建立网站的链接结构有哪几种形式seo入门基础教程

MongoDB 新手笔记

---

1. MongoDB

1.1 概述

MongoDB 是一种 文档型数据库（NoSQL），数据以类似 JSON 的 BSON 格式存储，适合处理非结构化或半结构化数据。

• 对比 MySQL：
  • MySQL 是关系型数据库，数据以表格形式存储（行和列）。
  • MongoDB 以集合（Collection）和文档（Document）形式存储数据，更灵活。

---

1.2 特点

• 灵活模式：字段可动态添加，无需预定义表结构。
• 高性能：支持索引、内存映射文件，读写速度快。
• 水平扩展：通过分片（Sharding）实现数据分布式存储。

---

1.3 体系结构

• 数据库（Database） → 类似 MySQL 的数据库。
• 集合（Collection） → 类似 MySQL 的表。
• 文档（Document） → 类似 MySQL 的一行记录，但以 BSON 格式存储。

---

2. 安装与启动

2.1 安装

从官网下载安装包，按操作系统步骤安装。

• Linux 示例：

  sudo apt-get install mongodb
  

---

2.2 启动

2.2.1 创建数据目录

mkdir -p /data/db  # 默认数据存储路径

2.2.2 编写启动脚本

mongod --dbpath=/data/db  # 启动 MongoDB 服务

---

2.3 连接

使用 MongoDB Shell 连接：

mongo  # 默认连接本地服务

---

3. 基本操作

3.1 选择或创建数据库

use mydb  // 切换到 mydb，若不存在则自动创建

---

3.2 新增

向集合插入文档（类似 MySQL 的 INSERT）：（对当前数据库操作统一使用db，而不是当前的数据库名）

db.users.insertOne({ name: "张三", age: 25 })  // 插入单条
db.users.insertMany([{ name: "李四" }, { name: "王五" }])  // 插入多条

---

3.3 查询

3.3.1 查询全部文档（类似 SELECT *）

db.users.find()  

3.3.2 条件查询（类似 WHERE）

db.users.find({ age: 25 })  // 查询 age=25 的文档

3.3.3 查询第一条（类似 LIMIT 1）

db.users.findOne()  

---

3.4 更新（类似 UPDATE）

db.users.updateOne({ name: "张三" },  // 条件{ $set: { age: 30 } }  // 更新操作
)

---

3.5 删除

3.5.1 删除文档（类似 DELETE）

db.users.deleteOne({ name: "张三" })  

3.5.2 删除集合（类似 DROP TABLE）

db.users.drop()  

3.5.3 删除数据库

db.dropDatabase()  

---

4. 高级查询

4.1 准备数据

db.products.insertMany([{ name: "手机", price: 3000, stock: 100 },{ name: "电脑", price: 8000, stock: null },{ name: "耳机", price: 200 }
])

---

4.2 模糊查询（类似 LIKE）

db.products.find({ name: /手/ })  // 正则表达式匹配

---

4.3 null 值处理

db.products.find({ stock: null })  // 查询 stock 为 null 或不存在

---

4.4 比较运算（如 >, <）

db.products.find({ price: { $gt: 2000 } })  // price > 2000

---

4.5 判断属性是否存在

db.products.find({ stock: { $exists: true } })  // 查询包含 stock 字段的文档

---

4.6 包含与不包含（类似 IN）

db.products.find({ name: { $in: ["手机", "耳机"] } })  // 包含指定值

---

4.7 统计记录数（类似 COUNT）

db.products.countDocuments({ price: { $gt: 2000 } })

---

4.8 条件连接（AND/OR）

db.products.find({$and: [{ price: { $gt: 1000 } },{ price: { $lt: 5000 } }]
})
// g:great
// l:less

---

总结

1. MongoDB vs MySQL：
   • 数据模型：文档 vs 表格。
   • 查询语法：JSON 式操作 vs SQL 语句。
   • 扩展性：水平扩展 vs 垂直扩展。
2. 核心操作：
   • 增删改查通过 insert、delete、update、find 实现。
   • 高级查询支持正则、比较运算符、逻辑连接等。
3. 适用场景：
   • MongoDB：大数据量、高并发、灵活模式需求。
   • MySQL：事务强一致性、复杂关联查询。

对比项	MongoDB	MySQL
数据库类型	文档型数据库（NoSQL）	关系型数据库（SQL）
数据模型	以 BSON（类似 JSON）格式存储文档	以表格（行和列）形式存储数据
术语对比
- 数据库	Database	Database
- 表/集合	Collection	Table
- 行	Document（文档，BSON 格式）	Row（行）
- 列	Field（字段）	Column（列）
- 主键	_id（自动生成，可自定义）	PRIMARY KEY（需显式定义）
查询语法
- 查询数据	db.collection.find({条件})	SELECT * FROM table WHERE 条件
- 插入数据	db.collection.insertOne({文档})	INSERT INTO table (列) VALUES (值)
- 更新数据	db.collection.updateOne({条件}, {$set: {字段: 值}})	UPDATE table SET 列=值 WHERE 条件
- 删除数据	db.collection.deleteOne({条件})	DELETE FROM table WHERE 条件
- 条件查询	{ age: { $gt: 20 } }（使用操作符如 $gt, $lt）	WHERE age > 20
- 模糊查询	db.collection.find({ name: /正则表达式/ })	WHERE name LIKE '%关键字%'
事务支持	4.0+ 版本支持多文档事务（默认需手动配置）	原生支持 ACID 事务（如 BEGIN; COMMIT; ROLLBACK;）
关联查询	不支持 JOIN，需通过嵌入文档或应用层代码实现	支持 JOIN（如 INNER JOIN, LEFT JOIN）
索引机制	支持单字段、复合、地理空间、文本索引等	支持 B-Tree、哈希、全文索引等
扩展性	水平扩展（分片集群）	垂直扩展（提升硬件性能）
数据模式	动态模式（Schema-less），字段可灵活增减	静态模式（Schema），需预先定义表结构
性能特点	适合高并发读写、海量非结构化数据	适合复杂查询、事务密集型场景
存储引擎	WiredTiger（默认，支持压缩和加密）	InnoDB（默认，支持事务和行级锁）
适用场景	日志系统、实时分析、内容管理、物联网（IoT）	金融系统、ERP、CRM 等需要强一致性和复杂事务的场景
典型操作符对比
- 等于	{ age: 25 }	WHERE age = 25
- 包含	{ tags: { $in: ["A", "B"] } }	WHERE tag IN ("A", "B")
- 逻辑与/或	$and: [条件1, 条件2] / $or: [条件1, 条件2]	WHERE 条件1 AND 条件2 / WHERE 条件1 OR 条件2
- 统计记录数	db.collection.countDocuments({条件})	SELECT COUNT(*) FROM table WHERE 条件
数据一致性	最终一致性（分布式场景）	强一致性（单机或主从复制）
典型缺点	不支持复杂关联查询，事务实现较复杂	扩展性受限，处理非结构化数据效率低

---

总结

1. 术语差异：MongoDB 的“文档”对应 MySQL 的“行”，“集合”对应“表”，“字段”对应“列”。
2. 语法差异：
   • MongoDB 使用 JSON 风格的查询语法（如 find({条件})），而 MySQL 使用标准 SQL 语句。
   • MongoDB 通过操作符（如 $gt, $in）实现复杂条件，MySQL 直接使用运算符（如 >, IN）。
3. 核心特性：
   • MongoDB 灵活、易扩展，适合非结构化数据；
   • MySQL 强事务、强一致性，适合结构化数据和复杂查询。
4. 选择建议：
   • 用 MongoDB：需要快速迭代、处理海量数据或半结构化数据（如日志、用户行为）。
   • 用 MySQL：需要强事务支持、复杂关联查询（如金融系统）。

---

重点口诀：灵活用 Mongo，事务用 MySQL；文档即 JSON，查询靠 BSON！