zoukankan      html  css  js  c++  java
  • mongodb集合的增删

    1.创建集合

    createCollection() 方法

    MongoDB db.createCollection(name, options) 是用来创建集合.

    语法:

    基本的 createCollection() 命令语法如下:

    db.createCollection(name, options)

    在命令中, name 是要创建的集合的名称. Options 是一个文件,用于指定配置的集合

    参数类型描述
    Name String 要创建的集合名称
    Options Document (可选)指定有关内存大小和索引选项

    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:

    字段类型描述
    capped Boolean (可选)如果为true,则启用封顶集合。封顶集合是固定大小的集合,会自动覆盖最早的条目,当它达到其最大大小。如果指定true,则需要也指定尺寸参数。
    autoIndexID Boolean (可选)如果为true,自动创建索引_id字段的默认值是false。
    size number (可选)指定最大大小字节封顶集合。如果封顶如果是 true,那么你还需要指定这个字段。
    max number (可选)指定封顶集合允许在文件的最大数量。

    当插入文档,MongoDB 第一检查大小字段封顶集合,然后它会检查最大的字段中。

    例子:

     createCollection() 方法不使用选项的基本语法如下:

    >use test
    switched to db test
    >db.createCollection("mycollection")
    { "ok" : 1 }
    >

    可以检查通过使用创建的集合命令 show collections

    >show collections
    mycollection
    system.indexes

    下面的例子显示了几个重要的选项 createCollection()方法的语法:

    >db.createCollection("mycol", { capped : true, autoIndexID : true, size : 6142800, max : 10000 } )
    { "ok" : 1 }
    >

    在MongoDB中,不需要创建集合。当插入一些文件 MongoDB 自动创建的集合。

    >db.yiibai.insert({"name" : "yiibai"}) >show collections mycol mycollection system.indexes yiibai >

    2.删除集合

    drop() 方法

    MongoDB 的 db.collection.drop() 是用来从数据库中删除一个集合。

    语法:

    drop() 命令的基本语法如下

    db.COLLECTION_NAME.drop()

    示例:

    首先,检查可用的集合在数据库 mydb

    >use mydb
    switched to db mydb
    >show collections
    mycol
    mycollection
    system.indexes
    yiibai
    >

    现在删除集合名称为 mycollection

    >db.mycollection.drop()
    true
    >

    再次检查到数据库中的集合列表

    >show collections
    mycol
    system.indexes
    yiibai
    >

    drop() 方法将返回 true,如果选择成功收集被丢弃,否则将返回 false

     
  • 相关阅读:
    Digital Video Stabilization and Rolling Shutter Correction using Gyroscope 论文笔记
    Distortion-Free Wide-Angle Portraits on Camera Phones 论文笔记
    Panorama Stitching on Mobile
    Natural Image Stitching with the Global Similarity Prior 论文笔记 (三)
    Natural Image Stitching with the Global Similarity Prior 论文笔记(二)
    Natural Image Stitching with the Global Similarity Prior 论文笔记(一)
    ADCensus Stereo Matching 笔记
    Efficient Large-Scale Stereo Matching论文解析
    Setting up caffe on Ubuntu
    Kubernetes配置Secret访问Harbor私有镜像仓库
  • 原文地址:https://www.cnblogs.com/wangjing666/p/6837082.html
Copyright © 2011-2022 走看看