MongoDB的Python驱动PyMongo

创建连接>>> import pymongo
>>> connection=pymongo.Connection（"localhost",27017）
切换数据库>>> db = connection.test_database
获取collection>>> collection = db.test_collection
db和collection都是延时创建的，在添加Document时才真正创建文档添加，_id自动创建>>> import datetime
>>> post = {"author": "Mike",
... "text": "My first blog post！",
... "tags": ["mongodb", "python", "pymongo"],
... "date": datetime.datetime.utcnow（）}
>>> posts = db.posts
>>> posts.insert（post）
ObjectId（"..."）
批量插入>>> new_posts = [{"author": "Mike",
... "text": "Another post！",
... "tags": ["bulk", "insert"],
... "date": datetime.datetime（2009, 11, 12, 11, 14）},
... {"author": "Eliot",
... "title": "MongoDB is fun",
... "text": "and pretty easy too！",
... "date": datetime.datetime（2009, 11, 10, 10, 45）}]
>>> posts.insert（new_posts）
[ObjectId（"..."）, ObjectId（"..."）]
获取所有collection（相当于SQL的show tables）>>> db.collection_names（）
[u"posts", u"system.indexes"]
获取单个文档>>> posts.find_one（）
{u"date": datetime.datetime（...）, u"text": u"My first blog post！", u"_id": ObjectId（"..."）, u"author": u"Mike", u"tags": [u"mongodb", u"python", u"pymongo"]}
查询多个文档>> for post in posts.find（）:
... post
...
{u"date": datetime.datetime（...）, u"text": u"My first blog post！", u"_id": ObjectId（"..."）, u"author": u"Mike", u"tags": [u"mongodb", u"python", u"pymongo"]}
{u"date": datetime.datetime（2009, 11, 12, 11, 14）, u"text": u"Another post！", u"_id": ObjectId（"..."）, u"author": u"Mike", u"tags": [u"bulk", u"insert"]}
{u"date": datetime.datetime（2009, 11, 10, 10, 45）, u"text": u"and pretty easy too！", u"_id": ObjectId（"..."）, u"author": u"Eliot", u"title": u"MongoDB is fun"}
加条件的查询>>> posts.find_one（{"author": "Mike"}）
高级查询>>> posts.find（{"date": {"$lt": d}}）.sort（"author"）
统计数量>>> posts.count（）
3
加索引>>> from pymongo import ASCENDING, DESCENDING
>>> posts.create_index（[（"date", DESCENDING）, （"author", ASCENDING）]）
u"date_-1_author_1"
查看查询语句的性能>>> posts.find（{"date": {"$lt": d}}）.sort（"author"）.explain（）["cursor"]
u"BtreeCursor date_-1_author_1"
>>> posts.find（{"date": {"$lt": d}}）.sort（"author"）.explain（）["nscanned"]
2
附自己总结的一点小心得，仅供参考缺点不是全盘取代传统数据库（NoSQLFan：是否能取代需要看应用场景）不支持复杂事务（NoSQLFan：MongoDB只支持对单个文档的原子操作）文档中的整个树，不易搜索，4MB限制？（NoSQLFan：1.8版本已经修改为16M）
特点（NoSQLFan：作者在这里列举的很多只是一些表层的特点）：文档型数据库，表结构可以内嵌没有模式，避免空字段开销（Schema Free）分布式支持查询支持正则动态扩展架构32位的版本最多只能存储2.5GB的数据（NoSQLFan：最大文件尺寸为2G，生产环境推荐64位）
名词对应一个数据项叫做 Document（NoSQLFan：对应MySQL中的单条记录）一个文档嵌入另一个文档（comment 嵌入 post）叫做 Embed储存一系列文档的地方叫做 Collections（NoSQLFan：对应MySQL中的表）表间关联，叫做 ReferenceMongoDB下的BSON包的单独编译使用问题MongoDB 单机安装及 Python测试相关资讯 python MongoDB

Python 为什么要迁移到 Github （01月26日）
Python 决定迁移到 GitHub （01月03日）
使用MongoDB C#官方驱动操作（12/31/2015 16:27:56）

MongoDB 3.3.0 发布下载（01月14日）
MongoDB 3.2版WiredTiger存储引擎（01月02日）
进程监控工具Supervisor 启动（12/26/2015 10:49:57）

本文评论查看全部评论（0）