了解 MongoDB 看这一篇就够了（上）
作者：美码师
一、简介
MongoDB 是一款流行的开源文档型数据库，从它的命名来看，确实是有一定野心的。MongoDB 的原名一开始来自于 英文单词”Humongous”, 中文含义是指”庞大”，即命名者的意图是可以处理大规模的数据。
但笔者更喜欢称呼它为 “芒果”数据库，除了译音更加相近之外，原因还来自于这几年使用 MongoDB 的两层感觉：
· 第一层感受是”爽”，使用这个文档数据库的特点是几乎不受什么限制，一方面Json文档式的结构更容易理解，而无Schema约束也让DDL管理更加简单，一切都可以很快速的进行。
· 第二层感受是“酸爽”，这点相信干运维或是支撑性工作的兄弟感受会比较深刻，MongoDB 由于入门体验”太过于友好”，导致一些团队认为用好这个数据库是个很简单的事情，所以开发兄弟在存量系统上埋一些坑也是正常的事情。所谓交付一时爽，维护火葬场.. 当然了，这句话可能有些过。但这里的潜台词是：与传统的RDBMS数据库一样，MongoDB 在使用上也需要认真的考量和看护，不然的话，会遇到更多的坑。
那么，尽管文档数据库在选型上会让一些团队望而却步，仍然不阻碍该数据库所获得的一些支持，比如 DB-Engine 上的排名：
图-DBEngine排名
在全部的排名中，MongoDB 长期排在第5位(文档数据库排名第1位)，同时也是最受欢迎的 NoSQL 数据库。另外，MongoDB 的社区一直比较活跃，加上商业上的驱动(MongoDB于2017年在纳斯达克上市)，这些因素都推动了该开源数据库的发展
MongoDB 数据库的一些特性：
· 面向文档存储，基于JSON/BSON 可表示灵活的数据结构
· 动态 DDL能力，没有强Schema约束，支持快速迭代
· 高性能计算，提供基于内存的快速数据查询
· 容易扩展，利用数据分片可以支持海量数据存储
· 丰富的功能集，支持二级索引、强大的聚合管道功能，为开发者量身定做的功能，如数据自动老化、固定集合等等。
· 跨平台版本、支持多语言SDK..
假定你是初次了解 MongoDB，下面的内容将能帮助你对该数据库技术的全貌产生一定的了解。
二、基本模型
数据结构对于一个软件来说是至关重要的，MongoDB 在概念模型上参考了 SQL数据库，但并非完全相同。
关于这点，也有人说，MongoDB 是 NoSQL中最像SQL的数据库..
如下表所示：
说明
· database 数据库，与SQL的数据库(database)概念相同，一个数据库包含多个集合(表)
· collection 集合，相当于SQL中的表(table)，一个集合可以存放多个文档(行)。不同之处就在于集合的结构(schema)是动态的，不需要预先声明一个严格的表结构。更重要的是，默认情况下 MongoDB 并不会对写入的数据做任何schema的校验。
· document 文档，相当于SQL中的行(row)，一个文档由多个字段(列)组成，并采用bson(json)格式表示。
· field 字段，相当于SQL中的列(column)，相比普通column的差别在于field的类型可以更加灵活，比如支持嵌套的文档、数组。此外，MongoDB中字段的类型是固定的、区分大小写、并且文档中的字段也是有序的。
另外，SQL 还有一些其他的概念，对应关系如下：
说明
· id 主键，MongoDB 默认使用一个id 字段来保证文档的唯一性。
· reference 引用，勉强可以对应于 外键(foreign key) 的概念，之所以是勉强是因为 reference 并没有实现任何外键的约束，而只是由客户端(driver)自动进行关联查询、转换的一个特殊类型。
· view 视图，MongoDB 3.4 开始支持视图，和 SQL 的视图没有什么差异，视图是基于表/集合之上进行动态查询的一层对象，可以是虚拟的，也可以是物理的(物化视图)。
· index 索引，与SQL 的索引相同。
· $lookup，这是一个聚合操作符，可以用于实现类似 SQL-join 连接的功能
· transaction 事务，从 MongoDB 4.0 版本开始，提供了对于事务的支持
· aggregation 聚合，MongoDB 提供了强大的聚合计算框架，group by 是其中的一类聚合操作。
BSON 数据类型
MongoDB 文档可以使用 Javascript 对象表示，从格式上讲，是基于 JSON 的。
一个典型的文档如下：
{
"_id": 1,
"name" : { "first" : "John", "last" : "Backus" },
"contribs" : [ "Fortran", "ALGOL", "Backus-Naur Form", "FP" ],
"awards" : [
{
"award" : "W.W. McDowell Award",
"year" : 1967,
"by" : "IEEE Computer Society"
}, {
"award" : "Draper Prize",
"year" : 1993,
"by" : "National Academy of Engineering"
}
]
}
曾经，JSON 的出现及流行让 Web 2.0 的数据传输变得非常简单，所以使用 JSON 语法是非常容易让开发者接受的。但是 JSON 也有自己的短板，比如无法支持像日期这样的特定数据类型，因此 MongoDB 实际上使用的是一种扩展式的JSON，叫 BSON(Binary JSON)。
BSON 所支持的数据类型包括：
图-BSON类型
分布式ID
在单机时代，大多数应用可以使用数据库自增式ID 来作为主键。传统的 RDBMS 也都支持这种方式，比如 mysql 可以通过声明 auto_increment来实现自增的主键。但一旦数据实现了分布式存储，这种方式就不再适用了，原因就在于无法保证多个节点上的主键不出现重复。
为了实现分布式数据ID的唯一性保证，应用开发者提出了自己的方案，而大多数方案中都会将ID分段生成，如著名的 snowflake 算法中就同时使用了时间戳、机器号、进程号以及随机数来保证唯一性。
MongoDB 采用 ObjectId 来表示主键的类型，数据库中每个文档都拥有一个_id 字段表示主键。_id 的生成规则如下：
图-ObjecteID
其中包括：
· 4-byte Unix 时间戳
· 3-byte 机器 ID
· 2-byte 进程 ID
· 3-byte 计数器(初始化随机)
值得一提的是 id 的生成实质上是由客户端(Driver)生成的，这样可以获得更好的随机性，同时降低服务端的负载。当然服务端也会检测写入的文档是否包含id 字段，如果没有就自动生成。
三、操作语法
除了文档模型本身，对于数据的操作命令也是基于JSON/BSON 格式的语法。
比如插入文档的操作：
db.book.insert(
{
title: "My first blog post",
published: new Date(),
tags: [ "NoSQL", "MongoDB" ],
type: "Work",
author : "James",
viewCount: 25,
commentCount: 2
}
)
执行文档查找：
db.book.find({author : "James"})
更新文档的命令：
db.book.update(
{"_id" : ObjectId("5c61301c15338f68639e6802")},
{"$inc": {"viewCount": 3} }
)
删除文档的命令：
db.book.remove({"_id":
ObjectId("5c612b2f15338f68639e67d5")})
在传统的SQL语法中，可以限定返回的字段，MongoDB可以使用Projection来表示：
db.book.find({"author": "James"},
{"_id": 1, "title": 1, "author": 1})
实现简单的分页查询：
db.book.find({})
.sort({"viewCount" : -1})
.skip(10).limit(5)
这种基于BSON/JSON 的语法格式并不复杂，它的表达能力或许要比SQL更加强大。与 MongoDB 做法类似的还有 ElasticSearch，后者是搜索数据库的佼佼者。
关于文档操作与 SQL方式完整的对比，官方的文档描述得比较详细：https://docs.mongodb.com/manual/reference/sql-comparison/
那么，一个有趣的问题是 MongoDB 能不能用 SQL进行查询？
当然是可以！
但需要注意这些功能并不是 MongoDB 原生自带的，而需要借由第三方工具平台实现：
客户端使用SQL，可以使用 mongobooster、studio3t 这样的工具
服务端的话，可以看看 presto 之类的一些平台..
四、索引
无疑，索引是一个数据库的关键能力，MongoDB 支持非常丰富的索引类型。利用这些索引，可以实现快速的数据查找，而索引的类型和特性则是针对不同的应用场景设计的。
索引的技术实现依赖于底层的存储引擎，在当前的版本中 MongoDB 使用 wiredTiger 作为默认的引擎。在索引的实现上使用了 B+树的结构，这与其他的传统数据库并没有什么不同。所以这是个好消息，大部分基于SQL数据库的一些索引调优技巧在 MongoDB 上仍然是可行的。
图-B+树
使用 ensureIndexes 可以为集合声明一个普通的索引：
db.book.ensureIndex({author: 1})
author后面的数字 1 代表升序，如果是降序则是 -1
实现复合式(compound)的索引，如下：
db.book.ensureIndex({type: 1, published: 1})
只有对于复合式索引时，索引键的顺序才变得有意义
如果索引的字段是数组类型，该索引就自动成为数组(multikey)索引：
db.book.ensureIndex({tags: 1})
MongoDB 可以在复合索引上包含数组的字段，但最多只能包含一个
索引特性
在声明索引时，还可以通过一些参数化选项来为索引赋予一定的特性，包括：
· unique=true，表示一个唯一性索引
· expireAfterSeconds=3600，表示这是一个TTL索引，并且数据将在1小时后老化
· sparse=true，表示稀疏的索引，仅索引非空(non-null)字段的文档
· partialFilterExpression: { rating: { $gt: 5 }，条件式索引，即满足计算条件的文档才进行索引
索引分类
除了普通索引之外，MongoDB 支持的类型还包括：
· 哈希(HASH)索引，哈希是另一种快速检索的数据结构，MongoDB 的 HASH 类型分片键会使用哈希索引。
· 地理空间索引，用于支持快速的地理空间查询，如寻找附近1公里的商家。
· 文本索引，用于支持快速的全文检索
· 模糊索引(Wildcard Index)，一种基于匹配规则的灵活式索引，在4.2版本开始引入。
索引评估、调优
使用 explain() 命令可以用于查询计划分析，进一步评估索引的效果。如下：
> db.test.explain().find( { a : 5 } )
{
"queryPlanner" : {
...
"winningPlan" : {
"stage" : "FETCH",
"inputStage" : {
"stage" : "IXSCAN",
"keyPattern" : {
"a" : 5
},
"indexName" : "a_1",
"isMultiKey" : false,
"direction" : "forward",
"indexBounds" : {"a" : ["[5.0, 5.0]"]}
}
}},
...
}
从结果 winningPlan 中可以看出执行计划是否高效，比如：
· 未能命中索引的结果，会显示COLLSCAN
· 命中索引的结果，使用IXSCAN
· 出现了内存排序，显示为 SORT
关于 explain 的结果说明，可以进一步参考文档：
https://docs.mongodb.com/manual/reference/explain-results/index.html