MongoDb 的Python支援

本文是一個Python 使用MongoDB的簡單教程，將使用pymongo對MongoDB進行的各種操作進行了簡單的匯總，我們進行了簡單整理，使用Python的同學可以看一看。

下載相應平台的版本，解壓即可。為方便使用，將bin路徑添加到系統path環境變數裡。其中mongod是伺服器，mongo是客戶shell，然後建立資料檔案目錄：在c盤下建立data檔案夾，裡面建立db檔案夾。

基本使用：

安裝對應語言的Driver，Python 安裝 pymongo

1	$ easy_install pymongo

使用方法總結，摘自官方教程

建立串連

1	>>> import pymongo

2	>>> connection=pymongo.Connection('localhost',27017)

切換資料庫

1	>>> db = connection.test_database

擷取collection

1	>>> collection = db.test_collection

db和collection都是延時建立的，在添加Document時才真正建立

文檔添加，_id自動建立

1	>>> import datetime

2	>>> post = {"author": "Mike",

3	...         "text": "My first blog post!",

4	...         "tags": ["mongodb", "python", "pymongo"],

5	...         "date": datetime.datetime.utcnow()}

6	>>> posts = db.posts

7	>>> posts.insert(post)

8	ObjectId('...')

批量插入

01	>>> new_posts = [{"author": "Mike",

02	...               "text": "Another post!",

03	...               "tags": ["bulk", "insert"],

04	...               "date": datetime.datetime(2009, 11, 12, 11, 14)},

05	...              {"author": "Eliot",

06	...               "title": "MongoDB is fun",

07	...               "text": "and pretty easy too!",

08	...               "date": datetime.datetime(2009, 11, 10, 10, 45)}]

09	>>> posts.insert(new_posts)

10	[ObjectId('...'), ObjectId('...')]

擷取所有collection（相當於SQL的show tables）

1	>>> db.collection_names()

2	[u'posts', u'system.indexes']

擷取單個文檔

1	>>> posts.find_one()

2	{u'date': datetime.datetime(...), u'text': u'My first blog post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'mongodb', u'python', u'pymongo']}

查詢多個文檔

view source print?

1	>> for post in posts.find():

2	...   post

3

...

4	{u'date': datetime.datetime(...), u'text': u'My first blog post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'mongodb', u'python', u'pymongo']}

5	{u'date': datetime.datetime(2009, 11, 12, 11, 14), u'text': u'Another post!', u'_id': ObjectId('...'), u'author': u'Mike', u'tags': [u'bulk', u'insert']}

6	{u'date': datetime.datetime(2009, 11, 10, 10, 45), u'text': u'and pretty easy too!', u'_id': ObjectId('...'), u'author': u'Eliot', u'title': u'MongoDB is fun'}

加條件的查詢

1	>>> posts.find_one({"author": "Mike"})

進階查詢

1	>>> posts.find({"date": {"$lt": d}}).sort("author")

統計數量

1	>>> posts.count()

2

3

加索引

1	>>> from pymongo import ASCENDING, DESCENDING

2	>>> posts.create_index([("date", DESCENDING), ("author", ASCENDING)])

3	u'date_-1_author_1'

查看查詢語句的效能

1	>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["cursor"]

2	u'BtreeCursor date_-1_author_1'

3	>>> posts.find({"date": {"$lt": d}}).sort("author").explain()["nscanned"]

4

2

附自己總結的一點小心得，僅供參考

缺點

• 不是全盤取代傳統資料庫（NoSQLFan：是否能取代需要看應用情境）
• 不支援複雜事務（NoSQLFan：MongoDB只支援對單個文檔的原子操作）
• 文檔中的整個樹，不易搜尋，4MB限制？（NoSQLFan：1.8版本已經修改為16M）

特點（NoSQLFan：作者在這裡列舉的很多隻是一些表層的特點）：

• 文檔型資料庫，表結構可以內嵌
• 沒有模式，避免空欄位開銷（Schema Free）
• 分布式支援
• 查詢支援正則
• 動態擴充架構
• 32位的版本最多隻能儲存2.5GB的資料（NoSQLFan：最大檔案尺寸為2G，生產環境推薦64位）

名詞對應

• 一個資料項目叫做 Document（NoSQLFan：對應MySQL中的單條記錄）
• 一個文檔嵌入另一個文檔（comment 嵌入 post）叫做 Embed
• 儲存一系列文檔的地方叫做 Collections（NoSQLFan：對應MySQL中的表）
• 表間關聯，叫做 Reference