pymongo

windows pymongo是文件储存的数据库处理程序，能够针对MongoDB数据库的相互关系，这款高效率、高可用性的数据库产品，具有强大的面向集合储存功能，查询监视、复制文件等。有需要的朋友欢迎来IT猫扑下载使用。

pymongo说明

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。

下载安装：

当前可下载选项：

pymongo-2.6.3.tar.gz Source

pymongo-2.6.3.win32-py2.7.exe MS Windows installer

PyMongo安装

安装pymongo-2.6.3.tar.gz

解压之后，cmd运行语句：

C:Userslibing>cd /d E:pymongo-2.6.3

E:pymongo-2.6.3>python setup.py install

安装pymongo-2.6.3.win32-py2.7.exe

双击打开即可进入安装

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（NoSQLFan：作者在这里列举的很多只是一些表层的特点）：

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

PyMongo基本使用：引用PyMongo

>>> import pymongo

创建连接Connection

>>> import pymongo

>>> conn = pymongo.Connection('localhost',27017)

或

>>> from pymongo import Connection

>>> conn = Connection('localhost',27017)

创建Connection时，指定host及port参数

>>> import pymongo

>>> conn = pymongo.Connection(host='127.0.0.1',port=27017)

连接数据库

>>> db = conn.ChatRoom

或

>>> db = conn['ChatRoom']

连接聚集

>>> account = db.Account

或

>>> account = db[&Account&]

查看全部聚集名称

>>> db.collection_names()

查看聚集的一条记录

>>> db.Account.find_one()

>>> db.Account.find_one({&UserName&:&keyword&})

查看聚集的字段

>>> db.Account.find_one({},{&UserName&:1,&Email&:1})

{u'UserName': u'libing', u'_id': ObjectId('4ded95c3b7780a774a099b7c'), u'Email': u'libing@35.cn'}

>>> db.Account.find_one({},{&UserName&:1,&Email&:1,&_id&:0})

{u'UserName': u'libing', u'Email': u'libing@35.cn'}

查看聚集的多条记录

>>> for item in db.Account.find():

item

>>> for item in db.Account.find({&UserName&:&libing&}):

item[&UserName&]

查看聚集的记录统计

>>> db.Account.find().count()

>>> db.Account.find({&UserName&:&keyword&}).count()

聚集查询结果排序

>>> db.Account.find().sort(&UserName&) --默认为升序

>>> db.Account.find().sort(&UserName&,pymongo.ASCENDING) --升序

>>> db.Account.find().sort(&UserName&,pymongo.DESCENDING) --降序

聚集查询结果多列排序

>>> db.Account.find().sort([(&UserName&,pymongo.ASCENDING),(&Email&,pymongo.DESCENDING)])

添加记录

>>> db.Account.insert({&AccountID&:21,&UserName&:&libing&})

修改记录

>>> db.Account.update({&UserName&:&libing&},{&$set&:{&Email&:&libing@126.com&,&Password&:&123&}})

删除记录

>>> db.Account.remove() -- 全部删除

>>> db.Test.remove({&UserName&:&keyword&})

pymongo 2.6.3 其他版本官方下载：https://pypi.python.org/pypi/pymongo/#downloads