mongodb安装教程以及mongodb的使用

MongoDB是由C++语言编写的一种面向文档的NoSQL数据库，旨在为WEB应用提供可扩展的高性能数据存储解决方案。与传统的关系型数据库（如 MySQL 或 PostgreSQL）不同，MongoDB 存储数据的方式是以 BSON（类似于 JSON 的二进制格式）格式来存储文档，而不是使用表格和行。每个文档可以包含多个键值对，因此非常灵活，适合处理大规模的数据集。

MongoDB的基本概念
文档：MongoDB中的数据基本单位是文档，类似于JSON对象，可以包含各种数据类型，如数字、日期、字符串、数组和嵌入式文档等。
集合：集合是一组用途相同或类似的文档的集合，相当于传统关系型数据库中的表。但MongoDB中的集合不受严格模式的管制，其中的文档可根据需要采用稍微不同的结构。

MongoDB的作用
高效存储大规模数据：MongoDB 使用了非结构化的存储方式，可以处理比传统关系数据库更大的数据量。
高可扩展性：MongoDB 具有水平扩展的能力，即通过增加更多的机器来提高性能和容量。
灵活的数据结构：每个文档的结构可以不同，这让开发者可以根据需求灵活设计数据存储结构。
支持分布式存储：MongoDB 支持数据分片，能够在多个服务器上分布数据，从而提高查询性能和系统可用性。
强大的查询功能：MongoDB 提供了丰富的查询语法和聚合功能，支持复杂的数据检索和操作。

官方下载地址：https://www.mongodb.com/try/download/community

这里改一下自定义安装路径，其他不用动



服务是启动的，配置一下环境变量

查看一下版本

现在就可以使用navicat进行连接使用了

/*insertOne()：用于向集合中插入单个文档。*/
db.collection.insertOne({name: "John", age: 30, email: "john@example.com"});

/*find()方法查询*/
db.collection.find({name: "John"});

mongodb的使用

MongoDB的聚合操作提供了丰富的功能，允许用户对数据进行复杂的查询、过滤、分组、排序和其他转换操作。这些聚合操作主要分为三类：单一作用聚合、聚合管道和MapReduce（从MongoDB 5.0开始已被弃用，因此这里主要讨论前两类）。

先理解一些概念：
MongoDB中的文档相当于MySQL中的行，但文档是嵌套的键值对集合，可以包含多个层次的嵌套数据。

聚合管道（Aggregation Pipeline）
定义：由多个 阶段（Stage） 组成的链式操作，每个阶段是一个独立操作，如筛选（$match）、分组（$group）、排序（$sort）等。
类比 MySQL：类似 SQL 中 SELECT + WHERE + GROUP BY + HAVING + ORDER BY 的组合，但更灵活。

聚合操作 vs 普通文档操作

特点
优点：语法简单，执行速度快。
缺点：功能单一，无法处理复杂逻辑（如多条件分组、嵌套计算）。

一、单一作用聚合
单一作用聚合是MongoDB提供的简化聚合操作，适用于单一目标的快速统计，无需复杂的数据处理流程。它们通常直接调用集合方法，执行简单计算（如计数、去重）。

二、聚合管道
聚合管道是一个数据聚合的框架，模型基于数据处理流水线的概念。文档进入多级管道，每个管道阶段对文档进行一系列运算，然后将结果文档输出给下一个阶段。聚合管道包含多个阶段操作符，常用的有：

$match：筛选文档，只返回满足条件的文档，类似于SQL中的WHERE子句。此阶段通常用于减少管道中的文档数量，以提高后续阶段的处理效率。
$project：修改输入文档的结构，主要用于包含、排除字段或添加计算字段。此阶段可以灵活控制输出文档的格式。
$group：根据指定的字段进行分组，并可以对分组后的文档执行聚合操作（如计数、求和等）。此阶段是聚合操作中的核心部分，用于对数据进行分组和统计。
$sort：对文档进行排序。此阶段可以对文档按照指定字段进行升序或降序排序。
$limit：限制返回的文档数量。此阶段用于控制输出结果的数量。
$unwind：将数组类型的字段拆分为多个文档。此阶段用于处理数组类型的字段，将每个数组元素拆分为一个独立的文档。
$lookup：进行左外连接，类似于SQL中的JOIN操作。此阶段用于将当前集合与其他集合进行关联查询，获取相关联的数据。
$out：将聚合结果输出到一个新集合。此阶段用于将聚合结果保存到指定的新集合中。
$replaceRoot：替换输入文档为指定的文档。此阶段通常用于改变文档的根结构。
$count：返回文档总数。此阶段用于统计满足条件的文档数量。
$facet：并行执行多条聚合管道，并将结果合并到一个单一的文档中。此阶段用于处理复杂的聚合需求，可以同时执行多个聚合操作并合并结果。此外，还有一些其他管道操作符如$bucket、$bucketAuto、$sortByCount等，用于对数据进行更高级的分组和排序操作。

aggregate 是 MongoDB 提供的 聚合管道的入口方法，用于执行多阶段的数据处理（如筛选、分组、排序、计算等）。
只有使用 aggregate 方法，才能使用 $group、$sum、$avg 等聚合操作符（称为 聚合阶段操作符）。

示例：

// 插入示例数据
db.sales.insertMany([
  {
    _id: 1,
    product: "iPhone 15",
    category: "电子产品",
    price: 6999,
    quantity: 2,
    region: "华东",
    date: ISODate("2023-10-05")
  },
  {
    _id: 2,
    product: "羽绒服",
    category: "服装",
    price: 899,
    quantity: 5,
    region: "华北",
    date: ISODate("2023-10-12")
  },
  {
    _id: 3,
    product: "咖啡机",
    category: "家电",
    price: 1599,
    quantity: 1,
    region: "华南",
    date: ISODate("2023-11-02")
  },
  {
    _id: 4,
    product: "蓝牙耳机",
    category: "电子产品",
    price: 399,
    quantity: 10,
    region: "华东",
    date: ISODate("2023-11-15")
  }
]);

//筛选日期为 2023年10月 的订单，按 category 分组，计算每个类别的 总销售额（price × quantity），按总销售额降序排序。
db.sales.aggregate([
  // 阶段1：筛选日期范围
  { $match: { 
    date: { 
      $gte: ISODate("2023-10-01"), 
      $lt: ISODate("2023-11-01") 
    }
  }},

  // 阶段2：计算每个订单的销售额（price * quantity）
  { $addFields: { 
    totalSale: { $multiply: ["$price", "$quantity"] } 
  }},

  // 阶段3：按category分组统计总销售额
  { $group: { 
    _id: "$category",
    totalSales: { $sum: "$totalSale" },
    avgSalePerOrder: { $avg: "$totalSale" },
    orderCount: { $sum: 1 } // 统计订单数量
  }},

  // 阶段4：按totalSales降序排序
  { $sort: { totalSales: -1 } }
]);