开发者如何学好 MongoDB

我们先来了解一下，MongoDB 为何物。

NoSQL 泛指非关系型数据库，该词是关系型数据库（即 SQL）的相对称呼。MongoDB 是非关系型数据库中较为人熟知的一种。

它拥有很多优秀特性，例如高性能、高可用、支持丰富的查询语句、无需预定义数据模型和水平可伸缩等，适合存储结构化、半结构化的文档和特定格式的文档，这些特性使它受到众多开发者的青睐。

与 MySQL 数据库不同的是，MongoDB 不需要预先定义表和字段，这正是它灵活性的体现。

MongoDB 可以拥有多个数据库，每个数据库可以拥有多个集合，每个集合可以存储多份文档，这种关系与 SQL 数据库中的“数据库、表、数据”相当。下图描述了 MongoDB 中数据库、集合和文档的关系：

数据库 fotoo 中有两个集合，它们分别是 player 和 books。每个集合中都包含了许多文档，例如集合 books 中关于书籍《红楼梦》的文档，集合 player 中关于球员 James 的文档。

在查询方面，一个简单的 MySQL 查询语句为：

代码语言：javascript复制

SELECT * FROM tablename

对应的 MongoDB 查询语句为：

代码语言：javascript复制

db.tablename.find()

在面对多步骤的查询条件时，MongoDB 更游刃有余。例如：

“统计数据库 artic 中 score 大于 70 且小于 90 的文档数量”

这样的需求，用 MongoDB 的聚合操作就可以轻松完成，对应示例如下：

代码语言：javascript复制

> db.artic.aggregate([ {$match: {score: {$gt: 70, $lt: 90}}}, {$group: {_id: null, number: {$sum: 1}}} ])

这个例子或许简单了些，在 MySQL 中我们可以用 count 和 where 完成，但如果复杂度再提高四五个等级呢？例如在此基础上增加对某个字段的运算、替换、排序、分组计数、增删字段，用 MySQL 来实现就会很头疼，而 MongoDB 的聚合可以让我们轻松地完成这类复杂需求。

MongoDB 适合存储结构确定或不确定的文档。例如爬虫爬取的信息常缺失字段的情况或字段参差不齐的情况；
对数据库可用性要求较高的情况。MySQL 这类数据库要做到负载均衡、自动容灾和数据同步需要借助外部工具，而 MongoDB 的复制集可以让我们轻松完成这一系列的工作。相对接借助第三方工具来说，复制集的稳定性更高。
分库分表是 WEB 开发中常用到的数据库优化手段，MySQL 的分库分表要考虑的问题非常多，例如字段冗余、数据组装跨节点分页、排序和数据迁移等，而 MongoDB 的分片可以让我们轻松完成“分库分表”的工作。MongoDB 的分片机制使我们不必将心思放在由“分库分表”带来的问题，而是专注于具体需求。
同样的，MySQL 的权限控制、定义数据模型、数据库备份和恢复等功能在 MongoDB 上也有。
MongoDB 中支持地理位置的存储和查询，这意味着 MongoDB 可以用于共享单车、共享雨伞、汽车定位等业务中。

我们常用的关系型数据库无法满足 WEB2.0 时代的需求，在实际应用中暴露了很多难以克服的问题。

NoSQL 的产生就是为了解决例如海量数据的存储、弹性可伸缩和灵活性等方面的挑战，作为一名合格的开发者，我我们应该抽空学习 SQL 以外的数据库知识，例如 MongoDB。