Mongodb 笔记04 特殊索引和集合、聚合、应用程序设计

特殊索引和集合

1. 固定集合：固定集合需要事先创建好看，而且它的大小是固定的。当固定集合被占满时，如果再插入新文档，固定集合会自动将最老的文档从集合中删除。

2. 创建固定集合：db.createCollection("my_collection",{"capped":true,"size":10000}) 创建一个大小为10000字节的固定集合

除了大小，createCollection还能指定固定集合中文档的数量：db.createCollection("my_collection",{"capped":true,"size":10000,"max":10})

指定文档数量时，必须同时指定集合大小。固定集合的文档数量不能超过文档数量限制，固定集合的大小也不能超过大小限制。

3. 将某个常规集合转换为固定集合：db.runCommand({"convertToCapped":"test","size":10000}) 无法将固定集合转换为非固定集合。

4. 自然排序：自然排序返回结果集中文档的顺序就是文档在磁盘上的顺序。只有固定集合中的自然排序才有意义，对其他集合来说文档位置经常变化，自然排序意义不大。

5. 循环游标：一种特殊的游标，当循环游标的结果集被取光后，游标不会被关闭。当有新文档插入到集合时，循环游标会继续取到结果。由于普通集合并不维护文档的插入顺序，循环游标只能用在固定集合上。

6. 调用createCollection创建集合时指定autoIndexId选项为false，创建集合时就不会自动在"_id"上创建索引。实践中不建议这么用，但对于只有插入操作的集合来说，这确实可以带来速度上的稍许提升。

7. TTL索引：如果需要更加灵活的老化移出系统，可以使用TTL索引，这种索引允许为每一个文档设置一个超时时间。一个文档到达预设置的老化程度之后就会被删除。这种类型的索引对于缓存问题很有用。

db.foo.ensureIndex({"lastUPdated":1},{"expireAfterSecs":60*60*24}) // 过期时间24小时

MongoDB每分钟对TTL索引进行一次清理，所以不应该依赖以秒为单位的时间保证索引的存活状态。可以使用collMod命令修改expireAfterSecs的值：

db.runCommand({"collMod":"someapp.cache","expireAfterSecs":3600})

一个给定的集合上可以有多个TTL索引，但TTL不能是复合索引。

8. 全文本索引：暂不建议使用，性能影响太大。

9. 地理空间索引：最常用的是2dsphere索引(用于地球表面类型的地图)和2d索引(用于平面地图和时间连续的数据)

10. 使用GridFS存储文件：GridFS是MongoDB的一种存储机制，用来存储大型二进制文件。

优点：

a. 简化你的栈，可以使用GRIDFS来代替独立的文件存储工具。

b. 对文件存储做故障转义或者横向扩展更容易

c. 可以比较从容地解决其他一些文件系统可能遇到的问题。

d. 文件存储的集中度会比较高

缺点：

　　a. 性能低：从MongoDB中访问文件，不如直接从文件系统中访问文件速度快。

b. 如果要修改GridFS上的文档，只能先将已有的文档删除。

通常来说，如果你有一些不常改变但是经常需要连续访问的大文件，那么使用GridFS再合适不过。(性能呢？因为缓存到内存了？)

11. GridFS背后的理念：可以将大文件分割为多个比较大的块，将每个快作为独立的文档进行存储。有一个文档用于将这些块组织在一起并存储该文档的元信息。

12. 可以使用任何自定义的字段来保存必须的文件元信息。可能你希望在文件元信息中保存文件的下载次数，MIME类型或者用户评分。

聚合

如果你有数据存储在MongoDB中，你想做的可能就不仅仅是将数据提取出来那么简单；你可能希望对数据进行分析加以利用。本章介绍MongoDB提供的聚合工具

1. 聚合框架：使用聚合框架可以对集合中的文档进行变化和组合。基本上，可以用多个构架创建一个管道，用于对一连串的文档进行处理。这些构件包括筛选、投射、分组、排序、限制和跳过。

2. 管道操作符：每个操作符都会接受一连串的文档，对这些文档做一些类型转换，最后将转换后的文档作为结果传递给下一个操作(对于最后一个管道操作符，是将结果返回给客户端)。不同的

管道操作符可以按任意顺序组合在一起使用，而且可以被重复任意多次。

1). $match : $match用于对文档集合进行筛选，之后就可以在筛选得到的文档子集上做聚合。在实际使用中应该尽可能将"$match"放在管道的前面位置，这样有两个好处：

a. 可以快速将不需要的文档过滤掉，以减少管道的工作量

b. 如果在投射和分组之前执行"$match"，查询可以使用索引

用法：{$match：{"state":"OR"}}

2). $project : 可以从文档中提取字段，可以重命名字段，还可以进行一些其他操作。

用法：db.articles.aggregate({"$project":{"author":1,"_id":0}}) 只返回author字段。

字段重命名：{"$project":{"userId":"$_id","_id":0}} $fieldname语法是为了在聚合框架中引用fieldname字段的值。重命名后不能使用原字段上的索引。

数学表达式：

a. $add : [expr1[,expr2....exprN] 这个操作符是接收一个或多个表达式作为参数，将这些表达式相加

b. $subtract : [expr1,expr2] 接收两个表达式，用第一个表达式减去第二个表达式作为结果

c. $multiply : [expr1[,expr2.....exprN] : 将参数相乘

d. $divide : [expr1,expr2] 第一个表达式除以第二个表达式的商作为结果

e. $mod [expr1,expr2] 第一个表达式除以第二个表达式的余数作为结果

日期表达式

$year ,$month,$week,$dayOfMonth,$dayOfWeek,$dayOfYear,$hour,$minute,$second

字符串表达式：

a. $substr : [expr,startOffset,numToReturn] : 截取字符串，从startOffset字节开始的numToReturn字节。注意是字节不是字符。

b. $concat : [expr1,expr2,....exprN] : 将给定的表达式(或者字符串)连接在一起作为返回结果

c. $toLower : expr 返回小写形式

d. $toUpper: expr 返回大写形式

逻辑运算符：

$cmp:[expr1,expr2] : 比较expr1和expr2。如果expr1等于expr2，返回0,；如果expr1小于expr2;返回负数；如果大于，返回正数

$strcasecmp:[string1,string2] : 比较字符串大小

$eq/$ne/$gt/$gte/$lt/$lte:[expr1,expr2]

几个布尔表达式：

$and:[expr1,expr2...exprN] 如果所有表达式都为true，则返回true，否则返回false

$or : [expr1,expr2...exprN] 有一个为true，则返回true

$not : expr 对表达式取反

两个控制语句：

$cond :[booleanExpr,trueExpr,falseExpr] : 如果booleanExpr为true，返回trueExpr，否则返回falseExpr

$ifNull : [expr,replacementExpr] : 如果expr为null，返回replacementExpr，否则返回expr

3). $group : $group 操作可以将文档依据特定字段的不同值进行分组。

4). $unwind : 拆分(unwind) 可以将数组的每一个值拆分成单独的文档。

5). $sort : 可以根据任何字段进行排序，与在普通查询中的语法相同。如果要对大量的文档进行排序，建议在管道的第一阶段进行排序，这样可以使用索引。

6). $limit : 接收一个数字n，返回集合中的前n个字段

7). $skip : 接收一个数字n，丢弃结果集中的前n个文档。

3. 使用管道：应该尽量在管道的开始阶段就将尽可能多的文档和字段过滤掉。管道如果不是直接从原先的集合中使用数据，那就无法再筛选和排序中使用索引。如果可能，聚合管道会尝试对操作进行排序，

以便能够有效的使用索引。如果MongoDB发现某个聚合操作占用了20%以上的内存，这个操作就会直接输出错误。

如果能够通过$match操作迅速减小结果集的大小，就可以使用管道进行实时聚合。

4. MapReduce : 非常强大，非常灵活。但速度慢，不应该用在实时的数据分析中。

5. 聚合命令：

1). count : db.foo.count()

2). distinct : db.runCommand({"distinct":"people","key":"age"})

3). group

应用程序设计

1. 范式化：将数据分散到多个不同的集合，不用集合之间可以相互引用数据。虽然很多文档可以引用某一块数据，但是这块数据只存储在一个集合。

反范式化：将每个文档所需的数据都嵌入在文档内部。每个文档都拥有自己的数据副本，而不是所有文档共同引用同一个数据副本。

范式化能够提高数据写入速度，反范式化能够提高数据读取速度。

2. 更适合内嵌：子文档较小，数据不会定期改变，最终数据一致性即可，文档数据小幅增加，数据通常需要执行二次查询才能获得，快速读取

更适合引用：子文档较大，数据经常变化，中间阶段的数据必须一致，文档数据大幅增加，数据通常不包含在结果中，快速写入

3. 优化数据操作：如果要优化应用程序，首先必须知道对读写性能进行评估以便能找到性能瓶颈。对读取操作的优化通常包括正确使用索引，以及尽可能将所需信息放在单个文档中返回，

对写入操作的优化通常包括减少索引数量以及尽可能提高更新效率。

4. 经常需要再写入效率更高的模式与读取效率更高的模式之间权衡，所以必须要知道哪种操作对你的应用程序更重要。这里的影响因素并不只是读取和写入的重要性，也包括读取和写入操作的频繁程度.

5. 数据优化方式：

1). 优化文档增长：更新数据时，需要明确更新是否会导致文件体积增大，以及增长程度。如果增长程序是可预知的，可以为文档预留足够的增长空间，这样可以避免文档移动，提高写入速度。

检测一下填充因子，如果它大约是1.2或者更大，可以考虑手动填充。如果要对文档手动填充，可以在填充文档时创建一个占用空间比较大的字段，文档创建成功之后删除这个字段。

插入时添加或者在upsert时，使用$setOnInsert创建这个字段。更新文档时，使用$unset移除。如果这个字段不存在，$unset操作什么也不做。

可以考虑将会增长的字段，放在最后面。

2). 删除旧数据，主要有三种方式：使用固定集合，使用TTL集合，使用定期删除集合。

6. 一致性管理：

服务器为每个数据库连接维护一个请求队列。客户端每次发来的新请求都会添加到队列末尾。入队之后，这个连接上的请求会一次得到处理。一个连接拥有一个一致的数据库视图，可以总是读取到这个

连接最新写入的数据。注意，每个队列只对应一个连接：如果打开两个shell，连接到相同的数据库，这时就存在两个不同的连接。如果在齐中一个shell中执行插入操作，紧接着在另一个shell中执行

查询操作，新插入的数据肯呢个不会出现在查询结果中。

7. 不适合使用MongoDB的场景：

1). MongoDB不支持事务

2). 无法在多个维度上对不同类型的数据库进行连接。

3). 你使用的工具不支持MongoDB