MongoDB安装、CURD操作、使用场景分析总结（1）

NoSQL(NoSQL = Not Only SQL )，意即"不仅仅是SQL"。非关系型的数据存储

MongoDB 是一个基于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。

MongoDB 是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。

MongoDB有数据库、集合、文档三个基本概念分别相当于关系数据库中的数据库、表、行。

一、MongoDB安装

MongoDB官网下载地址：https://www.mongodb.org/downloads

Windows 最新版本是3.2.0，如果不出现这个下载选项，多换几个浏览器试试。

下载完成后点击mongodb-win32-x86_64-2008plus-ssl-3.2.0-signed.msi安装，傻瓜式下一步安装就可以，默认装到 C:Program FilesMongoDBServer3.2in 下。

微软徽标+R，输入cmd如下命令：

”cd C:Program FilesMongoDBServer3.2in“ --version    返回MongoDB shell version：3.2.0  说明安装成功。

在浏览器里面键入“http://localhost:27017/，出现如下界面，也说明安装成功。

打开cmd窗口，输入以下命令

1.> cd C:Program FilesMongoDBServer3.2in （找到安装目录，按着shift+右键 在此处打开命令）

2.> mongod.exe --install --logpath " C:Program FilesMongoDBloglog.txt" --dbpath " C:Program FilesMongoDBdatadb"

3.> net start mongodb 

安装成功后为了方便将mongodb的命令加入到环境变量PATH中

我的电脑-->右键-->属性；如下图：

正确添加后，cmd直接输入mongo --version 返回MongoDB shell version：3.2.0 

二、创建数据目录、日志目录

MongoDB将数据目录存储在 db 目录下。但是这个数据目录不会主动创建，我们在安装完成后需要创建它（data、db、log文件夹不创建会下面会报错，）。

数据目录：C:Program FilesMongoDBdatadb

日志目录：C:Program FilesMongoDBloglog.txt

执行如下命令：

mongod --dbpath "C:Program FilesMongoDBdatadb" --logpath "C:Program FilesMongoDBloglog.txt" --logappend

三、将MongoDB服务器作为Windows服务运行

执行如下命令：

mongod  --dbpath "C:Program FilesMongoDBdatadb" --logpath "C:Program FilesMongoDBloglog.txt" --logappend --directoryperdb --serviceName MongoDB --install

删除服务：mongod.exe --remove --serviceName "MongoDB"

 作为Windows服务启动不了报错：Windows不能在本地计算机启动MongoDB，错误代码 100

解决方法 ：

1、MongoDB安装目录data将此文件夹下的mongod.lock删除

2、检查设置数据目录dbpath或日志目录logpath是否正确

四、MongoDB的CURD操作

1、插入--cmd，输入mongo命令打开shell，使用testdb。文档必须是一个json的扩展（Bson)形式

db.person.insert({"name":"joye888","age":"25"})

db.person.insert({"name":"joye888","age":"26"})

 

2、查询-- “_id"： 数据库加的GUID主键

db.person.find()

 

3、修改

 update({查询条件},{需要修改的内容})

4、删除

db.person.remove({}) -- 删除所有

db.person.remove({"name":"joye888"})--根据条件删除

五、MongoDB使用场景：

 适合场景：

1、用于对象及JSON数据的存储

2、大尺寸、低价值的数据

3、缓存，比如考试的题库

4、日志数据

不使用的场景：

1、高度事物性的系统：银行系统

2、需要高度优化查询的数据

3、重要的数据

4、需要复杂SQL解决的问题