MongoDB Beginner Guide 01：理解 NoSQL、文档模型与 Python 开发环境

前言

初学者在使用 Python 操作 MongoDB 时，经常会遇到一个容易混淆的问题：

复制代码

pip install pymongo

安装这条命令对应的 Python 包后，程序仍然可能无法连接 MongoDB。

原因是 PyMongo 和 MongoDB Server 并不是同一个工具。

组件	作用
MongoDB Server	负责运行数据库、存储数据和处理查询
PyMongo	负责让 Python 程序与 MongoDB 通信
MongoDB Shell	通过命令行操作 MongoDB
MongoDB Compass	通过图形界面管理 MongoDB

它们之间的关系可以简单理解为：

复制代码

Python 程序
    ↓
PyMongo
    ↓
MongoDB Server
    ↓
Database

因此，安装 PyMongo 只代表 Python 环境中具备了 MongoDB 驱动，并不代表计算机已经安装或启动 MongoDB 数据库服务。

本文将从 NoSQL、文档模型、BSON 和 MongoDB 核心组件开始，整理 MongoDB 的基础知识。

1. 什么是 MongoDB？

MongoDB 是一种基于文档模型的 NoSQL 数据库。

传统关系型数据库通常通过表、行和列组织数据，而 MongoDB 使用 Document，也就是文档，保存一条完整的数据记录。

例如，下面是一条虚构的商品数据：

复制代码

{
    product_code: "ITEM-001",
    product_name: "Sample Keyboard",
    price: 129,
    available: true
}

这条数据包含四个字段：

|----------------|---------------------|
| 字段 | 示例值 |
| product_code | "ITEM-001" |
| product_name | "Sample Keyboard" |
| price | 129 |
| available | true |

MongoDB 文档的结构与 JSON 对象相似，因此比较容易与 Python 字典、JavaScript 对象以及 Web API 返回的数据对应。

对应的 Python 字典可以写成：

复制代码

sample_product = {
    "product_code": "ITEM-001",
    "product_name": "Sample Keyboard",
    "price": 129,
    "available": True
}

这也是 MongoDB 经常被用于 Web 应用、数据采集、日志记录和内容管理系统的原因之一。

2. 什么是 NoSQL？

NoSQL 通常可以理解为 Not Only SQL，即"不仅仅是 SQL"。

它并不是指数据库完全不需要查询语言，也不代表 NoSQL 一定比关系型数据库更先进。

NoSQL 是一类没有将传统关系表作为唯一数据模型的数据库系统。

常见的 NoSQL 数据库类型包括：

|-------|-------------------|
| 类型 | 数据组织方式 |
| 文档数据库 | 使用 Document 保存数据 |
| 键值数据库 | 使用 Key-Value 保存数据 |
| 列族数据库 | 按列族组织数据 |
| 图数据库 | 使用节点和关系组织数据 |

MongoDB 属于文档数据库。

传统关系型数据库通常具有以下特点：

提前定义表结构；
明确每个字段的数据类型；
使用行和列组织数据；
使用主键和外键建立关系；
使用 SQL 完成查询。

MongoDB 则主要具有以下特点：

使用 Document 保存记录；
支持数组和嵌套文档；
文档结构可以根据需求调整；
使用 MongoDB 查询语法操作数据；
可以通过验证规则约束文档结构。

需要注意，MongoDB 的灵活结构并不代表项目完全不需要设计数据结构。

在正式项目中，仍然需要统一：

字段名称；
字段类型；
时间格式；
嵌套层级；
缺失值规则；
唯一标识方式。

否则，过度自由的数据结构反而会增加后续查询、维护和清洗的难度。

3. MongoDB 使用的 BSON 是什么？

MongoDB 文档看起来与 JSON 很相似，但 MongoDB 实际使用的是 BSON。

BSON 可以理解为一种二进制形式的数据表示格式。它在 JSON 风格结构的基础上支持更多数据类型。

常见类型包括：

|----------|-----------------|
| 类型 | 说明 |
| String | 字符串 |
| Integer | 整数 |
| Double | 浮点数 |
| Boolean | 布尔值 |
| Date | 日期时间 |
| ObjectId | MongoDB 常用的唯一标识 |
| Array | 数组 |
| Object | 嵌套文档 |
| Null | 空值 |

例如，下面是一条虚构的任务记录：

复制代码

{
    task_code: "TASK-001",
    title: "Database Practice",
    completed: false,
    priority: 2,
    tags: [
        "database",
        "beginner"
    ]
}

其中包含：

字符串；
布尔值；
整数；
数组。

MongoDB 还可以保存嵌套文档：

复制代码

{
    task_code: "TASK-002",
    title: "Document Model Practice",
    configuration: {
        language: "en",
        difficulty: "basic"
    }
}

在这个例子中，configuration 字段本身又是一个文档。

4. MongoDB 与关系型数据库的结构对比

关系型数据库通常按照以下层次组织数据：

复制代码

Database
    ↓
Table
    ↓
Row
    ↓
Column

MongoDB 通常按照以下层次组织数据：

复制代码

Database
    ↓
Collection
    ↓
Document
    ↓
Field

两者可以进行如下类比：

|----------|--------------|
| 关系型数据库 | MongoDB |
| Database | Database |
| Table | Collection |
| Row | Document |
| Column | Field |
| 表结构 | 文档结构 |
| SQL | MongoDB 查询语法 |

这种对应关系只适合帮助初学者理解概念，并不代表两种数据库的所有功能完全一致。

关系型数据库中的同一张表通常具有统一的列结构。

MongoDB 同一个 Collection 中的不同 Document 可以包含不同字段。

例如，第一条虚构设备记录为：

复制代码

{
    device_code: "DEVICE-001",
    device_type: "sensor",
    status: "active"
}

第二条记录可以增加其他字段：

复制代码

{
    device_code: "DEVICE-002",
    device_type: "terminal",
    status: "inactive",
    protocols: [
        "HTTP",
        "MQTT"
    ]
}

第二条 Document 比第一条多了 protocols 字段。

这体现了 MongoDB 文档结构的灵活性。

5. MySQL 与 MongoDB 的数据表示方式

假设需要保存一组虚构的产品数据。

5.1 MySQL 的表示方式

在 MySQL 中，可以先创建一张数据表：

复制代码

CREATE TABLE products (
    id INT PRIMARY KEY,
    product_code VARCHAR(50),
    product_name VARCHAR(100),
    price DECIMAL(10, 2)
);

数据按照固定列保存：

|----|--------------|-----------------|--------|
| id | product_code | product_name | price |
| 1 | ITEM-001 | Sample Keyboard | 129.00 |
| 2 | ITEM-002 | Sample Mouse | 59.00 |

如果需要增加新的信息，通常需要修改表结构或建立其他关联表。

5.2 MongoDB 的表示方式

在 MongoDB 中，一条产品记录可以表示为：

复制代码

{
    product_code: "ITEM-001",
    product_name: "Sample Keyboard",
    price: 129
}

另一条产品记录可以包含更多信息：

复制代码

{
    product_code: "ITEM-002",
    product_name: "Sample Mouse",
    price: 59,
    tags: [
        "office",
        "computer"
    ],
    specification: {
        connection: "wireless",
        interface: "USB"
    }
}

MongoDB 可以在一个 Document 中直接保存：

普通字段；
数组；
嵌套文档。

不过，是否应该把所有内容都放入一个 Document，需要根据实际查询方式和数据规模决定。

6. MongoDB 的核心概念

6.1 Database

Database 是 MongoDB 中较高层级的数据容器。

一个 MongoDB 实例可以包含多个 Database。

例如，可以创建一个虚构数据库：

复制代码

sample_store

该数据库可以保存产品、订单和日志等不同数据。

6.2 Collection

Collection 是一组 Document 的集合，可以暂时类比为关系型数据库中的 Table。

例如：

复制代码

products

这个 Collection 可以用于保存产品 Document。

6.3 Document

Document 是 MongoDB 中的一条记录。

例如：

复制代码

{
    product_code: "ITEM-003",
    product_name: "Sample Monitor",
    price: 899
}

6.4 Field

Field 是 Document 中的字段。

在上面的示例中，包含以下字段：

复制代码

product_code
product_name
price

6.5 `_id`

MongoDB Collection 中的每条 Document 都需要一个唯一的 _id 字段。

如果插入数据时没有主动提供 _id，MongoDB 通常会自动生成一个 ObjectId。

示例：

复制代码

{
    _id: ObjectId("..."),
    product_code: "ITEM-003",
    product_name: "Sample Monitor"
}

_id 用于唯一识别一条 Document。

在公开技术文章中，不应直接展示真实业务数据库中的完整 _id、账号、服务器地址或连接凭证。

7. MongoDB 适合哪些场景？

MongoDB 可以用于多种应用场景，但是否选择 MongoDB，仍然需要结合数据结构、查询方式和业务要求判断。

7.1 Web API 数据

许多 Web API 返回的数据本身就是 JSON 结构。

例如：

复制代码

{
    record_code: "RECORD-001",
    category: "demo",
    value: 86,
    valid: true
}

MongoDB 的文档模型可以比较自然地保存这类数据。

7.2 网络数据采集

不同页面或接口返回的数据字段可能并不完全一致。

例如：

复制代码

{
    item_code: "ITEM-101",
    title: "Sample Product A",
    price: 99
}

另一条记录可能多出促销信息：

复制代码

{
    item_code: "ITEM-102",
    title: "Sample Product B",
    price: 149,
    promotion: {
        enabled: true,
        discount: 0.9
    }
}

MongoDB 可以保存这种包含嵌套对象和可变字段的数据。

不过，在写入数据库之前，仍然建议完成：

字段标准化；
数据类型转换；
重复记录检查；
缺失值处理；
无效内容清理。

7.3 日志和事件数据

应用程序可能产生大量事件记录。

例如：

复制代码

{
    event_code: "EVENT-001",
    event_type: "page_view",
    page_code: "PAGE-001",
    response_status: 200
}

日志字段可能随着系统功能变化而增加，MongoDB 的文档模型可以适应一定程度的字段变化。

7.4 内容管理系统

文章、标签、分类等数据经常包含数组或嵌套结构。

例如：

复制代码

{
    article_code: "ARTICLE-001",
    title: "Sample Technical Note",
    tags: [
        "database",
        "beginner"
    ],
    metadata: {
        language: "en",
        status: "draft"
    }
}

7.5 数据与 AI 应用

数据应用可能需要保存：

文本记录；
模型输出；
任务状态；
特征信息；
处理日志。

例如：

复制代码

{
    job_code: "JOB-001",
    model_name: "demo_classifier",
    input_type: "text",
    predicted_label: "category_a",
    confidence: 0.87,
    status: "completed"
}

MongoDB 可以作为应用系统的数据存储层之一。

8. MongoDB 的主要组件

8.1 MongoDB Server

MongoDB Server 是真正运行数据库的服务。

它负责：

接收客户端连接；
保存数据；
查询数据；
修改数据；
管理索引；
处理数据库请求。

其核心服务程序通常称为：

复制代码

mongod

如果 MongoDB Server 没有安装或运行，其他客户端工具通常无法连接本地数据库。

8.2 MongoDB Shell

MongoDB Shell 的名称是：

复制代码

mongosh

它是 MongoDB 的命令行客户端，可以用于：

连接数据库；
查看 Database；
查看 Collection；
查询 Document；
插入和修改数据；
执行管理命令。

具体的 MongoDB Shell 和 CRUD 操作可以放在后续文章中单独整理。

8.3 MongoDB Compass

MongoDB Compass 是 MongoDB 官方提供的图形化客户端。

它可以用于：

浏览 Database；
查看 Collection；
查看 Document；
设置查询条件；
修改数据；
管理索引。

Compass 只是数据库客户端，真正保存数据的仍然是 MongoDB Server。

8.4 PyMongo

PyMongo 是 MongoDB 的 Python 驱动。

Python 程序可以通过 PyMongo：

连接 MongoDB；
选择 Database；
选择 Collection；
插入 Document；
查询数据；
更新和删除数据。

PyMongo 不负责运行数据库服务。

9. MongoDB Server、Shell、Compass 和 PyMongo 的关系

四个组件之间的关系可以概括为：

复制代码

MongoDB Shell ──────┐
                    │
MongoDB Compass ────┼──→ MongoDB Server ───→ Database
                    │
Python + PyMongo ───┘

|-----------------|-----------|------------|
| 组件 | 类型 | 是否负责真正存储数据 |
| MongoDB Server | 数据库服务 | 是 |
| MongoDB Shell | 命令行客户端 | 否 |
| MongoDB Compass | 图形化客户端 | 否 |
| PyMongo | Python 驱动 | 否 |

因此：

复制代码

安装 PyMongo
≠
安装 MongoDB Server

同样：

复制代码

安装 MongoDB Compass
≠
MongoDB Server 已经启动

Shell、Compass 和 PyMongo 都需要连接到一个可用的 MongoDB Server。

10. 为什么安装 PyMongo 后仍然无法连接？

安装：

复制代码

pip install pymongo

只会把 MongoDB Python 驱动安装到当前 Python 环境。

它不会自动完成以下操作：

安装 MongoDB Server；
启动数据库服务；
创建数据库用户；
配置服务器端口；
创建数据库和 Collection。

因此，需要分别准备：

复制代码

Python 环境
└── PyMongo

数据库环境
└── MongoDB Server

本地学习环境常用的连接地址形式为：

复制代码

mongodb://localhost:27017

其中，27017 是 MongoDB 常见的默认端口。

公开发布文章时，不应展示真实生产环境的：

IP 地址；
数据库用户名；
数据库密码；
完整连接字符串；
内网域名；
访问令牌；
云数据库凭证。

公开示例可以统一使用：

复制代码

mongodb://localhost:27017

或者：

复制代码

mongodb://<host>:<port>

11. MongoDB Community Server 与其他工具

个人学习和本地开发通常可以使用 MongoDB Community Server。

学习过程中可能涉及：

|--------------------------|-----------|
| 工具 | 说明 |
| MongoDB Community Server | 本地数据库服务 |
| MongoDB Shell | 命令行客户端 |
| MongoDB Compass | 图形化管理工具 |
| PyMongo | Python 驱动 |

需要注意，不同 MongoDB 版本和安装方式包含的组件可能有所不同。

例如，安装 MongoDB Server 后，不一定代表当前系统已经安装 mongosh。

因此，安装时应根据当前 MongoDB 版本和操作系统查看官方说明。

12. 安装完成后需要确认什么？

完成 MongoDB 环境安装后，可以依次检查以下内容。

12.1 MongoDB Server 是否已安装

需要确认系统中安装的是数据库服务，而不仅仅是 Compass 或 PyMongo。

12.2 数据库服务是否正在运行

数据库已经安装，不代表服务当前一定处于运行状态。

如果服务停止，客户端无法正常建立连接。

12.3 MongoDB Shell 是否可用

如果准备使用命令行操作 MongoDB，需要确认 mongosh 已正确安装。

12.4 Compass 是否可以连接数据库

Compass 需要连接到可用的 MongoDB Server。

如果 Server 没有运行，Compass 也无法正常显示数据库内容。

12.5 Python 环境是否已安装 PyMongo

MongoDB Server 与 Python 环境相互独立。

即使数据库服务已经运行，如果 Python 环境没有安装 PyMongo，程序仍然无法导入 MongoDB 驱动。

13. MongoDB 是否一定比关系型数据库更适合数据采集？

不一定。

MongoDB 比较适合以下情况：

数据接近 JSON 结构；
数据包含数组或嵌套对象；
不同来源的字段可能变化；
需要快速保存原始记录；
应用主要以 Document 为单位读取数据。

关系型数据库可能更适合以下情况：

数据结构长期稳定；
不同数据表之间关系明确；
需要复杂关联查询；
强调严格约束；
需要成熟的关系型分析流程。

部分系统也会组合使用多种存储方式：

复制代码

原始数据
    ↓
MongoDB 或对象存储
    ↓
数据清洗
    ↓
关系型数据库或数据仓库
    ↓
分析与建模

数据库选择应该基于实际需求，而不是简单判断哪种数据库更加高级。

14. 初学者容易混淆的问题

14.1 MongoDB 是不是没有 Schema？

不是。

MongoDB 使用灵活的文档结构，但正式项目仍然需要设计核心字段和数据类型。

MongoDB 也支持通过验证规则限制文档结构。

14.2 BSON 和 JSON 是否完全相同？

不是。

MongoDB 文档看起来与 JSON 相似，但实际使用 BSON，并支持 ObjectId、Date 等额外数据类型。

14.3 Compass 是否就是 MongoDB？

不是。

Compass 是图形化客户端，MongoDB Server 才是真正运行和存储数据的数据库服务。

14.4 安装 PyMongo 是否会自动启动 MongoDB？

不会。

PyMongo 只负责 Python 与 MongoDB 之间的通信。

14.5 MongoDB 是否只能保存非结构化数据？

不是。

MongoDB 可以保存结构化和半结构化数据。

更准确的说法是，MongoDB 使用由字段、数组和嵌套文档组成的灵活文档模型。

15. 后续学习路线

建议按照以下顺序学习 MongoDB。

第一阶段：基础概念

主要包括：

NoSQL；
Document Model；
BSON；
Database；
Collection；
Document；
Field；
MongoDB 主要组件。

第二阶段：MongoDB Shell 与 CRUD

主要包括：

连接 MongoDB Shell；
创建和切换 Database；
Collection 操作；
Create；
Read；
Update；
Delete；
查询运算符。

第三阶段：Python 与 PyMongo

主要包括：

使用 Python 连接 MongoDB；
插入单条和多条 Document；
查询 MongoDB 数据；
异常处理；
批量写入；
将数据转换为 Pandas DataFrame。

总结

MongoDB 是一种基于文档模型的 NoSQL 数据库。

其基本数据层次为：

复制代码

Database
    ↓
Collection
    ↓
Document
    ↓
Field

MongoDB 使用类似 JSON 的文档结构，并通过 BSON 支持字符串、数字、数组、嵌套文档、日期和 ObjectId 等数据类型。

对于初学者，最重要的是区分以下四个组件：

复制代码

MongoDB Server：真正运行和存储数据

MongoDB Shell：命令行客户端

MongoDB Compass：图形化客户端

PyMongo：Python 驱动

因此：

复制代码

pip install pymongo

只代表安装了 Python 驱动，并不代表 MongoDB Server 已经安装或启动。

理解这些基础概念后，再学习 MongoDB Shell、CRUD 和 PyMongo，会更容易建立完整的知识体系。

MongoDB Beginner Guide 01：理解 NoSQL、文档模型与 Python 开发环境

前言

1. 什么是 MongoDB？

2. 什么是 NoSQL？

3. MongoDB 使用的 BSON 是什么？

4. MongoDB 与关系型数据库的结构对比

5. MySQL 与 MongoDB 的数据表示方式

5.1 MySQL 的表示方式

5.2 MongoDB 的表示方式

6. MongoDB 的核心概念

6.1 Database

6.2 Collection

6.3 Document

6.4 Field

6.5 _id

7. MongoDB 适合哪些场景？

7.1 Web API 数据

7.2 网络数据采集

7.3 日志和事件数据

7.4 内容管理系统

7.5 数据与 AI 应用

8. MongoDB 的主要组件

8.1 MongoDB Server

8.2 MongoDB Shell

8.3 MongoDB Compass

8.4 PyMongo

9. MongoDB Server、Shell、Compass 和 PyMongo 的关系

10. 为什么安装 PyMongo 后仍然无法连接？

11. MongoDB Community Server 与其他工具

12. 安装完成后需要确认什么？

12.1 MongoDB Server 是否已安装

12.2 数据库服务是否正在运行

12.3 MongoDB Shell 是否可用

12.4 Compass 是否可以连接数据库

12.5 Python 环境是否已安装 PyMongo

13. MongoDB 是否一定比关系型数据库更适合数据采集？

14. 初学者容易混淆的问题

14.1 MongoDB 是不是没有 Schema？

14.2 BSON 和 JSON 是否完全相同？

14.3 Compass 是否就是 MongoDB？

14.4 安装 PyMongo 是否会自动启动 MongoDB？

14.5 MongoDB 是否只能保存非结构化数据？

15. 后续学习路线

第一阶段：基础概念

第二阶段：MongoDB Shell 与 CRUD

第三阶段：Python 与 PyMongo

总结

6.5 `_id`