Python和MongoDB其实很配

　　MongoDB 其实就是一个大大的  JSON ，在 Python 的世界里 dict  也是最吃香的类型，所以，他们天生就是一对。MongoDB 的安装
　　推荐使用 Docker 来部署管理，一行命令就可以搞定，官方版本： docker run -d --name mongodb      -e MONGO_INITDB_ROOT_USERNAME=admin      -e MONGO_INITDB_ROOT_PASSWORD=admin      -v ~/data/mongo_dir:/data/db      -p 27017:27017      mongo
　　官方版本的 Docker 啥都好，就是体积有点大。还有一个小体积的  alpine  版本，开发时使用很方便，不过不能配置账户和密码。docker run -d --name mongo-lite    -p 27018:27017    -v ~/data/mongo_lite:/data/db    mvertes/alpine-mongo
　　如果想尝试 Mongo 的命令行 （Mongo Shell），直接进到 Docker 里： $ docker exec -it mongo-lite mongo MongoDB shell version v4.0.6 connecting to: mongodb://127.0.0.1:27017/?gssapiServiceName=mongodb ...  > use mydb switched to db mydb  > db.User.insertOne({＂name＂:＂Toby＂,age:18}) {  ＂acknowledged＂ : true,  ＂insertedId＂ : ObjectId(＂612c84c5d93795436ad27ebc＂) }  > db.User.find() { ＂_id＂ : ObjectId(＂612c84c5d93795436ad27ebc＂), ＂name＂ : ＂Toby＂, ＂age＂ : 18 }
　　Mongo Shell 官方文档：https://docs.mongodb.com/manual/reference/mongo-shell/ PyMongo 五分钟上手
　　安装 PyMongo 可以通过  pip  搞定。pip install pymongo
　　以下内容也可以参考官方文档：https://pymongo.readthedocs.io/en/stable/ 连接数据库
　　常见方式如下： from pymongo import MongoClient  # 连接有密码的Mongo client = MongoClient(＂mongodb://admin:admin@localhost:27017/＂)  # 连接没密码的Mongo client = MongoClient(＂mongodb://localhost:27018/＂)  # 列出所有已经存在的DB for db in client.list_databases():     print(db)  # 使用Mongo里的某个DB，这个DB可以不存在，后面写数据时会被创建出来 db = client.mydb 插入数据
　　插入的每条数据都是一个  dict ，一样的字段允许类型不一样，也允许每次插入的数据字段不一样，可以理解成动态类型数据，你想放什么都行，唯一的约束就是他们会被放在同一个 Document  里。# 插入一条数据 def add_one_user():     db.User.insert_one({         ＂name＂: ＂Toby＂,         ＂age＂: 18     })  # 插入多条数据 def add_many_users():     db.User.insert_many([{         ＂name＂: ＂Tom＂,         ＂age＂: 10     }, {         ＂name＂: ＂Toby＂,         ＂age＂: ＂unknown＂,         ＂hobbies＂: [＂write bugs＂, ＂raise dogs＂]     }])
　　这里的  User  约等于关系型数据库的表，但它的名字叫 Document ，每次数据插入完成后会返回一个_id ，这是 Mongo 里最重要的东西了，它就是靠这个_id  来保证数据的一致性，后续的数据修改和删除主要就是靠这个_id  来完成，所以一般针对某条特定的数据的处理，都是需要先查询它的_id ，然后再进行后面的操作。查询数据# 查询多个数据 def show_users():     # 一个表里所有数据     for e in db.User.find():         print(e)      # 匹配条件的多条数据     for e in db.User.find({＂name＂: ＂Toby＂}):         print(e)   # 查询单个数据 def query_user(name):     return db.User.find_one({＂name＂: name})   # 忽略大小写 def query_user_ignore_case(name):     return db.User.find_one({＂name＂: re.compile(name, re.IGNORECASE)})   # 使用运算符 https://docs.mongodb.com/manual/reference/operator/query/ def query_teenager():     return db.User.find_one({＂age＂: {＂$lt＂: 18}})
　　Mongo 的查询主要还是依赖 DB 自己提供的运算符，在 PyMongo 里要注意，这里不会抛出异常，如果找不到数据，默认返回 None。 通过运算符查询数据：https://docs.mongodb.com/manual/reference/operator/query/ 通过聚合查询数据：https://docs.mongodb.com/manual/aggregation/ 修改数据# 修改一个数据 def update_user(user, attributes: dict):     user.update(attributes)     result = db.User.replace_one({＂_id＂: user[＂_id＂]}, user, upsert=True)     return {＂affected_count＂: result.modified_count}  u = query_user_ignore_case(＂toby＂) result = update_user(u, {＂code＂: ＂python＂})  # 修改多个数据，注意有坑，Replace 和 Update是不一样的 def update_many():     todo = [         UpdateOne({＂age＂: 19}, {＂$set＂: {＂name＂: ＂Toby＂}}),         ReplaceOne({＂name＂: ＂Tom＂}, {＂age＂: 19}),  # name 会被吃掉     ]     result = db.User.bulk_write(todo)     print(result.matched_count)
　　Replace  是替换，所以要带上原有字段，这里有点坑。Update  不接受单独的 dict ，需要用 $set  / $unset  来标识修改的字段的方式。   [       { $set: { status: ＂Modified＂, comments: [ ＂$misc1＂, ＂$misc2＂ ] } },       { $unset: [ ＂misc1＂, ＂misc2＂ ] }    ] 删除数据def delete_user(name):     result = db.User.delete_one({＂name＂: name})     return {＂affected_count＂: result.deleted_count}
　　删除多个数据： >>> db.test.count_documents({＂x＂: 1}) 3 >>> result = db.test.delete_many({＂x＂: 1}) >>> result.deleted_count 3 >>> db.test.count_documents({＂x＂: 1}) 0 常见问题有什么办法可以让 Mongo 不自动添加_id到我的数据里？
　　几乎没有，这是 MongoDB 的特性决定的，如果你的数据没有 ID 的话，并且进行高并发插入时，大概率会遇到  BulkWriteError  这个错误。>>> doc = {} >>> collection.insert_many(doc for _ in range(10)) Traceback (most recent call last): ... pymongo.errors.BulkWriteError: batch op errors occurred >>> doc {＂_id＂: ObjectId(＂560f171cfba52279f0b0da0c＂)}  >>> docs = [{}] >>> collection.insert_many(docs * 10) Traceback (most recent call last): ... pymongo.errors.BulkWriteError: batch op errors occurred >>> docs [{＂_id＂: ObjectId(＂560f1933fba52279f0b0da0e＂)}]
　　如果你不想要自动生成的  ID ，可以自己在插入数据前指定这个字段。为啥我指定了_id还是查询不到我的数据？
　　比如我要查询数据库里的某个 post: >>> post_id_as_str = str(post_id) >>> posts.find_one({＂_id＂: post_id_as_str}) # No result
　　因为 pyMongo 里的这个 ID 不是字符串类型，你需要做一下数据转换。 from bson.objectid import ObjectId  # The web framework gets post_id from the URL and passes it as a string def get(post_id):     # Convert from string to ObjectId:     document = client.db.collection.find_one({＂_id＂: ObjectId(post_id)}) 用标准库里的 json 模块来序列化和反序列化 Mongo 的数据会有什么问题？
　　有一些数据类型在反序列后会得不到预期的结果，比如  ObjectId  和 DBRef ，PyMongo 为了解决这个问题自己封装了一个辅助类 json_util ，可以很好的解决这些问题。from bson.json_util import loads from bson.json_util import dumps 总结
　　Mongo 属于非关系型数据库，使用 Mongo 作为 DB 的思维需要做比较大的转变： 关系型数据库一般读写容易，修改难，容易理解 非关系型数据库一般是读写改容易，设计难（相对而言） ＂
　　关系型数据库支持 ACID (Atomicity, Consistency, Isolation, Duration) 即原子性，一致性，隔离性和持续性。相对而言，NoSQL 采用更宽松的模型 BASE (Basically Available, Soft state, Eventual Consistency) 即基本可用，软状态和最终一致性。
　　NoSQL 在精心的设计下查询性能会更高，数据结构也十分有弹性，特别适合快速发展和属性不确定的产品功能，但 Mongo 不支持事务，如何确保数据一致性是个挺大的挑战。
　　在选择上可以考虑从以下角度去思考： 需要 ACID 还是 BASE 需要结构化数据还是非结构化数据 需要对数据进行灵活扩展 开发人员的经验
　　很多情况只考虑最后一点就可以了。