫
nodejs操作mongodb資料庫（mongodb）
2017-04-08
NodeJSMongoDB資料庫
MongoDB之資料查詢（資料排序）
2017-08-24
MongoDB排序
SQL高階查詢
2019-05-30
SQL
資料庫資料的查詢----連線查詢
2017-08-12
資料庫
插入查詢資料的操作
2017-04-01
MongoDB資料庫的基本操作梳理
2019-04-13
MongoDB資料庫
SQL的資料庫操作：新增、更新、刪除、查詢
2021-09-09
SQL資料庫
MongoDB 操作文件查詢文件
2021-07-29
MongoDB
day95:flask:SQLAlchemy資料庫查詢進階&關聯查詢
2020-11-23
FlaskSQL資料庫
MongoDB之資料查詢（陣列）
2017-08-29
MongoDB陣列
MongoDB資料庫基礎操作
2017-07-17
MongoDB資料庫
Python3.5使用pymongo(3.3.1)操作mongodb資料庫
2016-11-07
PythonMongoDB資料庫
資料庫查詢
2012-10-10
資料庫
LINUX find的高階查詢
2014-05-19
Linux
資料庫 - 資料查詢
2015-05-05
資料庫
SpringBoot操作ES進行各種高階查詢
2019-08-12
Spring Boot