python使用pymongo连接MongoDB,pymongomongodb,本文是一个Python
python使用pymongo连接MongoDB,pymongomongodb,本文是一个Python
本文是一个Python 使用MongoDB的简单教程,将使用pymongo对MongoDB进行的各种操作进行了简单的汇总,NoSQLFan进行了简单整理,使用Python的同学可以看一看。
下载相应平台的版本,解压即可。为方便使用,将bin路径添加到系统path环境变量里。其中mongod是服务器,mongo是客户shell,然后创建数据文件目录:在c盘下创建data文件夹,里面创建db文件夹。
基本使用:
安装对应语言的Driver,Python 安装 pymongo
$ easy_install pymongo
使用方法总结,摘自官方教程
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:
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 Reference相关内容
- django-redis-cache:用Redis作django的缓存层,redisdjango,djan
- python实现的守护进程(Daemon),pythondaemon,def createDa
- python多线程Ping网段,python多线程ping,import sysim
- python一行代码打印九九乘法表,python一行乘法,python一行
- webpy获得checkbox数组的值,webpycheckbox数组,webpy中获得选
- 使用python查询google pr值代码,pythonpr,如下代码查询网站
- python创建临时文件夹,python创建文件夹,import tempf
- python获得文件扩展名,python文件扩展名,import os.pa
- python实现希尔排序算法,python希尔算法,希尔排序(Shel
- python 读取系统环境变量,python环境变量,#!/usr/bin/e
评论关闭