Python全栈 MongoDB 数据库（聚合、二进制、GridFS、

Python全栈 MongoDB 数据库（聚合、二进制、GridFS、pymongo模块），mongodbpymongo

断网了2天  今天补上

聚合操作： 对文档的信息进行整理统计的操作

返回：统计后的文档集合 db.collection.aggregate() 功能：聚合函数，完成聚合操作 参数：聚合条件，配合聚合操作符使用 返回：聚合后的结果

常用聚合操作符： 1.$group  分组聚合   要配合具体的统计操作符获取结果
$sum  求和 db.class1.aggregate({$group:{_id:'$gender',num:{$sum:1}}})      分组   按照gender值统计 统计结果，求和每有一个加1 统计所有男生和女生的年龄之和 db.class1.aggregate({$group:{_id:'$gender',num:{$sum:'$age'}}}) $avg  平均值 求男生 女生年龄的平均数 db.class1.aggregate({$group:{_id:'$gender',num:{$avg:'$age'}}}) $max 求最大值 求男生女生的年龄最大值 db.class1.aggregate({$group:{_id:'$gender',num:{$max:'$age'}}}) $min  求最小值 求男生女生的年龄最小值 db.class1.aggregate({$group:{_id:'$gender',num:{$min:'$age'}}})
2.$project 用于修改文档的显示效果
$project值的用法同find()的field参数相同 db.class1.aggregate({$project:{_id:0,name:1,age:1}})
自定义显示的域名 db.class1.aggregate({$project:{_id:0,Name:'$name',Age:'$age'}})

3.$match 过滤想要的数据
过滤年龄大于30的数据，$match值的写法同query db.class1.aggregate({$match:{age:{$gt:30}}})
4.$limit 显示前几个文档 db.class1.aggregate({$limit:3})
5.$skip 跳过前几个文档显示 db.class1.aggregate({$skip:2})
6.$sort   排序
按照年龄排序 db.class1.aggregate({$sort:{age:1}})
聚合管道 将前一个聚合操作产生的结果，交给后一个聚合操作继续使用 db.collection.aggregate([{聚合1},{聚合2},{}...])
$match --> $sort -->$project db.class1.aggregate([{$match:{gender:'m'}},{$sort:{age:1}},{$project:{_id:0}}])
聚合示例 使用grade数据库 给更多同学添加 域score score:{english:87,chinese:76,math:91}
1. 按照性别统计每组人数 aggregate({$group:{_id:'$sex',num:{$sum:1}}})
2. 统计该班中有哪个同学姓名为重名同学 aggregate([{$group:{_id:'$name',num:{$sum:1}}},{$match:{num:{$gt:1}}}])
3. 统计所有男生的语文成绩，只打印姓名，性别，语文成绩即可 aggregate([{$match:{sex:'m'}},{$project:{_id:0,name:1,sex:1,'score.chinese':1}}])
4. 将所有女生按照英语成绩降序排序 aggregate([{$match:{sex:'w'}},{$sort:{'score.english':-1}}])
文件存储：
1.存储路径 将文件放在本地路径（网络路径）下，然后数据库中存储该文件的查找路径    优点 ： 节省数据库空间 缺点 ： 当数据或者文件位置发生变化时文件即丢失
2. 将文件转换为二进制，存储文件本身
数据库支持二进制数据格式 将文件转换为二进制格式，然后存入数据库中
优点 ： 数据库和文件绑定，数据库在文件即在 缺点 ： 占用数据库空间大，存取效率低
mongodb存储文件本身 * 如果是小文件建议转换二进制直接插入 * 如果是大文件建议使用GridFS方案存储（大于16M）
GridFS方案解释
1. 在mongodb一个数据库中使用两个集合配合存储文件 2. fs.files 用来存储文件的相关信息，为每一个文件创建一个文档，    存储文件名，文件大小，存入时间。。。 3. fs.chunks 用来分块存储文件的实际内容(Binary data 类型数据)
存储方法: mongofiles  -d dbname（数据库）   put  file（要存储的文件）                                          
* 数据库不存在会自动创建数据库   数据库中会自动创建fs.files  fs.chunks两个集合
fs.files文档结构: { "_id" : ObjectId("5b7cdcd769d72e12b4f166d0"), "chunkSize" : 261120, "uploadDate" : ISODate("2018-08-22T03:47:35.381Z"), "length" : 305033, "md5" : "3698b5e762b5b396766aaf9feef7e10d",  "filename" : "file.jpg" }
fs.chunks文档结构 { "_id" : ObjectId("5b7cdcd769d72e12b4f166d2"), "files_id" : ObjectId("5b7cdcd769d72e12b4f166d0"),  "n" : 1,  "data" : BinData(0,"tQWR0AR......AG")  }
* 同一个文件fs.files中的_id值等于fs.chunks中的    files_id域的值
提取方法:
mongofiles  -d  dbname   get  file
GridFS方案: 优点 ： 存储方便，提供较好的命令支持和编程接口 缺点 :  存取效率低下 还没有复制的快
mongo shell中获取游标： * mongo shell下支持JS代码，可以通过JS获取游标，进而获取数据操作结果。
var cursor = db.class1.find() cursor.next()   获取下一条结果 cursor.hasNext()  查看是否有下一个对象

通过python操作 MongoDB： pymongo 模块   第三方模块 安装： sudo  pip3 install  pymongo
操作步骤：
    1. 连接数据库，生成数据库连接对象         conn = pymongo.MongoClient('localhost',27017)
    2. 选择要操作的数据库，生成数据库对象 (__setitem__)         db = conn.stu         db = conn['stu']
    3. 获取集合对象         myset = db.class0         myset = db['class0']
    4. 通过集合对象调用mongodb数据库操作函数         增删改查，聚合，索引。。。。。
    5. 关闭数据库连接            conn.close()

插入文档：
insert()    插入数据 功能同 mongoshell insert_many()  插入多条 insert_one() 插入一条 save()  插入数据，通过_id可以修改

查找操作： find() 功能 ： 对数据库进行查找 参数 ： 同mongoshell  find() 返回值 ： 返回游标对象                 cursor = myset.find({},{'_id':0})
cursor的属性函数 next() limit() skip() count() sort()
Python中sort和MongoDB的区别                 并且Python中的数据是字典和MongoDB的数据不同                  所以键和操作符号都必须要加引号 pymongo  : sort([('age',-1),('name',1)]) mongoshell : sort({age:-1,name:1})
* 如果通过for或者next操作了游标对象，再调用limit，skip，sort会报错
find_one() 用法同mongoshell中 findOne() 返回一个字典

修改操作： update(query,update,upsert = False，multi = False) update_many() update_one()
删除操作： remove(query,multi = True) 功能： 删除文档 参数： query 筛选条件        multi  默认True表示删除所有符合条件的               False只删除一条
索引操作： ensure_index()  创建索引 list_indexes()  查看索引 drop_index()  删除一个索引 drop_indexes() 删除所有索引
聚合操作： aggregate([]) 参数和mongoshell一样 返回值和find()函数一样也是得到一个游标对象

pymongo进行文件存取操作：
GridFS 文件提取：
import  gridfs 1. 连接数据库，获取相应的数据库对象 2. 通过 gridfs.GridFS(db) 获取集合对象（代表存储文件的两个集合） 3. 通过find()查找文件返回游标 4. 通过循环遍历游标获取指定文件对象，read()读取文件内容写入本地
以二进制的方式存取文件 import bson.binary

增删改查操作：

from pymongo import MongoClient 

#创建连接
conn = MongoClient('localhost',27017)

#创建数据库对象
db = conn.stu 

#创建集合对象
myset = db.class4 

print(dir(myset))

# 插入操作
myset.insert({'name':'张铁林','King':'乾隆'})
myset.insert([{'name':'张国立','King':'康熙'},\
    {'name':'陈道明','King':'康熙'}])
myset.insert_many([{'name':'唐国强','King':'雍正'},\
    {'name':'陈建斌','King':'雍正'}])
myset.insert_one({'name':'郑少秋','King':'乾隆'})
myset.save({'_id':1,'name':'聂远','King':'乾隆'}) 

# 查找操作

cursor = myset.find({},{'_id':0})

# i为每个文档对应的字典
for i in cursor:
    print(i['name'],'--->',i['King'])

myset = db.class1 
# 操作符使用引号变为字符串
cursor = myset.find({'age':{'$gt':30}},{'_id':0})

cursor.limit(2)#获取前两个文档
cursor.skip(2) #跳过前两个
cursor.sort([('age',-1),('name',1)]) #对游标内容排序

for i in cursor:
    print(i)
print(cursor.next()) #获取下一个文档


dic = {'$or':[{'age':{'$gt':35}},{'gender':'w'}]}
data = myset.find_one(dic,{'_id':0})
print(data)

# 修改操作
myset.update({'name':'张国立'},\
    {'$set':{'king_name':'玄烨'}})

myset.update({'name':'霍建华'},{'$set':{'King':'乾隆'}},\
    upsert = True)

myset.update({'King':'乾隆'},\
    {'$set':{'king_name':'弘历'}},multi = True)

myset.update_one({'King':'康熙'},\
    {'$set':{'king_name':'爱新觉罗玄烨'}})

myset.update_many({'King':'雍正'},\
    {'$set':{'king_name':'胤禛'}})

# 删除操作

myset.remove({'King':'康熙'})
myset.remove({'King':'乾隆'},multi = False)

#查找并删除
print(myset.find_one_and_delete({'King':'乾隆'}))


#关闭连接
conn.close()

索引操作：

from pymongo import MongoClient 

#创建连接
conn = MongoClient('localhost',27017)

#创建数据库对象
db = conn['stu'] 

myset = db['class1'] 

# 删除所有索引
myset.drop_indexes()

# 创建索引
index = myset.ensure_index('name')
# 创建复合索引
index = myset.ensure_index([('name',-1),('age',1)])
print(index)

# 删除一个索引
myset.drop_index('name_1')

# 创建特殊索引
index = myset.ensure_index('name',name = "myIndex",\
    unique = True,sparse = True)

# 查看集合中的索引
for i in myset.list_indexes():
    print(i)

myset = db.class4 

l = [
    {'$group':{'_id':'$King','num':{'$sum':1}}},
    {'$match':{'num':{'$gt':1}}}
]

cursor = myset.aggregate(l)
for i in cursor:
    print(i)

conn.close()

文件的存取：

from pymongo import MongoClient 
import bson.binary 

conn = MongoClient('localhost',27017)
db = conn.images 
myset = db.img 

#存储
f = open('file.jpg','rb')

#转换为mongodb的二进制数据存储形式
content = bson.binary.Binary(f.read())

#插入到数据库
myset.insert({'filename':'file.jpg','data':content})

#提取

data = myset.find_one({'filename':'file.jpg'})

#通过字典获取到数据库内容写入本地
with open(data['filename'],'wb') as f:
    f.write(data['data'])

conn.close()

手动存入文件MongoDB默认创建的文件数据导出：

from pymongo import MongoClient 
#pymongo绑定的模块
import gridfs

conn = MongoClient('localhost',27017)
db = conn.grid 

#获取gridfs对象
#fs综合了fs.files  fs.chunks两个集合的属性内容
fs = gridfs.GridFS(db)

#查文档生产游标
files = fs.find()

#获取每一个文件的对象
for file in files:
    print(file.filename)
    if file.filename == 'file.jpg':
        with open(file.filename,'wb') as f:
            #从数据库读取出来
            data = file.read()
            #写入本地
            f.write(data)

conn.close()