MongoDB – 入门指南

组件结构

核心进程

在 MongoDB 中,核心进程主要包含了 mongod、mongos 和 mongosh 三个。

其中最主要的是 mongod 程序,其在不同的部署方案中(单机部署、副本集部署、分片集群部署),通过不同的配置,可以扮演多种不同的角色:

  • 在单机部署中作为数据库服务器(提供所有读写功能)
  • 在副本集部署中,通过配置,可以部署为 Primary 节点(负责写数据,也可以提供查询)、Secondary 节点(从主节点复制数据,也可以提供查询)、以及 Arbiter 节点(不保存数据,主要用于参与选举投票)
  • 在分片集群中,除了在每个分片中扮演上述角色外,还扮演着配置服务器的角色(存储有分片集群的所有元数据信息,mongos 的数据路由分发等都要依赖于它)

在一台服务器上,可以启动多个 mongod 服务。但在实际生产部署中,通常是建议一台服务器部署一个 mongod 实例,这样不仅减少资源竞争,而且服务器故障也不会同时影响到多个服务。

mongos 在分片集群中扮演路由的角色,提供客户端和分片之间的接口。

mongosh 是 MongoDB 集成的交互式 shell 工具。

数据库工具

MongoDB 数据库工具是用于处理 MongoDB 部署的命令行实用程序的集合。数据库工具包括以下二进制文件:

  • 二进制导入导出
    • mongodump: 导出 mongod 数据库的二进制数据
    • mongorestore: 恢复 mongodump 导出文件的数据到 mongod 或 mongos 数据库
    • bsondump: 转换 BSON 导出文件成 JSON 格式
  • 数据导入导出
    • mongoimport: 从外部 JSON、CSV 或 TSV 文件中加载数据
    • mongoexport: 从 mongod 实例中导出数据到 JSON 或 CSV 文件中
  • 诊断工具
    • mongostat: 快速诊断当前运行的 mongod 或 mongos 实例的状态
    • mongotop: 统计 mongod 实例读取和写入数据的时间
  • GridFS 工具
    • mongofiles: 支持在 GridFS 对象中操作 MongoDB 实例中存储的文件

数据逻辑结构

MongoDB 数据逻辑结构分为数据库 database、集合 collection、文档 document 三层 :

  • 一个 mongod 实例中允许创建多个数据库
  • 一个数据库中允许创建多个集合,集合相当于关系型数据库的表
  • 一个集合则是由若干个文档构成,文档相当于关系型数据库的行,是 MongoDB 中数据的基本单元

数据库

一个数据库中可以创建多个集合,原则上应把逻辑相近的集合都放在一个数据库中。

在 MongoDB 中,会有以下几个内建的数据库:

  • admin: 存放有数据库帐号相关信息,在身份验证和授权时使用
  • local: 特定于单个服务器的数据会存储在此数据库中。在副本集中,local 数据库用于存储复制过程中所使用的数据,而其本身不会被复制。
  • config: 用于分片集群环境,存放了分片相关的元数据信息
  • test: 默认创建的测试库,连接 mongod 服务时,如果不指定连接的具体数据库,默认就会连接到 test 数据库

集合

和 SQL 的表不同,集合是动态模式,不需要在读写数据前创建模式就可以使用,集合中的文档也可以拥有不同的字段,随时可以任意增减某个文档的字段。

默认情况下,集合不要求其文档具有相同的模式,但这是一种很好的实践。可以通过使用 MongoDB 的文档验证功能和可用于多种编程语言的对象–文档映射(object-document mapping)库来实现文档验证。

集合由其名称进行标识,集合名称可以是任意 UTF-8 字符串,但有以下限制:

  • 不能是空字符串("")。
  • 不能含有 \0(空字符),这个字符用于表示集合名称的结束
  • 不能以 system. 开头,该前缀为内部集合保留

集合名称使用 . 字符可以创建子集合,用与区分不同组织集合。虽然子集合没有任何特殊属性,但它们很有用,许多 MongoDB 工具整合了子集合。

文档

文档是 MongoDB 中数据的基本存储单元,以一种叫作 BSON 的文档结构表示。

文档中的键值对是有序的,不同序则是不同文档。并且键是区分大小写的,否则也为不同文档。

文档的键是字符串,而值除了字符串,还可以是 IntLongDoubleBoolean、数组、嵌入文档等多种类型。

每个文档都有一个默认的 _id 键,它相当于关系型数据库中的主键,这个键的值在同一个集合中必须是唯一的。

_id 键的值默认是 ObjectId 类型,在插入文档的时候,如果用户不设置文档的 _id 值的话,MongoDB 会自动生成一个唯一的 ObjectId 值进行填充。

数据库文件

MongoDB 在 3.2 版本已经将 WiredTiger 作为默认的存储引擎。其作为存储引擎的时候,数据库会有以下存储文件:

  • collection-*.wt: 存储集合的数据
  • index-*.wt: 存储索引的数据
  • WiredTiger: 存储基本配置信息
  • WiredTiger.wt: 存储所有其他集合的元数据信息
  • WiredTiger.lock: 存储进程 ID,用于防止多个进程连接同一个 WiredTiger 数据库
  • WiredTiger.turtle: 存储 WiredTiger.wt 的元数据信息
  • journal: 存储数据库的写日志

命令行工具

MongoDB 提供的 mongosh 是一个 JavaScript 的 shell,其提供了许多高级功能和自定义功能。

使用技巧

对于 MongoDB 提供的功能,shell 内置了帮助文档,可以输入 help 命令进行访问,使用 db.help() 可以查看数据库级别的帮助文档,使用 db.foo.help() 可以查看集合级别的帮助文档。

在 shell 中使用函数之前,在不使用括号的情况下输入函数名,这样会打印出函数的源代码,这是一个可以查看函数具体行为的好方法。

执行脚本

shell 不止可以直接执行 JavaScript 的脚本代码,还可以用于执行 JavaScript 的脚本文件,简单执行 mongo script.js 即可。

如果已经进入到 shell 中,可以使用 load() 函数加载 JavaScript 脚本文件。

创建 .mongorc.js 文件

对于需要频繁被加载的脚本,可以将它们添加到 .mongorc.js 中,此文件会在启动 shell 时自动运行。

在更实际一些的场景中,使用此脚本可以设置全局变量,或者为长名称设置一个简短的别名,也可以重写内置函数。

定制提示信息

通过将 prompt 变量设置为一个字符串或函数,可以重写默认的 shell 提示,如下示例:

prompt = function() {
    if (typeof db == 'undefined') {
        return '(nodb)> ';
    }

    // 检查最后的数据库操作
    try {
        db.runCommand({getLastError: 1});
    } catch (e) {
        print(e);
    }

    return db+"> ";
};

提示函数应该返回一个字符串,通常应该包含对 getLastError 的调用,这样可以捕获输入时的错误,并在 shell 断开连接时自动重新连接。

编辑复杂变量

使用 shell 时,编辑多行的时候不能再编辑前面的行,这对于较大的代码块或对象非常不友好。

为此,可以在 shell 中设置 EDITOR 变量,则可以使用 edit varname 的方式编辑一个变量,完成更改后只需保存并退出编辑器,变量将被重新解析并加载回 shell 中。

不便使用的集合名称

大多数情况下可以使用 db.collectionName 语法来获得一个集合的内容,但如果集合名称是保留字或是无效的 JavaScript 属性名称时,那么此方法就不能正常工作了。

对于上述的情况,可以使用 db.getCollection() 的方式绕过无效属性。