随着大数据时代的到来，数据急速增长，导致关系型数据库（SQL）越来越不够用。高性能、可扩展的数据库变得越来越重要起来，在这样的场景下，非关系型数据库（NoSQL）应运而生，这里的“NoSQL”不是“NoSQL（不是SQL）”，而是“Not only SQL（不仅是SQL）”的简称。2009年，分布式文档型数据库MongoDB引发了一场去SQL的浪潮。
1.1 非关系型数据库的分类及特点非关系型数据库主要分为以下几类
- 1．键值数据库
主要代表是Redis、Flare。这类数据库具有极高的读写性能，用于处理大量数据的高访问负载比较合适。
- 2．文档型数据库
主要代表是MongoDB、CouchDB。
这类数据库满足了海量数据的存储和访问需求，同时对字段要求不严格，可以随意地增加、删除、修改字段，且不需要预先定义表结构，所以适用于各种网络应用。
- 3．列存储数据库
主要代表是Cassandra、Hbase。这类数据库查找速度快，可扩展性强，适合用作分布式文件存储系统。
- 4．图数据库
主要代表是InfoGrid、Neo4J。这类数据库利用“图结构”的相关算法，适合用于构建社交网络和推荐系统的关系图谱。
1.2 MongoDB适合做什么
MongoDB适合储存大量关联性不强的数据。MongoDB中的数据以“库”—“集合”—“文档”—“字段”结构进行储存。这种结构咋看和传统关系型数据库的“库”—“表”—“行”—“列”结构非常像。但是，MongoDB不需要预先定义表结构，数据的字段可以任意变动，并发写入速度也远远超过传统关系型数据库。
1.3 从文件到MongoDB数据库
对于少量数据，可以使用“记事本”程序来保存。但如果需要对数据进行计算，那么记事本显然就不能胜任了。此时可以考虑 Excel。还可以使用Excel 的数据透视表来统计数据，如图所示。
image.png
Excel的一张表可以存放100万行左右的数据，那如果每天的数据都超过100万行呢？此时就不得不使用数据库来保存了。
使用MongoDB保存数据使用数据库，可以保存大量的数据，这是数据库最基本的功能。另外，数据库还能够对数据进行逻辑运算、数学运算、搜索、批量修改或删除。相比于传统的关系型数据库，MongoDB对于每一次插入的字段格式没有要求，字段可以随意变动，字段类型也可以随意变动，如图所示。
image.png
MongoDB可以并发插入上万条文档，这是传统关系型数据库所不能望其项背的。
2 MongoDB快速入门
会介绍MongoDB的安装和基本语法。另外，介绍在图形化管理工具Robo 3T中操作MongoDB，以及使用Python操作MongoDB的方法
MongoDB的语法与Python非常相似。在很多情况下，操作MongoDB的代码都可以直接用到Python中。所以，结合Python来学习MongoDB可以起到事半功倍的效果
1.1 MongoDB和SQL术语对比
SQL与MongoDB术语对比见
SQL | MongoDB |
|---|---|
表（Table） | 集合（Collection） |
行（Row） | 文档（Document） |
列（Col） | 字段（Field） |
主键（Primary Key） | 对象ID（Objectid） |
索引（Index） | 索引（Index） |
嵌套表（Embeded Table） | 嵌入式文档（Embeded Document） |
数组（Array） | 数组（Array） |
1.2 安装MongoDB
1.2.1 在Windows中安装
- （1）访问 MongoDB 官网的下载页面（https://www.mongodb.com/download-center?jmp=nav#community），单击“DOWNLOAD(msi)”按钮。
image.png
- （2）双击下载的文件（如无特殊说明，只需要一直单击“Next”按钮即可）。在安装过程中将会看到如图所示的界面选择安装方式，这里单击“Custom”按钮。
image.png
image.png
- （3）修改文件的安装路径到 D:MongoDBServer，单击“Next”按钮进行安装，如图所示。
image.png
- （4）安装完成以后，进入D:MongoDBServer4.2bin，可以看到如图所示的内容,配置文件为mongod.cfg
image.png
- （5）日志路径为D:MongoDBServer4.2log
正常安装完成之后，mongodb已经注册到服务，并已正常运行，后续的启停都在这里管理
image.png
1.2.2 在Linux中安装
由于 Linux 有众多的发行版，不同发行版本有不同的包管理工具，所以在各个发行版本中安装MongoDB的命令可能会有一些差异。本文以Centos7.6为例，来说明如何安装MongoDB。
1.配置MongoDB的yum源
创建yum源文件
添加以下内容：（我们这里使用阿里云的源,安装的是4.25版本）
代码语言：javascript复制[root@localhost ]# cd /etc/yum.repos.d
[root@localhost yum.repos.d]# vim mongodb-org-4.2.repo
[mngodb-org]
name=MongoDB Repository
baseurl=http://mirrors.aliyun.com/mongodb/yum/redhat/7Server/mongodb-org/4.2/x86_64/
gpgcheck=0
enabled=1
这里可以修改 gpgcheck=0, 省去gpg验证
安装之前先更新所有包 ：
代码语言：javascript复制[root@localhost yum.repos.d]# yum update
2.安装MongoDB
安装命令：
代码语言：javascript复制[root@localhost yum.repos.d]# yum -y install mongodb-org
安装完成后
查看mongo安装位置 whereis mongod
代码语言：javascript复制[root@localhost yum.repos.d]# whereis mongod
mongod: /usr/bin/mongod /etc/mongod.conf /usr/share/man/man1/mongod.1
查看修改配置文件 ：vim /etc/mongod.conf
bindIp: 172.0.0.1 改为 bindIp: 0.0.0.0
（注意冒号与ip之间需要一个空格）
代码语言：javascript复制[root@localhost yum.repos.d]# cat /etc/mongod.conf
# mongod.conf
# for documentation of all options, see:
# http://docs.mongodb.org/manual/reference/configuration-options/
# where to write logging data.
systemLog:
destination: file
logAppend: true
path: /var/log/mongodb/mongod.log
# Where and how to store data.
storage:
dbPath: /var/lib/mongo
journal:
enabled: true
# engine:
# wiredTiger:
# how the process runs
processManagement:
fork: true # fork and run in background
pidFilePath: /var/run/mongodb/mongod.pid # location of pidfile
timeZoneInfo: /usr/share/zoneinfo
# network interfaces
net:
port: 27017
bindIp: 0.0.0.0 # Enter 0.0.0.0,:: to bind to all IPv4 and IPv6 addresses or, alternatively, use the net.bindIpAll setting.
#security:
#operationProfiling:
#replication:
#sharding:
## Enterprise-Only Options
#auditLog:
#snmp:
3.启动MongoDB
启动mongodb ：systemctl start mongod.service
停止mongodb ：systemctl stop mongod.service
查到mongodb的状态：systemctl status mongod.service
设置开启自启动：systemctl enable mongod.service
代码语言：javascript复制[root@localhost yum.repos.d]# systemctl status mongod.service
● mongod.service - MongoDB Database Server
Loaded: loaded (/usr/lib/systemd/system/mongod.service; enabled; vendor preset: disabled)
Active: active (running) since Sat 2020-04-04 16:01:31 CST; 8s ago
Docs: https://docs.mongodb.org/manual
Process: 5492 ExecStart=/usr/bin/mongod $OPTIONS (code=exited, status=0/SUCCESS)
Process: 5488 ExecStartPre=/usr/bin/chmod 0755 /var/run/mongodb (code=exited, status=0/SUCCESS)
Process: 5485 ExecStartPre=/usr/bin/chown mongod:mongod /var/run/mongodb (code=exited, status=0/SUCCESS)
Process: 5481 ExecStartPre=/usr/bin/mkdir -p /var/run/mongodb (code=exited, status=0/SUCCESS)
Main PID: 5495 (mongod)
CGroup: /system.slice/mongod.service
└─5495 /usr/bin/mongod -f /etc/mongod.conf
Apr 04 16:01:30 localhost.localdomain systemd[1]: Starting MongoDB Database Server...
Apr 04 16:01:30 localhost.localdomain mongod[5492]: about to fork child process, waiting until server is ready for connections.
Apr 04 16:01:30 localhost.localdomain mongod[5492]: forked process: 5495
Apr 04 16:01:31 localhost.localdomain mongod[5492]: child process started successfully, parent exiting
Apr 04 16:01:31 localhost.localdomain systemd[1]: Started MongoDB Database Server.
4.外网访问需要关闭防火墙
CentOS 7.0默认使用的是firewall作为防火墙，这里改为iptables防火墙。
关闭firewall：
systemctl stop firewalld.service #停止firewall
systemctl disable firewalld.service #禁止firewall开机启动
vim /etc/sysconfig/iptables
iptables文件添加
-A INPUT -m state --state NEW -m tcp -p tcp --dport 27017 -j ACCEPT
（注意：-A INPUT -m state --state NEW -m tcp -p tcp --dport 27017 -j ACCEPT要加在-A INPUT -j REJECT --reject-with icmp-host-prohibited之前，不然启动无效）
3 MongoDB的图形化管理软件——Robo 3T
MongoDB虽然自带了一个终端环境下的客户端，但是操作起来比较繁琐，数据显示也不够直观，因此需要使用一个图形界面管理软件来提高MongoDB数据的可读性。
3.1 安装
Robo 3T是一个跨平台的MongoDB管理工具，采用图形界面查询或者修改MongoDB。Robo 3T的下载地址为：https://robomongo.org/download。在下载页面中可以看到另一个叫作 Studio 3T 的软件，它是一个功能更加强大的MongoDB图形化管理软件，但它是一个商业软件，需要收费，而Robo 3T是开源软件并且免费，它的功能足够应付本书的所有应用场景，因此本文选择使用Robo 3T。
- （1）安装Robo 3T的安装没有任何需要特别说明的地方，和安装普通软件一样简单
image.png
- （2）第一次成功启动Robot 3T时，会看到一个用户协议，如图所示，勾选“我接受”按钮
image.png
- （3）选择需要安装的路径，然后点击安装即可
- （4）在下一个界面中添加名字公司之类的信息，可以直接忽略，单击“完成”按钮跳过即可
3.2 用Robo 3T连接MongoDB
- （1）打开Robo 3T，看到如图所示对话框，单击左上角“Create”链接。
image.png
- （2）弹出如图所示对话框。如果MongoDB就在本地电脑中运行，则只需在“Name”栏中填写一个名字，其他地方不需要修改，然后直接单击“Save”按钮
image.png
- （3）保存回到界面后，单击“Connect”按钮就可以连接MongoDB了
3.3 认识Robo 3T的界面
Robo 3T的主界面如图所示。重点关注A、B、C三个区域
image.png
- 数据库列表区（后简称A区域），用于选择数据库和集合。
- 数据展示区（后简称B区域），用于显示数据。
- 命令执行区（后简称C区域），用于编写MongoDB代码。
在A区域中，单击数据库图标左边的箭头，展开数据库；单击“Collections”左边的箭头，展开集合。双击集合的名字，则B区域和C区域发生相应的变化。
4 MongoDB的基本操作
增、查、改、删是所有数据库必备的功能。本节将介绍如何使用MongoDB 来实现这四个功能
4.1 创建数据库与集合，写入数据
在Robo 3T中进行如下操作：
- （1）创建一个名为“chapter_1”的数据库，以及其中的多个集合
- （2）往集合里逐条插入数据
- （3）往集合里批量插入数据
使用Robo 3T打开刚刚安装完成的MongoDB，可以看到A区域是空的，还没有数据库，如图所示：
image.png
1．创建数据库与集合
- （1）鼠标右击“小电脑”图标，在弹出的菜单中选择“CreateDatabase”命令
- （2）在弹出的对话框中输入数据库的名字，单击“Create”按钮完成数据库的创建
image.png
- （3）新创建的数据库会出现在 A 区域中。单击数据库左边的小箭头将其展开，然后右击“Collections（0）”文件夹，在弹出的菜单中选择“Create Collection...”命令
- （4）在弹出的对话框中输入集合的名字，然后单击“Create”按钮,创建一个集合。
image.png
- （5）创建完集合后，原来的“Collections(0)”变成了“Collections(1)”。由此可以推测：括号里面的数字表示这个数据库里面有多少个集合。单击“Collections(1)”左侧的小箭头将其展开，可以看到集合“example_data_1”已经创建好了。双击集合名字，可以看到当前集合里什么都没有，如图所示：
image.png
2．插入单条数据
插入单条数据的命令为“insertOne()”，Robo 3T自带插入数据的功能，但是在此不介绍了，本文会直接介绍如何在C区域执行MongoDB命令插入数据。
（1）创建一条JSON字符串
例如：
{"name": "王小二", "age": 17, "address": "浙江"}
（2）对C区域的内容做一些修改
原来是：
db.getCollection('example_data_1').find({})
修改为：
db.getCollection('example_data_1').insertOne({"name": " 王小二 ","age": 17,"address": "浙江"})
（3）使用Windows与Linux的读者，可以按键盘上的“Ctrl R”组合键，运行后的界面如图所示。可以看到，一条数据已经插入到了MongoDB中
image.png
提示：还可以通过单击Robo 3T上面的绿色三角形来运行命令
- （4）在 A 区域双击集合“example_data_1”，从新打开的选项卡中可以看到数据已经成功插入，如图所示：
image.png
数据已经成功插入被插入的数据就是JSON字符串：
{"name": "张小二", "age": 17, "address": "浙江"}
提示：JSON字符串必须使用双引号，不过这个规定在MongoDB中并非强制性的，用单引号也没有问题。例如，在C区域执行以下命令： db.getCollection('example_data_1').insertOne({'name': '王小六','age': 23, 'work': '运维工程师'})
如果将Python的字典直接复制到MongoDB的insertOne命令中，则绝大部分情况下这些字典都可以直接使用，只有极少数情况下需要做一些修改，后面会讲到这些少数情况
提示：MongoDB还允许Key不带引号，直接写成 {name: '王小六', age: 23,work: '运维工程师'} 但这种写法存在一些局限性，并且会导致MongoDB的命令不方便平滑移植到Python中。因此，建议读者一律使用带单引号的写法或者带双引号的写法
3．调整插入的字段
- （1）任意修改、添加、删除字段。在现有的数据中，第1条数据没有“work”这个字段，第2条数据没有“address”这个字段。这就说明：在MongoDB里，插入数据的字段是可以任意修改、添加、删除的。例如，再插入一条新的数据：
db.getCollection('example_data_1').insertOne({"hello": "world","sex": "男","职位": "程序员"})
这一次所有的字段都和前两条数据不一样，但 MongoDB 仍然可以轻松处理——遇到新来的字段，加上去就是了，没什么大不了的，如图所示：
image.png
- （2）插入同一个字段，但格式却不同，即使是同一个字段，其数据格式也可以不一样
例如，再插入一条数据：
代码语言：javascript复制db.getCollection('example_data_1').insertOne({"name": "1024","age": "十岁","address": "3.5"})
添加后的数据如图所示：
image.png
提示：“能不能做”是一回事，“应不应该做”是另一回事。虽然MongoDB能够处理同一个字段的不同数据类型，也可以随意增减字段，但并不意味着应该这样做。在设计数据库时，应尽量保证同一个字段使用同一种类型的数据，并提前考虑好应该有哪些字段。
3．批量插入数据
批量插入数据的命令是“insertMany”,把一个包含很多个字典的列表传给“insertMany”。
列表为：
代码语言：javascript复制data_list = [
{'name': '赵小三','age':20,'address':'北京'},
{'name': '钱小四','age':21,'address':'上海'},
{'name': '孙小五','age':20,'address':'山东'},
{'name': '李小六','age':23,'address':'河北'},
{'name': '欧阳小七','age':24,'address':'杭州'},
]
对应的MongoDB批量插入语句为:
代码语言：javascript复制db.getCollection('example_data_1').insertMany([
{'name': '赵小三','age':20,'address':'北京'},
{'name': '钱小四','age':21,'address':'上海'},
{'name': '孙小五','age':20,'address':'山东'},
{'name': '李小六','age':23,'address':'河北'},
{'name': '欧阳小七','age':24,'address':'杭州'}
])
运行后返回的数据如图所示:
image.png
提示：可以通过换行和缩进让代码更美观、易读。换行和缩进不影响代码功能
运行以后的集合数据如图所示:
image.png
无论是插入一条数据还是插入多条数据，每一条数据被插入 MongoDB后都会被自动添加一个字段“_id”。“_id”读作“Object Id”，它是由时间、机器码、进程pid和自增计数器构成的。“_id”始终递增，但绝不重复。
● 同一时间，不同机器上面的“_id”不同
● 同一机器，不同时间的“_id”也不同
● 同一机器同一时间批量插入的数据，“_id”依然不同
提示：_id的前8位字符转换为十进制就是时间戳。例如“5b2f2e24e0f42944105c81d2”，前8位字符“5b2f2e24”转换为十进制就是时间戳“1529818660”，对应的北京时间是“2018-06-2413:37:40”
4.2 查询数据
对数据集example_data_1进行如下查询：
（1）查询所有数据
（2）查询特定数据：查询“age”为25岁的员工
（3）查询特定数据：查询“age”不小于25的所有记录
（4）限定返回的数据字段类型
在Robo 3T中双击集合名字，实际上是自动执行了以下这条查询语句：
db.getCollection('example_data_1').find({})
下面先来了解一下查询结果的三种显示模式
1．三种显示模式
Robo 3T显示出来的查询结果如图所示，注意右上角方框框住的三个图标。
image.png
Robo 3T对于返回的数据有三种组织方式，从左到右分别是：“树形模式（Tree Mode）”“表格模式（Table Mode）和“文本模式（TextMode）”。
提示：这三种显示模式是Robo 3T提供的，不是MongoDB的功能。
2．查询固定值数据
- （1）查询所有数据。如要查询所有数据值，则直接使用下面两种写法的任意一种即可： db.getCollection('example_data_1').find()
或
db.getCollection('example_data_1').find({})
- （2）查询特定数据。如要查询某个或者某些具体字段，则可以使用下面的语法来查询。如果有多个字段，则这些字段需要同时满足。
例如，对于数据集 example_data_1，要查询所有“age”字段为25的记录。则查询语句可以写为：```
代码语言：javascript复制db.getCollection('example_data_1').find({'age': 23})
查询结果如图所示：
image.png
由于“age”为25的记录有两条，于是需要进一步缩小查询范围——再增加一个限制条件：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': 23,'name':'王小六'})
运行结果如图所示：
image.png
总结一下，“find”的参数相当于一个字典。字典的 Key 就是字段名，字典的值就是要查询的值。如果字典有多个Key，则这些字段需同时满足。
3．查询范围值数据
如要查询的字段值能够比较大小，则查询时可以限定值的范围，例如，对数据集example_data_1，要查询所有“age”字段不小于25的记录，则需要使用大于等于操作符“$gte”。查询语句如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'$gte': 23}})
运行效果如图所示：
image.png
查询某个范围的数据会用到的操作符见下表：
操作符 | 含义 |
|---|---|
$gt | 大于 |
$gte | 大于等于 |
$lt | 小于 |
$lte | 小于等于 |
$ne | 不等于 |
使用范围操作符的查询语句格式如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'操作符1': 边界1，'操作符2': 边界2}})
可以看出，在使用范围操作符后，原本填写被查询值的地方现在又变成了一个字典。这个字典的Key是各个范围操作符，而它们的值是各个范围的边界值。
【举例1】查询所有“age”大于21并小于等于24的数据，查询语句如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'$lt': 24, '$gt': 21}})
【举例2】查询所有“age”大于21并小于等于24的数据，且“name”不为“夏侯小七”的记录
代码语言：javascript复制db.getCollection('example_data_1').find({
'age': {
'$lt': 24,
'$gt': 21
},
'name':{'$ne':'欧阳小七'}
})
4．限定返回哪些字段
“find”命令可以接收两个参数：第1个参数用于过滤不同的记录，第2个参数用于修改返回的字段，如果省略第2个参数，则MongoDB会返回所有的字段。如要限定字段，则查询语句的格式如下：
代码语言：javascript复制db.getCollection('example_data_1').find(用于过滤记录的字典，用于限定字段的字典)
其中，用于限定字段的字典的Key为各个字段名。其值只有两个——0或1。
● 如果值为0，则表示在全部字段中剔除值为0的这些字段并返回。
● 如果值为1，则表示只返回值为1的这些字段。
例如，查询数据集example_data_1，但不返回“address”和“age”字段，查询语句如下:
代码语言：javascript复制db.getCollection('example_data_1').find({}, {'address': 0, 'age': 0})
运行结果为如图所示:
image.png
再例如，要求只返回name字段和age字段，则查询语句如下：
代码语言：javascript复制db.getCollection('example_data_1').find({}, {'name': 1, 'age': 1})
运行效果如所示:
image.png
可能已经发现，不论是选择“只返回某些字段”还是“不返回某些字段”，结果里始终有“_id”。这是因为，“_id”比较特殊，它是默认要返回的，除非明确说明不需要它。即，如果不想要“_id”，则必须在限定字段的字典中把“_id”字段的值设为0，如图所示:
image.png
如果不考虑“_id”，则限定字段的字典里面的值只可能全都是0或全都是1，不可能1和0混用，一旦混用则MongoDB就会报错。这从逻辑上很好理解：
（1）如果只要A、B、C，则没有提到的自然都是不需要的
（2）如果除A、B、C外其他的全都要，则没有提到的自然全都是需要的
提示：只有“_id”很特别，不论其他字段的值是0还是1，如果不需要返回“_id”，则需要把它的值设为0
5．修饰返回结果
- （1）满足要求的数据有多少条——count()命令
如果想知道满足要求的数据有多少条，则可以使用“count()”命令。例如，要查询所有“age”字段大于21的记录有多少条，则查询语句如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'$gt': 21}}).count()
运行结果如图所示。返回数字“3”表示有3条记录满足要求
image.png
- （2）限定返回结果——“limit()”命令
如果查询的结果非常多，则可能需要限定返回结果。此时就需要使用“limit()”命令。它的用法如下：
代码语言：javascript复制db.getCollection('example_data_1').find().limit(限制返回的条数)
● 如果限制返回的条数为一个数字，则表示最多返回这么多条记录。如果超过限定条数，则只返回限定的条数
● 如果不足限定的条数，则有多少就返回多少。例如，对于数据集example_data_1，限制只返回4条数据。具体命令如下：
代码语言：javascript复制db.getCollection('example_data_1').find().limit(4)
运行效果如图所示:
image.png
- （3）对查询结果进行排序——“sort()”命令
有时也需要对查询结果进行排序，此时需要使用“sort()”命令。使用方法如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'$gt':21}}).sort({'字段名': -1或者1})
其中，字段的值为-1表示倒序，为1表示正序。例如，对所有“age”大于21的数据，按“age”进行倒序排列。查询语句如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'age': {'$gt':21}}).sort({'age': -1})
运行如下：
image.png
4.3 修改数据
实例描述数据集 example_data_1,“name”为“王小六”的这个记录是没有“address”字段的。现在需要为它增加这个字段，同时把“work”从“运维工程师”改为“DBA”。
（1）更新集合中的单条数据。
（2）批量更新同一个集合中的多条数据。
修改操作也就是更新（Update）操作，对应的 MongoDB 命令为“updateOne()”和“updateMany()”。
这两个命令只有以下区别，它们的参数完全一致。
● updateOne：只更新第1条满足要求的数据
● updateMany：更新所有满足要求的数据
下面以“updateMany”为例来介绍更新记录的操作。
1．更新操作的语法
代码语言：javascript复制db.getCollection('example_data_1').updateMany(
参数1：查询语句的第一个字典，
{'set':{'字段1':'新的值1','字段2','新的值2'}}
)
updateMany的第1个参数和“find”的第1个参数完全一样，也是一个字典，用来寻找所有需要被更新的记录。第2个参数是一个字典，它的Key为“$set”，它的值为另一个字典。这个字典里面是需要被修改的字段名和新的值。
举例：
修改“name”为“王小六”的文档，添加“address”字段，并“work”从“运维工程师”改为“DBA”
代码语言：javascript复制db.getCollection('example_data_1').updateMany(
{'name':'王小六'},
{'$set':{'address':'苏州','work':'DBA'}}
)
image.png
再次查看数据集，发现“王小六”的信息已经发生了变化，如图所示:
image.png
4.4 删除数据
例如，要从数据集example_data_1中删除字段“hello”值为“world”的这一条记录。
（1）从集合中删除单条数据
（2）从集合中批量删除多条数据
只要会查询数据，就会删除数据。为了防止误删数据，一般的做法是先查询要删除的数据，然后再将查出的数据删除
- （1）查询字段“hello”中值为“world”的这一条记录
具体如下：
代码语言：javascript复制db.getCollection('example_data_1').find({'hello': 'world'})
db.getCollection('example_data_1').find({'hello': 'world'})
运行效果如图所示:
image.png
- （2）把查询语句的“find”修改为“deleteOne”（如果只删除第1条满足要求的数据），或把查询语句的“find”修改为“deleteMany”（如果要删除所有满足要求的数据）
具体命令如下：
代码语言：javascript复制db.getCollection('example_data_1').deleteMany({'hello': 'world'})
- （3）在返回的数据中，“acknowledged”为“true”表示删除成功，“deletedCount”表示一共删除了1条数据
- （4）再次查询example_data_1，发现已经找不到被删除的数据了
提示：慎用删除功能。一般工程上会使用“假删除”，即：在文档里面增加一个字段“deleted”，如果值为0则表示没有删除，如果值为1则表示已经被删除了。默认情况下，deleted字段的值都是0，如需要执行删除操作，则把这个字段的值更新为1。而查询数据时，只查询deleted为0的数据。这样就实现了和删除一样的效果，即使误操作了也可以轻易恢复
4.5 数据去重
在数据集example_data_1中，进行以下两个去重操作。
（1）对“age”字段去重
（2）查询所有“age”大于等于24的数据，再对“age”进行去重。去重操作用到的命令为“distinct()”
格式如下：
代码语言：javascript复制db.getCollection('example_data_1').distinct('字段名'， 查询语句的第一个字典)
distinct()可以接收两个参数:
- 第1个参数为字段名，表示对哪一个字段进行去重。
- 第2个参数就是查询命令“find()”的第1个参数。distinct命令的第2个参数可以省略
1．对“age”字段去重对“age”字段去重的语句如下：
代码语言：javascript复制db.getCollection('example_data_1').distinct('age')
运行效果如图所示:
image.png
在MongoDB中返回的数据是一个数组，里面是去重以后的值。
2．对满足特定条件的数据去重首先查询所有“age”大于等于20的数据，然后对“age”进行去重。
代码语言：javascript复制db.getCollection('example_data_1').distinct(
'age',
{'age':{'$gte':20}}
)
运行结果：
image.png
提示：能否去重以后再带上其他字段呢？答案是，用“distinct()”命令不能实现。要实现这个功能，后面介绍
后面会更新如何使用Python操作MongoDB，请持续关注
