MongoDB更新文档

3.4 MongoDB更新文档

MongoDB 使用 update()save() 方法来更新集合中的文档。

update() 更新

update() 方法用于更新已存在的文档。语法格式如下:

java 复制代码
db.collection.update(
   <query>,
   <update>,
   {
     upsert: <boolean>,
     multi: <boolean>,
     writeConcern: <document>
   }
)

参数说明:

  • query : update的查询条件,类似sql update查询内where后面的。

  • update : update的对象和一些更新的操作符(如,inc...)等,也可以理解为sql update查询内set后面的

  • upsert : 可选,这个参数的意思是,如果不存在update的记录,是否插入objNew,true为插入,默认是false,不插入。

  • multi : 可选,mongodb 默认是false,只更新找到的第一条记录,如果这个参数为true,就把按条件查出来多条记录全部更新。

  • writeConcern :可选,抛出异常的级别。

html 复制代码
-- 更新name值shanjige为sjg
> db.myTable.update({"name":"shanjige"},{$set:{"name":"sjg"}})
WriteResult({ "nMatched" : 1, "nUpserted" : 0, "nModified" : 1 })

save() 更新

save() 方法通过传入的文档来替换已有文档,_id 主键存在就更新,不存在就插入。语法格式如下:

复制代码
db.collection.save(
   <document>,
   {
     writeConcern: <document>
   }
)

参数说明:

  • document : 文档数据。

  • writeConcern :可选,抛出异常的级别。

复制代码
-- 更新文档name值renzha为rz
> db.myTable.save({ "_id" : ObjectId("62a46eae4c256eb2b320f20c"), "id" : 5, "name" : "rz", "address" : "tangshan" })
WriteResult({ "nMatched" : 1, "nUpserted" : 0, "nModified" : 1 })
​
-- 格式化查询myTable所有数据
> db.myTable.find().pretty()
{
    "_id" : ObjectId("62a46dee4c256eb2b320f208"),
    "id" : 1,
    "name" : "goudan",
    "address" : "beijing"
}
{
    "_id" : ObjectId("62a46e194c256eb2b320f209"),
    "id" : 2,
    "name" : "mz",
    "address" : "beijing"
}
{
    "_id" : ObjectId("62a46e644c256eb2b320f20a"),
    "id" : 3,
    "name" : "sjg",
    "address" : "beijing"
}
{
    "_id" : ObjectId("62a46e644c256eb2b320f20b"),
    "id" : 4,
    "name" : "haonan",
    "address" : "jianshazui"
}
{
    "_id" : ObjectId("62a46eae4c256eb2b320f20c"),
    "id" : 5,
    "name" : "rz",
    "address" : "tangshan"
}

MongoDB为什么要更新文档

  1. 数据的变化:随着业务的发展和用户需求的变化,文档中的数据也会发生变化,因此需要更新文档来反映最新的信息。

  2. 数据的完整性:更新文档可以确保数据的完整性,避免数据的不一致性和错误。

  3. 数据的准确性:及时更新文档可以确保数据的准确性,使得数据库中的信息始终保持最新状态。

  4. 业务需求:更新文档可以满足新的业务需求,使得数据库能够支持更多的功能和应用场景。

  5. 性能优化:更新文档可以优化数据库的性能,提高数据的访问速度和查询效率。

总之,更新文档可以保持数据库中的数据与实际情况保持一致,满足业务需求,并优化数据库的性能。

Guff_hys_python数据结构,大数据开发学习,python实训项目-CSDN博客

相关推荐
010不二18 小时前
基于Appium爬虫文本导出可话个人动态
数据库·爬虫·python·appium
H_BB18 小时前
LRU缓存
数据结构·c++·算法·缓存
火山引擎开发者社区18 小时前
云数据库 MySQL 2025 运维革新:大版本升级无忧+蓝绿零停机+存储自动扩容全覆盖
运维·数据库·mysql
杜子不疼.19 小时前
Spring AI 与向量数据库:构建企业级 RAG 智能问答系统
数据库·人工智能·spring
山峰哥19 小时前
Python爬虫实战:从零构建高效数据采集系统
开发语言·数据库·爬虫·python·性能优化·架构
历程里程碑20 小时前
LeetCode热题11:盛水容器双指针妙解
c语言·数据结构·c++·经验分享·算法·leetcode·职场和发展
_OP_CHEN20 小时前
【C++数据结构进阶】从B + 树 / B * 树到数据库索引:B树的进化之路与 MySQL 实战解析
数据结构·数据库·b树·mysql·innodb·b+树·mylsam
云老大TG:@yunlaoda3601 天前
华为云国际站代理商TaurusDB的成本优化体现在哪些方面?
大数据·网络·数据库·华为云
TG:@yunlaoda360 云老大1 天前
华为云国际站代理商GeminiDB的企业级高可用具体是如何实现的?
服务器·网络·数据库·华为云
wadesir1 天前
Rust中的条件变量详解(使用Condvar的wait方法实现线程同步)
开发语言·算法·rust