MongoDB完全指南 | AI生成和翻译
MongoDB 是一种流行的开源 NoSQL 文档数据库，专为现代应用开发而设计。它使用灵活的类 JSON 文档（称为 BSON）存储数据，非常适合处理非结构化或半结构化数据。与传统关系型数据库不同，MongoDB 采用无模式设计，允许集合（文档组）拥有不同的结构。它具有高度可扩展性，支持通过分片实现水平扩展，并通过复制提供高可用性。MongoDB 可部署在本地、通过 MongoDB Atlas（托管服务）在云端或混合环境中运行。本指南涵盖从基础到高级主题的所有内容，并提供使用 MongoDB Shell (mongosh) 的示例。
简介
MongoDB 在需要快速开发、灵活数据模型和高性能的场景中表现出色。主要特性包括：
- 文档模型：将数据存储为具有嵌套结构的自包含文档
- 查询语言：使用类 JavaScript 对象语法的丰富查询功能
- 可扩展性：内置分布式系统支持
- 生态系统：通过官方驱动与 Python、Node.js、Java 等语言集成
被 Adobe、eBay 和 Forbes 等公司用于大数据、实时分析和内容管理等应用场景。
安装指南
MongoDB 提供社区版（免费开源）和企业版。安装方法因平台而异；请始终从官网下载以确保安全。
Windows 系统
- 从 MongoDB 下载中心获取 MSI 安装程序
- 运行安装程序，选择”完整”安装，可包含 MongoDB Compass（图形化工具）
- 将 MongoDB 的
bin目录（如C:\Program Files\MongoDB\Server\8.0\bin）添加到 PATH 环境变量 - 创建数据目录：
mkdir -p C:\data\db - 启动服务：
mongod.exe --dbpath C:\data\db
支持：Windows 11、Server 2022/2019
macOS 系统
- 使用 Homebrew：
brew tap mongodb/brew && brew install mongodb-community - 或下载 TGZ 压缩包，解压后添加至 PATH
- 创建数据目录：
mkdir -p /data/db - 启动：
mongod --dbpath /data/db（或使用brew services start mongodb/brew/mongodb-community）
支持：macOS 11–14（x86_64 和 arm64 架构）
Linux 系统
- Ubuntu/Debian：添加 MongoDB 仓库密钥和列表后执行
apt-get install -y mongodb-org - RHEL/CentOS：使用 yum/dnf 配合仓库文件安装
- 创建数据目录：
sudo mkdir -p /data/db && sudo chown -R $USER /data/db - 启动：
sudo systemctl start mongod
支持：Ubuntu 24.04、RHEL 9+、Debian 12、Amazon Linux 2023 等。建议使用 XFS/EXT4 文件系统，避免 32 位系统
云端（MongoDB Atlas）
- 在 mongodb.com/atlas 注册账号
- 通过界面或 CLI 创建免费集群：
atlas clusters create <名称> --provider AWS --region us-east-1 --tier M0 - 设置 IP 白名单：
atlas network-access create <IP地址> - 获取连接字符串并连接：
mongosh "mongodb+srv://<用户名>:<密码>@cluster0.abcde.mongodb.net/"
Atlas 自动处理备份、扩展和监控功能
核心概念
数据库
作为集合的容器，实现数据逻辑分离。首次使用时隐式创建：use mydb。切换数据库：use mydb。列出数据库：show dbs
集合
文档的分组，类似表但具有模式灵活性。隐式创建：db.mycollection.insertOne({})。列出集合：show collections
文档
数据基本单元：包含键值对的 BSON 对象。示例：
{ "_id": ObjectId("..."), "name": "John", "age": 30, "address": { "city": "NYC", "zip": 10001 } }
支持数组、嵌套对象及日期、二进制等数据类型
BSON
二进制格式，提供高效存储和网络传输。在 JSON 基础上扩展了 ObjectId、Date、Binary 等类型
命名空间
唯一标识符格式：数据库.集合（如 mydb.orders）
配置示例：
use test
db.orders.insertMany([
{ item: "almonds", price: 12, quantity: 2 },
{ item: "pecans", price: 20, quantity: 1 }
])
CRUD 操作
在 mongosh 中使用 db.collection.method() 语法。多文档 ACID 事务通过会话实现
创建（插入）
- 单文档：
db.users.insertOne({ name: "Alice", email: "alice@example.com" }) - 多文档：
db.users.insertMany([{ name: "Bob" }, { name: "Charlie" }])返回插入的文档 ID
读取（查询）
- 全部文档：
db.users.find() - 条件筛选：
db.users.find({ age: { $gt: 25 } }) - 格式化输出：
.pretty() - 限制/排序：
db.users.find().limit(5).sort({ age: -1 })
更新
- 单文档：
db.users.updateOne({ name: "Alice" }, { $set: { age: 31 } }) - 多文档：
db.users.updateMany({ age: { $lt: 20 } }, { $set: { status: "minor" } }) - 数值递增：
{ $inc: { score: 10 } }
删除
- 单文档：
db.users.deleteOne({ name: "Bob" }) - 多文档：
db.users.deleteMany({ status: "inactive" }) - 删除集合：
db.users.drop()
查询与索引
查询操作
使用谓词条件进行筛选。支持等值、范围、逻辑运算等操作
- 基础查询：
db.inventory.find({ status: "A" })（等效 SQL：WHERE status = 'A'） - $in 操作符：
db.inventory.find({ status: { $in: ["A", "D"] } }) - $lt/$gt 操作符：
db.inventory.find({ qty: { $lt: 30 } }) - $or 操作符：
db.inventory.find({ $or: [{ status: "A" }, { qty: { $lt: 30 } }] }) - 正则表达式：
db.inventory.find({ item: /^p/ })（匹配以 “p” 开头的项目） - 嵌套字段：
db.users.find({ "address.city": "NYC" })
字段投影：db.users.find({ age: { $gt: 25 } }, { name: 1, _id: 0 })
索引机制
通过避免全表扫描提升查询速度。基于 B 树结构
- 索引类型：单字段（
db.users.createIndex({ name: 1 })）、复合（{ name: 1, age: -1 }）、唯一（{ email: 1 }） - 优势：加速等值/范围查询，优化排序结果
- 创建索引：
db.users.createIndex({ age: 1 })（升序） - 查看索引：
db.users.getIndexes() - 删除索引：
db.users.dropIndex("age_1")
使用 Atlas Performance Advisor 获取优化建议。注意权衡：写入速度会受影响
聚合框架
通过管道阶段处理数据。类似 SQL GROUP BY 但功能更强大
- 基础聚合：
db.orders.aggregate([ { $match: { price: { $lt: 15 } } } ]) - 处理阶段：
$match（筛选）、$group（聚合：{ $sum: "$price" }）、$sort、$lookup（关联：{ from: "inventory", localField: "item", foreignField: "sku", as: "stock" }）、$project（重塑文档结构） - 示例（关联与排序）：
db.orders.aggregate([ { $match: { price: { $lt: 15 } } }, { $lookup: { from: "inventory", localField: "item", foreignField: "sku", as: "inventory_docs" } }, { $sort: { price: 1 } } ])表达式运算：
{ $add: [ "$price", 10 ] }。可在 Atlas 界面预览聚合结果
模式设计
MongoDB 的灵活性避免了刚性模式约束，但需要为性能进行周密设计
- 设计原则：根据访问模式（读/写）建模，使用索引，保持工作集在内存中
- 嵌入式设计：将关联数据反规范化存储在同一文档中，实现原子读写。例如将评论嵌入博客文章。优点：查询快速。缺点：数据冗余，文档体积增大
- 引用式设计：通过 ID 进行规范化关联。例如
posts通过userId引用users。使用$lookup进行关联查询。优点：减少冗余。缺点：需要多次查询 - 模式选择：一对少（嵌入）、一对多（引用或嵌入数组）、多对多（引用）
- 数据验证：通过
db.createCollection("users", { validator: { $jsonSchema: { ... } } })强制执行
权衡数据冗余与原子性（仅文档级别）的取舍
复制与分片
复制机制
通过副本集（一组 mongod 实例）提供冗余和高可用性
- 核心组件：主节点（写入）、从节点（通过操作日志复制，可选读取）、仲裁节点（投票，不存储数据）
- 部署流程：使用
rs.initiate({ _id: "rs0", members: [{ _id: 0, host: "host1:27017" }] })初始化。添加成员：rs.add("host2:27017") - 选举机制：主节点故障时，从节点约 10-12 秒内完成选举
- 读取偏好设置：
primary、secondary（可能存在延迟） - 适用于故障转移、备份场景。启用流控制管理复制延迟
分片架构
水平扩展方案：将数据分布到多个分片
- 核心组件：分片（副本集）、Mongos（路由节点）、配置服务器（元数据存储）
- 分片键：用于数据分区的字段（例如哈希分片实现均匀分布）。需先创建索引
- 设置流程：启用分片
sh.enableSharding("mydb")，分片集合sh.shardCollection("mydb.users", { userId: "hashed" }) - 均衡器：自动迁移数据块实现负载均衡。区域分片支持地理局部性
- 分片策略：哈希分片（均匀分布）、范围分片（定向查询优化）
通过 mongos 连接；支持跨分片事务
安全防护
通过分层保护机制确保部署安全
- 身份验证：SCRAM、LDAP、OIDC、X.509。创建用户：
db.createUser({ user: "admin", pwd: "pass", roles: ["root"] }) - 授权管理：基于角色的访问控制（RBAC）。内置角色：read、readWrite、dbAdmin
- 加密机制：传输层 TLS/SSL 加密，静态数据加密（EAR）通过 AWS KMS/Google Cloud KMS/Azure Key Vault 实现。客户端字段级加密（CSFLE）保护敏感字段
- 网络安全：IP 访问列表，Atlas 中的 VPC 对等连接
- 审计功能：记录操作日志
启动时启用认证：--auth。使用 Atlas 获得内置安全功能
最佳实践
- 生产环境配置：以服务形式运行（systemctl/brew）。在 SSD 上分离数据/日志/日记文件。使用 WiredTiger 存储引擎（默认）
- 监控指标：
mongostat、mongotop、Atlas 监控图表。关注连接数（connPoolStats）、缓存淘汰、I/O 负载（iostat） - 备份策略：
mongodump/mongorestore或 Atlas 快照。逻辑备份（JSON）与物理备份（文件）对比 - 性能优化：合理使用索引，限制返回字段，避免大数组。设置
ulimit -n 64000，禁用交换分区（vm.swappiness=0），优化 TCP 保活设置 - 扩展方案：从副本集开始；数据量超过 100GB 或高吞吐量时分片
- 数据导入：
mongoimport --db test --collection users --file users.json - 工具生态：MongoDB Compass（图形界面）、mongosh（命令行）、应用开发驱动
- 常见误区：过度嵌入（文档大小限制 16MB）、忽略索引、未处理复制延迟
开发环境建议使用 Atlas M0 免费层级。使用 mongoperf 测试工作负载
参考资源
- MongoDB 官方手册
- MongoDB 安装指南
- MongoDB 核心概念
- MongoDB CRUD 操作
- MongoDB 查询文档
- MongoDB 索引指南
- MongoDB 聚合框架
- MongoDB 模式设计
- MongoDB 复制机制
- MongoDB 分片架构
- MongoDB 安全指南
- MongoDB 生产环境说明