Mongodb教程

zoukankan html css js c++ java

Mongodb教程
数据库切换
- 查看当前数据库名称
```
db
```
- 查看所有数据库名称
- 列出所有在物理上存在的数据库
```
show dbs
```
- 切换数据库
- 如果数据库不存在，则指向数据库，但不创建，直到插入数据或创建集合时数据库才被创建
```
use 数据库名称
```
- 默认的数据库为test，如果你没有创建新的数据库，集合将存放在test数据库中
数据库删除
- 删除当前指向的数据库
- 如果数据库不存在，则什么也不做
```
db.dropDatabase()
```
集合创建
- 语法
```
db.createCollection(name, options)
```
- name是要创建的集合的名称
- options是一个文档，用于指定集合的配置
- 选项参数是可选的，所以只需要到指定的集合名称。以下是可以使用的选项列表：
- 例1：不限制集合大小
```
db.createCollection("stu")
```
- 例2：限制集合大小，后面学会插入语句后可以查看效果
- 参数capped：默认值为false表示不设置上限，值为true表示设置上限
- 参数size：当capped值为true时，需要指定此参数，表示上限大小，当文档达到上限时，会将之前的数据覆盖，单位为字节
```
db.createCollection("sub", { capped : true, size : 10 } )
```
查看当前数据库的集合
- 语法
```
show collections
```
删除
- 语法
```
db.集合名称.drop()
```
数据类型
- 下表为MongoDB中常用的几种数据类型：
- Object ID：文档ID
- String：字符串，最常用，必须是有效的UTF-8
- Boolean：存储一个布尔值，true或false
- Integer：整数可以是32位或64位，这取决于服务器
- Double：存储浮点值
- Arrays：数组或列表，多个值存储到一个键
- Object：用于嵌入式的文档，即一个值为一个文档
- Null：存储Null值
- Timestamp：时间戳
- Date：存储当前日期或时间的UNIX时间格式
object id
- 每个文档都有一个属性，为_id，保证每个文档的唯一性
- 可以自己去设置_id插入文档
- 如果没有提供，那么MongoDB为每个文档提供了一个独特的_id，类型为objectID
- objectID是一个12字节的十六进制数
  
  前4个字节为当前时间戳
  
  接下来3个字节的机器ID
  
  接下来的2个字节中MongoDB的服务进程id
  
  最后3个字节是简单的增量值
[简介](file:///F:/001 数据库/第4章数据库/第2节 MongoDB/01.MongoDB基础/)

插入
- 语法
```
db.集合名称.insert(document)
```
- 插入文档时，如果不指定_id参数，MongoDB会为文档分配一个唯一的ObjectId
- 例1
```
db.stu.insert({name:'gj',gender:1})
```
- 例2
```
s1={_id:'20160101',name:'hr'}
s1.gender=0
db.stu.insert(s1)
```
简单查询
- 语法
```
db.集合名称.find()
```
更新
- 语法
```
db.集合名称.update(
   <query>,
   <update>,
   {multi: <boolean>}
)
```
- 参数query:查询条件，类似sql语句update中where部分
- 参数update:更新操作符，类似sql语句update中set部分
- 参数multi:可选，默认是false，表示只更新找到的第一条记录，值为true表示把满足条件的文档全部更新
- 例3：全文档更新
```
db.stu.update({name:'hr'},{name:'mnc'})
```
- 例4：指定属性更新，通过操作符$set
```
db.stu.insert({name:'hr',gender:0})
db.stu.update({name:'hr'},{$set:{name:'hys'}}) // 只改变部分
```
- 例5：修改多条匹配到的数据
```
db.stu.update({},{$set:{gender:0}},{multi:true})
```
保存
- 语法
```
db.集合名称.save(document)
```
- 如果文档的_id已经存在则修改，如果文档的_id不存在则添加
- 例6
```
db.stu.save({_id:'20160102','name':'yk',gender:1})
```
- 例7
```
db.stu.save({_id:'20160102','name':'wyk'})
```
删除
- 语法
```
db.集合名称.remove(
   <query>,
   {
     justOne: <boolean>
   }
)
```
- 参数query:可选，删除的文档的条件
- 参数justOne:可选，如果设为true或1，则只删除一条，默认false，表示删除多条
- 例8：只删除匹配到的第一条
```
db.stu.remove({gender:0},{justOne:true})
```
- 例9：全部删除
```
db.stu.remove({})
```
关于size的示例
- 例10
- 创建集合
```
db.createCollection('sub',{capped:true,size:10})
```
- 插入第一条数据库查询
```
db.sub.insert({title:'linux',count:10})
db.sub.find()
```
- 插入第二条数据库查询
```
db.sub.insert({title:'web',count:15})
db.sub.find()
```
- 插入第三条数据库查询
```
db.sub.insert({title:'sql',count:8})
db.sub.find()
```
- 插入第四条数据库查询
```
db.sub.insert({title:'django',count:12})
db.sub.find()
```
- 插入第五条数据库查询
```
db.sub.insert({title:'python',count:14})
db.sub.find()
```
数据查询

基本查询
- 方法find()：查询
```
db.集合名称.find({条件文档})
```
- 方法findOne()：查询，只返回第一个
```
db.集合名称.findOne({条件文档})
```
- 方法pretty()：将结果格式化
```
db.集合名称.find({条件文档}).pretty()
```
比较运算符
- 等于，默认是等于判断，没有运算符
- 小于$lt
- 小于或等于$lte
- 大于$gt
- 大于或等于$gte
- 不等于$ne
- 例1：查询名称等于'gj'的学生
```
db.stu.find({name:'gj'})
```
- 例2：查询年龄大于或等于18的学生
```
db.stu.find({age:{$gte:18}})
```
逻辑运算符
- 查询时可以有多个条件，多个条件之间需要通过逻辑运算符连接
- 逻辑与：默认是逻辑与的关系
- 例3：查询年龄大于或等于18，并且性别为1的学生
```
db.stu.find({age:{$gte:18},gender:1})
```
- 逻辑或：使用$or
- 例4：查询年龄大于18，或性别为0的学生
```
db.stu.find({$or:[{age:{$gt:18}},{gender:1}]})
```
- and和or一起使用
- 例5：查询年龄大于18或性别为0的学生，并且学生的姓名为gj
```
db.stu.find(
{$or:[{age:{$gte:18}},{gender:1}],name:'gj'}    )
```
范围运算符
- 使用"$in"，"$nin" 判断是否在某个范围内
- 例6：查询年龄为18、28的学生
```
db.stu.find({age:{$in:[18,28]}})
```
支持正则表达式
- 使用//或$regex编写正则表达式
- 例7：查询姓黄的学生
```
db.stu.find({name:/^黄/})
db.stu.find({name:{$regex:'^黄'}}})
```
自定义查询
- 使用$where后面写一个函数，返回满足条件的数据
- 例7：查询年龄大于30的学生
```
db.stu.find({$where:function(){return this.age>20}})
```
Limit
- 方法limit()：用于读取指定数量的文档
- 语法：
```
db.集合名称.find().limit(NUMBER)
```
- 参数NUMBER表示要获取文档的条数
- 如果没有指定参数则显示集合中的所有文档
- 例1：查询2条学生信息
```
db.stu.find().limit(2)
```
skip
- 方法skip()：用于跳过指定数量的文档
- 语法：
```
db.集合名称.find().skip(NUMBER)
```
- 参数NUMBER表示跳过的记录条数，默认值为0
- 例2：查询从第3条开始的学生信息
```
db.stu.find().skip(2)
```
一起使用
- 方法limit()和skip()可以一起使用，不分先后顺序
- 创建数据集
```
for(i=0;i<15;i++){db.t1.insert({_id:i})}
```
- 查询第5至8条数据
```
db.stu.find().limit(4).skip(5)
或
db.stu.find().skip(5).limit(4)
```
投影
- 在查询到的返回结果中，只选择必要的字段，而不是选择一个文档的整个字段
- 如：一个文档有5个字段，需要显示只有3个，投影其中3个字段即可
- 语法：
- 参数为字段与值，值为1表示显示，值为0不显示
```
db.集合名称.find({},{字段名称:1,...})
```
- 对于需要显示的字段，设置为1即可，不设置即为不显示
- 特殊：对于_id列默认是显示的，如果不显示需要明确设置为0
- 例1
```
db.stu.find({},{name:1,gender:1})
```
- 例2
```
db.stu.find({},{_id:0,name:1,gender:1})
```
排序
- 方法sort()，用于对结果集进行排序
- 语法
```
db.集合名称.find().sort({字段:1,...})
```
- 参数1为升序排列
- 参数-1为降序排列
- 例1：根据性别降序，再根据年龄升序
```
db.stu.find().sort({gender:-1,age:1})
```
统计个数
- 方法count()用于统计结果集中文档条数
- 语法
```
db.集合名称.find({条件}).count()
```
- 也可以与为
```
db.集合名称.count({条件})
```
- 例1：统计男生人数
```
db.stu.find({gender:1}).count()
```
- 例2：统计年龄大于20的男生人数
```
db.stu.count({age:{$gt:20},gender:1})
```
消除重复
- 方法distinct()对数据进行去重
- 语法
```
db.集合名称.distinct('去重字段',{条件})
```
- 例1:查找年龄大于18的性别（去重）
```
db.stu.distinct('gender',{age:{$gt:18}})
```
聚合 aggregate
- 聚合(aggregate)主要用于计算数据，类似sql中的sum()、avg()
- 语法
```
db.集合名称.aggregate([{管道:{表达式}}])
```
管道
- 管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的输入
```
ps ajx | grep mongo
```
- 在mongodb中，管道具有同样的作用，文档处理完毕后，通过管道进行下一次处理
- 常用管道
  
  $group：将集合中的文档分组，可用于统计结果
  
  $match：过滤数据，只输出符合条件的文档
  
  $project：修改输入文档的结构，如重命名、增加、删除字段、创建计算结果
  
  $sort：将输入文档排序后输出
  
  $limit：限制聚合管道返回的文档数
  
  $skip：跳过指定数量的文档，并返回余下的文档
  
  $unwind：将数组类型的字段进行拆分
表达式
- 处理输入文档并输出
- 语法
```
表达式:'$列名'
```
- 常用表达式
  
  $sum：计算总和，$sum:1同count表示计数
  
  $avg：计算平均值
  
  $min：获取最小值
  
  $max：获取最大值
  
  $push：在结果文档中插入值到一个数组中
  
  $first：根据资源文档的排序获取第一个文档数据
  
  $last：根据资源文档的排序获取最后一个文档数据
$group
- 将集合中的文档分组，可用于统计结果
- _id表示分组的依据，使用某个字段的格式为'$字段'
- 例1：统计男生、女生的总人数
```
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            counter:{$sum:1}
        }
    }
])
```
Group by null
- 将集合中所有文档分为一组
- 例2：求学生总人数、平均年龄
```
db.stu.aggregate([
    {$group:
        {
            _id:null,
            counter:{$sum:1},
            avgAge:{$avg:'$age'}
        }
    }
])
```
透视数据
- 例3：统计学生性别及学生姓名
```
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$name'}
        }
    }
])
```
- 使用$$ROOT可以将文档内容加入到结果集的数组中，代码如下
```
db.stu.aggregate([
    {$group:
        {
            _id:'$gender',
            name:{$push:'$$ROOT'}
        }
    }
])
```
$match
- 用于过滤数据，只输出符合条件的文档
- 使用MongoDB的标准查询操作
- 例1：查询年龄大于20的学生
```
db.stu.aggregate([
    {$match:{age:{$gt:20}}}
])
```
- 例2：查询年龄大于20的男生、女生人数
```
db.stu.aggregate([
    {$match:{age:{$gt:20}}},
    {$group:{_id:'$gender',counter:{$sum:1}}}
])
```
$project
- 修改输入文档的结构，如重命名、增加、删除字段、创建计算结果
- 例1：查询学生的姓名、年龄
```
db.stu.aggregate([
    {$project:{_id:0,name:1,age:1}}
])
```
- 例2：查询男生、女生人数，输出人数
```
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$project:{_id:0,counter:1}}
])
```
$sort
- 将输入文档排序后输出
- 例1：查询学生信息，按年龄升序
```
b.stu.aggregate([{$sort:{age:1}}])
```
- 例2：查询男生、女生人数，按人数降序
```
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:-1}}
])
```
$limit
- 限制聚合管道返回的文档数
- 例1：查询2条学生信息
```
db.stu.aggregate([{$limit:2}])
```
$skip
- 跳过指定数量的文档，并返回余下的文档
- 例2：查询从第3条开始的学生信息
```
db.stu.aggregate([{$skip:2}])
```
- 例3：统计男生、女生人数，按人数升序，取第二条数据
```
db.stu.aggregate([
    {$group:{_id:'$gender',counter:{$sum:1}}},
    {$sort:{counter:1}},
    {$skip:1},
    {$limit:1}
])
```
- 注意顺序：先写skip，再写limit
$unwind
- 将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值
语法1
- 对某字段值进行拆分
```
db.集合名称.aggregate([{$unwind:'$字段名称'}])
```
- 构造数据
```
db.t2.insert({_id:1,item:'t-shirt',size:['S','M','L']})
```
- 查询
```
db.t2.aggregate([{$unwind:'$size'}])
```
语法2
- 对某字段值进行拆分
- 处理空数组、非数组、无字段、null情况
```
db.inventory.aggregate([{
    $unwind:{
        path:'$字段名称',
        preserveNullAndEmptyArrays:<boolean>#防止数据丢失
    }
}])
```
- 构造数据
```
db.t3.insert([
{ "_id" : 1, "item" : "a", "size": [ "S", "M", "L"] },
{ "_id" : 2, "item" : "b", "size" : [ ] },
{ "_id" : 3, "item" : "c", "size": "M" },
{ "_id" : 4, "item" : "d" },
{ "_id" : 5, "item" : "e", "size" : null }
])
```
- 使用语法1查询
```
db.t3.aggregate([{$unwind:'$size'}])
```
- 查看查询结果，发现对于空数组、无字段、null的文档，都被丢弃了
- 问：如何能不丢弃呢？
- 答：使用语法2查询
```
db.t3.aggregate([{$unwind:{path:'$sizes',preserveNullAndEmptyArrays:true}}])
```
超级管理员
- 为了更安全的访问mongodb，需要访问者提供用户名和密码，于是需要在mongodb中创建用户
- 采用了角色-用户-数据库的安全管理方式
- 常用系统角色如下：
  
  root：只在admin数据库中可用，超级账号，超级权限
  
  Read：允许用户读取指定数据库
  
  readWrite：允许用户读写指定数据库
- 创建超级管理用户
```
use admin
db.createUser({
    user:'admin',
    pwd:'123',
    roles:[{role:'root',db:'admin'}]
})
```
启用安全认证
- 修改配置文件
```
sudo vi /etc/mongod.conf
```
- 启用身份验证
- 注意：keys and values之间一定要加空格, 否则解析会报错
```
security:
  authorization: enabled
```
- 重启服务
```
sudo service mongod stop
sudo service mongod start
```
- 终端连接
```
 mongo -u 'admin' -p '123' --authenticationDatabase 'admin'
```
普通用户管理
- 使用超级管理员登录，然后进入用户管理操作
- 查看当前数据库的用户
```
use test1
show users
```
- 创建普通用户
```
db.createUser({
    user:'t1',
    pwd:'123',
    roles:[{role:'readWrite',db:'test1'}]
})
```
- 终端连接
```
mongo -u t1 -p 123 --authenticationDatabase test1
```
- 切换数据库，执行命令查看效果
- 修改用户：可以修改pwd、roles属性
```
db.updateUser('t1',{pwd:'456'})
```
复制（副本集）

什么是复制
- 复制提供了数据的冗余备份，并在多个服务器上存储数据副本，提高了数据的可用性，并可以保证数据的安全性
- 复制还允许从硬件故障和服务中断中恢复数据
为什么要复制
- 数据备份
- 数据灾难恢复
- 读写分离
- 高（24* 7）数据可用性
- 无宕机维护
- 副本集对应用程序是透明
复制的工作原理
- 复制至少需要两个节点A、B...
- A是主节点，负责处理客户端请求
- 其余的都是从节点，负责复制主节点上的数据
- 节点常见的搭配方式为：一主一从、一主多从
- 主节点记录在其上的所有操作，从节点定期轮询主节点获取这些操作，然后对自己的数据副本执行这些操作，从而保证从节点的数据与主节点一致
- 主节点与从节点进行数据交互保障数据的一致性
复制的特点
- N 个节点的集群
- 任何节点可作为主节点
- 所有写入操作都在主节点上
- 自动故障转移
- 自动恢复
设置复制节点
- 接下来的操作需要打开多个终端窗口，而且可能会连接多台ubuntu主机，会显得有些乱，建议在xshell中实现
- step1:创建数据库目录t1、t2
- 在Desktop目录下演示，其它目录也可以，注意权限即可
```
mkdir t1
mkdir t2
```
- step2:使用如下格式启动mongod，注意replSet的名称是一致的
```
mongod --bind_ip 192.168.196.128 --port 27017 --dbpath ~/Desktop/t1 --replSet rs0
mongod --bind_ip 192.168.196.128 --port 27018 --dbpath ~/Desktop/t2 --replSet rs0
```
- step3:连接主服务器，此处设置192.168.196.128:27017为主服务器
```
mongo --host 192.168.196.128 --port 27017
```
- step4:初始化
```
rs.initiate()
```
- 初始化完成后，提示符如下图：
- step5:查看当前状态
```
rs.status()
```
- 当前状态如下图：
- step6:添加复本集
```
rs.add('192.168.196.128:27018')
```
- step7:复本集添加成功后，当前状态如下图：
- step8:连接第二个mongo服务
```
mongo --host 192.168.196.128 --port 27018
```
- 连接成功后，提示符如下图：
- step9:向主服务器中插入数据
```
use test1
for(i=0;i<10;i++){db.t1.insert({_id:i})}
db.t1.find()
```
- step10:在从服务器中插查询
- 说明：如果在从服务器上进行读操作，需要设置rs.slaveOk()
```
rs.slaveOk()
db.t1.find()
```
其它说明
- 删除从节点
```
rs.remove('192.168.196.128:27018')
```
- 关闭主服务器后，再重新启动，会发现原来的从服务器变为了从服务器，新启动的服务器（原来的从服务器）变为了从服务器
分片
- 在Mongodb里面存在另一种集群，就是分片技术,可以满足MongoDB数据量大量增长的需求
- 当MongoDB存储海量的数据时，一台机器可能不足以存储数据，也可能不足以提供可接受的读写吞吐量，这时，我们就可以通过在多台机器上分割数据，使得数据库系统能存储和处理更多的数据
为什么使用分片
- 本地磁盘不够大
- 当请求量巨大时会出现内存不足。
- 垂直扩展价格昂贵(内存、磁盘、cpu)
实现分片
- 分片结构图如下：
  
  实现分片需要3部分：
  
  路由服务器mongos：客户端由此接入，根据分片依据，将数据写入到不同的数据服务器
  
  配置服务器mongod：将数据进行分片的依据
  
  数据服务器mongod：可以有多台物理机，用于存储实际的数据块
  
  设计端口如下：
  
  路由服务器：60001
  
  配置服务器：60002
  
  数据服务器1：60003
  
  数据服务器2：60004
  
  step1:启动数据服务器，当前位于Desktop目录下
  
  sudo mkdir t1 sudo mkdir t2 sudo mongod --port 60003 --dbpath=~/Desktop/t1 sudo mongod --port 60004 --dbpath=~/Desktop/t2
  
  step2:启动配置服务器
  
  sudo mkdir conf sudo mongod --port 60002 --dbpath=~/Desktop/conf
  
  step3:启动路由服务器
  
  sudo mongos --port 60001 --configdb 192.168.196.128:60002
  
  step4:在路由服务器中添加数据服务器
  
  mongo --port 60001 use admin db.runCommand({addshard:'192.168.196.128:60003'}) db.runCommand({addshard:'192.168.196.128:60004'})
  
  step5:对数据库test1启用分片
  
  db.runCommand({enablesharding:'test1'})
  
  step6:指定片键，即集合中文档的分片依据
  
  db.runCommand({shardcollection:'test1.t1',key:{name:1}})
  
  step7:测试数据，向集合中插入1W条数据
  
  for(i=0;i<10000;i++){ db.t1.insert({name:'abc'+i}) }
  
  step8:查看数据存储情况
  
  db.printShardingStatus()
  
  可以查看到数据均匀存储在了数据服务器上
  
  step9:查询数据
  
  db.t1.find({name:'abc1000'}) db.t1.find({name:'abc9000'})
  
  分片的使用，对于客户端是透明的，对数据的读写没有变化
备份
- 语法
```
mongodump -h dbhost -d dbname -o dbdirectory
```
- -h：服务器地址，也可以指定端口号
- -d：需要备份的数据库名称
- -o：备份的数据存放位置，此目录中存放着备份出来的数据
- 例1
```
sudo mkdir test1bak
sudo mongodump -h 192.168.196.128:27017 -d test1 -o ~/Desktop/test1bak
```
恢复
- 语法
```
mongorestore -h dbhost -d dbname --dir dbdirectory
```
- -h：服务器地址
- -d：需要恢复的数据库实例
- --dir：备份数据所在位置
- 例2
```
mongorestore -h 192.168.196.128:27017 -d test2 --dir ~/Desktop/test1bak/test1
```
MapReduce
- ```
```
Google在2003年到2004年公布了关于GFS、MapReduce和BigTable三篇技术论文，这也成为后来云计算发展的重要基石，

谷歌技术有"三宝"，GFS(分布式文件系统)、MapReduce编程模型(Map映射和Reduce归约）和BigTable(分布式数据存储系统)！

`Map-Reduce`是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果规约（REDUCE）成最终结果。

![](/photos/03-map-reduce.png)

Google 2014年 I/O大会：`Google`已经停用`MapReduce`，开发并发布了一个新的超大规模云分析系统`Cloud Dataflow`。

![](/photos/01-aggregation-pipeline.png)

###MapReduce 命令

以下是MapReduce的基本语法：
```javascript
>db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction},   //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)
```
使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将key与 value 传递给 Reduce 函数进行处理。

Map 函数必须调用 emit(key, value) 返回键值对。

参数说明:
- map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
- reduce ：（规约）统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。
- out ：统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
- query ：一个筛选条件，只有满足条件的文档才会调用map函数。（query，limit，sort可以随意组合）
- sort ：和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
- limit ：执行map函数之前，限定文档数量的上限（要是没有limit，单独使用sort的用处不大）
MR示例

现有集合 orders 内容如下
```
db.orders.insert([
{
     _id: 1,
     cust_id: "marong",
     ord_date: new Date("Oct 04, 2012"),
     status: 'A',
     items: [ { sku: "mmm", qty: 5, price: 2.5 },
              { sku: "nnn", qty: 5, price: 2.5 } ]
},
{
     _id: 2,
     cust_id: "marong",
     ord_date: new Date("Oct 05, 2012"),
     status: 'B',
     items: [ { sku: "mmm", qty: 5, price: 3 },
              { sku: "nnn", qty: 5, price: 3 } ]
}
])
```
计算每个客户的总消费

执行过程：

1. 执行 map 操作过程
- 定义 map (映射) 函数来处理每个文档：
- 映射每个文档的cust_id, 并处理 items
- 先遍历 items，分别对每个items成员 qty和price相乘再求总和
```
var mapFunction2 = function() {
                       var key = this.cust_id;
                       var value = 0;
                       for (var idx = 0; idx < this.items.length; idx++) {
                            value += this.items[idx].qty * this.items[idx].price;
                       }
                       emit(key, value);
                    };
```
2. 定义reduce 函数有两个参数 keyCustId 和 valuesPrices
- valuesPrices 是数组，由 keyCustId 分组, 收集 value 而来
- reduces 函数对 valuesPrices 数组求和.
```
var reduceFunction2 = function(keyCustId, valuesPrices) {
                     return Array.sum(valuesPrices);
                  };
```
3. 执行 map-reduce 函数
```
db.orders.mapReduce(
                     mapFunction2,
                     reduceFunction2,
                     { out: "map_reduce_example" }
                   )
```
与python交互
- 点击查看官方文档
- 安装python包
```
进入虚拟环境
sudo pip install pymongo
或源码安装
python setup.py
```
- 引入包pymongo
```
import pymongo
```
- 连接，创建客户端
```
client=pymongo.MongoClient("localhost", 27017)
```
- 获得数据库test1
```
db=client.test1
```
- 获得集合stu
```
stu = db.stu
```
- 添加文档
```
s1={name:'gj',age:18}
s1_id = stu.insert_one(s1).inserted_id
```
- 查找一个文档
```
s2=stu.find_one()
```
- 查找多个文档1
```
for cur in stu.find():
    print cur
```
- 查找多个文档2
```
cur=stu.find()
cur.next()
cur.next()
cur.next()
```
- 获取文档个数
```
print stu.count()
```
查看全文

相关阅读:
sql server 行转列
 java 加密解密WORD文档
 数据库重新连接存储
 MSSQL 删除索引
 WORD添加批注（JAVA）
JAVA添加WORD文档批注
 MYECLIPSE说明书
 K3二次开发后台表
 css css预处理器
 javascript 视频播放指定的时间段

原文地址：https://www.cnblogs.com/ruhai/p/11318994.html

数据库切换

数据库删除

集合创建

查看当前数据库的集合

删除

数据类型

object id

[简介](file:///F:/001 数据库/第4章 数据库/第2节 MongoDB/01.MongoDB基础/)

插入

简单查询

更新

保存

删除

关于size的示例

数据查询

基本查询

比较运算符

逻辑运算符

范围运算符

支持正则表达式

自定义查询

Limit

skip

一起使用

投影

排序

统计个数

消除重复

聚合 aggregate

管道

表达式

$group

Group by null

透视数据

$match

$project

$sort

$limit

$skip

$unwind

语法1

语法2

超级管理员

启用安全认证

普通用户管理

复制（副本集）

什么是复制

为什么要复制

复制的工作原理

复制的特点

设置复制节点

其它说明

分片

为什么使用分片

实现分片

备份

恢复

MapReduce

MR示例

计算每个客户的总消费

1. 执行 map 操作过程

2. 定义reduce 函数有两个参数 keyCustId 和 valuesPrices

3. 执行 map-reduce 函数

与python交互

[简介](file:///F:/001 数据库/第4章数据库/第2节 MongoDB/01.MongoDB基础/)