MongoDB

MongoDB是目前最主流的文档型NoSQL数据库，简单说就是"以JSON格式存数据的数据库"，不用提前建表、改结构灵活，特别适配快速迭代的业务（比如电商、社交、AI场景）。下面用通俗的语言拆解它的核心概念、用法和适用场景。

一、核心定位：为啥选MongoDB？

先对比传统关系型数据库（比如MySQL），你就懂MongoDB的优势了：

维度	MySQL（关系型）	MongoDB（文档型）
数据格式	二维表（行+列），需提前建表/字段	BSON（JSON的二进制扩展），无固定结构
扩展方式	垂直扩展（升级服务器）为主	水平扩展（加服务器）为主，天然适配分布式
事务支持	强事务（ACID），支持多表事务	单文档事务（默认），4.0+支持多文档事务
查询灵活性	结构化查询，需符合表结构	支持嵌套查询、数组查询，灵活度高
适用场景	数据结构固定（比如财务、订单）	数据结构多变（比如用户画像、日志）

核心特点总结：

• 无模式（Schema-less） ：不用提前定义表结构，一条数据可以和另一条数据有完全不同的字段（比如一条用户数据有age，另一条可以没有）；
• 文档存储：单条数据是一个"文档"（类似JSON），支持嵌套（比如用户文档里嵌套地址、订单列表）；
• 高性能：内置索引、内存映射，读写速度快，支持分片（分布式存储）；
• 易扩展：从单节点到集群无缝扩容，适配亿级数据量。

二、核心概念：把MySQL术语翻译成MongoDB

新手最容易懵的是术语差异，直接对应看：

MySQL术语	MongoDB术语	大白话解释
数据库（Database）	数据库（Database）	一样！比如test_db既是MySQL库也是MongoDB库
表（Table）	集合（Collection）	存放同类文档的"容器"，相当于MySQL的表，但无结构限制
行（Row）	文档（Document）	单条数据，JSON格式（实际存BSON）
列（Column）	字段（Field）	文档里的键值对，比如"name": "张三"
主键（Primary Key）	_id字段	每个文档默认自带的唯一标识，MongoDB自动生成（也可以自定义）
索引（Index）	索引（Index）	一样！支持单字段、复合、地理空间等索引

举个例子：

MySQL里用户表（user）的一行数据：

id	name	age	address
1	张三	20	北京市朝阳区

MongoDB里user集合的一个文档（BSON格式）：

{
  "_id": ObjectId("66ff7a7b8c9d4832e078b456"), // MongoDB自动生成的唯一ID
  "name": "张三",
  "age": 20,
  "address": { // 嵌套文档
    "province": "北京",
    "city": "朝阳",
    "street": "XX路"
  },
  "hobbies": ["篮球", "游戏"] // 数组字段
}

可以看到：支持嵌套字段（address）、数组字段（hobbies），这是MySQL很难做到的（需要多表关联）。

三、核心操作：常用CRUD（大白话+示例）

先装MongoDB（本地/云服务），连接后用mongo/mongosh命令行操作，核心操作如下：

1. 数据库/集合操作

# 切换/创建数据库（不存在则自动创建）
use test_db

# 创建集合（可选，插入数据时会自动创建）
db.createCollection("user")

# 查看当前库的所有集合
show collections

# 删除集合
db.user.drop()

# 删除数据库
db.dropDatabase()

2. 插入数据（Create）

# 插入单条文档
db.user.insertOne({
  "name": "张三",
  "age": 20,
  "address": {"province": "北京", "city": "朝阳"},
  "hobbies": ["篮球", "游戏"]
})

# 插入多条文档
db.user.insertMany([
  {"name": "李四", "age": 25, "hobbies": ["读书"]},
  {"name": "王五", "age": 30, "address": {"province": "上海"}}
])

注意：插入时如果user集合不存在，会自动创建；_id字段如果不指定，MongoDB会生成唯一的ObjectId。

3. 查询数据（Read）

这是MongoDB的核心优势，支持各种灵活查询：

# 1. 查询所有文档（慎用！数据量大时会卡）
db.user.find()

# 2. 条件查询：年龄=20
db.user.find({"age": 20})

# 3. 条件查询：年龄>20（MongoDB用特殊操作符）
db.user.find({"age": {"$gt": 20}}) # $gt=大于，$lt=小于，$gte=大于等于

# 4. 嵌套文档查询：地址里的省份=北京
db.user.find({"address.province": "北京"})

# 5. 数组查询：爱好包含篮球
db.user.find({"hobbies": "篮球"})

# 6. 只返回指定字段（比如只返回name和age，_id默认返回，用0关闭）
db.user.find({"age": {"$gt": 20}}, {"name": 1, "age": 1, "_id": 0})

# 7. 排序：按年龄降序（1=升序，-1=降序）
db.user.find().sort({"age": -1})

# 8. 分页：跳过1条，取2条（对应MySQL的limit offset）
db.user.find().skip(1).limit(2)

# 9. 统计数量
db.user.countDocuments({"age": {"$gt": 20}})

4. 更新数据（Update）

# 1. 更新单条文档：把张三的年龄改成21
db.user.updateOne(
  {"name": "张三"}, # 查询条件
  {"$set": {"age": 21}} # 更新操作（$set=设置字段，不影响其他字段）
)

# 2. 更新多条文档：年龄>20的用户，添加字段"status": "active"
db.user.updateMany(
  {"age": {"$gt": 20}},
  {"$set": {"status": "active"}}
)

# 3. 替换整个文档（慎用！会覆盖所有字段，除了_id）
db.user.replaceOne(
  {"name": "张三"},
  {"name": "张三", "age": 21, "gender": "男"} # 新文档
)

5. 删除数据（Delete）

# 删除单条文档
db.user.deleteOne({"name": "张三"})

# 删除多条文档
db.user.deleteMany({"age": {"$lt": 25}})

四、核心特性：MongoDB的"杀手锏"

1. 索引：提升查询速度

和MySQL一样，没有索引的查询会全表扫描，MongoDB支持多种索引：

# 1. 创建单字段索引（年龄字段，升序）
db.user.createIndex({"age": 1})

# 2. 创建复合索引（name+age）
db.user.createIndex({"name": 1, "age": -1})

# 3. 创建唯一索引（name字段不能重复）
db.user.createIndex({"name": 1}, {"unique": true})

# 查看索引
db.user.getIndexes()

# 删除索引
db.user.dropIndex("age_1")

2. 聚合：数据统计分析

类似MySQL的group by，但功能更强，支持多阶段处理：

# 按省份统计用户数量
db.user.aggregate([
  {"$match": {"address.province": {"$exists": true}}}, # 过滤：有省份字段的文档
  {"$group": {"_id": "$address.province", "count": {"$sum": 1}}} # 分组统计
])

结果会返回：

[{"_id": "北京", "count": 1}, {"_id": "上海", "count": 1}]

3. 分片：分布式存储（处理大数据）

当单节点存不下/处理不了数据时，MongoDB可以分片（把数据拆分到多个服务器）：

• 分片键：按哪个字段拆分数据（比如按用户ID范围）；
• 分片集群：包含分片节点、配置节点、路由节点（应用只连路由节点，透明访问所有分片）。

4. 事务：保证数据一致性

MongoDB 4.0+支持多文档事务，用法类似MySQL：

# 开启事务
session = db.getMongo().startSession()
session.startTransaction()

# 事务内操作
db.user.updateOne({"name": "张三"}, {"$set": {"age": 22}}, {"session": session})
db.order.insertOne({"userId": "张三", "amount": 100}, {"session": session})

# 提交事务（失败则调用session.abortTransaction()）
session.commitTransaction()

五、适用场景&避坑点

适用场景（选MongoDB准没错）

1. 数据结构多变：比如用户画像（不同用户有不同的标签）、社交动态（朋友圈/微博）；
2. 大数据量+高并发：比如日志存储、物联网设备数据（MongoDB能扛高写入）；
3. 快速迭代的业务：创业公司/互联网产品，不用频繁改表结构；
4. 地理空间数据：比如外卖配送、打车（MongoDB支持地理索引，快速查附近的商家/司机）；
5. AI场景：存储模型训练数据、用户行为数据（结构灵活，支持批量读写）。

避坑点（别踩这些坑）

1. 不要把MongoDB当关系库用：虽然支持事务，但多表关联查询不如MySQL，复杂关联场景优先用MySQL；
2. 避免大文档：单文档最大16MB，不要存大文件（比如视频），大文件用GridFS；
3. 索引不要乱建：索引会提升查询速度，但降低写入速度，只给常用查询字段建索引；
4. 不要依赖自动分片：分片需要提前规划分片键，选不好会导致数据倾斜（某台服务器数据过多）；
5. 生产环境要集群：单节点容易单点故障，至少部署副本集（主从+仲裁，自动故障转移）。

六、总结：MongoDB核心就是"灵活+高性能"

MongoDB的设计思想是"以文档为中心"，放弃了关系型数据库的严格结构，换来极致的灵活性和扩展能力。

简单说：

• 如果你的数据结构固定、需要强事务（比如银行、财务），选MySQL；
• 如果你的数据结构多变、需要高写入/高扩展（比如互联网产品、AI数据），选MongoDB；
• 实际项目中常是"MySQL+MongoDB"混用：核心业务（订单、用户账号）用MySQL，非核心业务（用户画像、日志）用MongoDB。

新手入门建议：先装本地MongoDB，用mongosh命令行练CRUD，再学索引和聚合，最后了解副本集/分片集群（生产环境必备）。