MongoDB命令行操作.doc

MongoDB命令行操作 本文专门介绍MongoDB的命令行操作。其实，这些操作在MongoDB官网提供的QuickReference上都有，但是英文的，为了方便，这里将其稍微整理下，方便查阅。 这里用来做测试的是远端(10.77.20.xx)的Mongo数据库。 1、登录和退出 mongo命令直接加MongoDB服务器的IP地址（比如：mongo10.77.20.xx），就可以利用Mongo的默认端口号(27017)登陆Mongo，然后便能够进行简单的命令行操作。至于退出，直接exit，然后回车就好了。 plain $ mongo 10.77.20.xx MongoDB shell version: 2.0.4 connecting to: 10.77.20.xx/test show collections exit bye 从以上可以看出，登录后mongo会自动连上一个名为test的数据库。如果这个数据库不存在，那么mongo会自动建立一个名为test的数据库。上面的例子，由于Mongo服务器上没有名为test的db，因此，mongo新建了一个空的名为test的db。其中，没有任何collection。2、database级操作 plain 2.1 查看服务器上的数据库 show dbs admin (empty) back_up (empty) blogtest 0.203125GB local 44.056640625GB test (empty) 2.2 切换数据库 切换到blogtest数据库(从默认的test数据库) use blogtest switched to db blogtest mongo中，db代表当前使用的数据库。这样，db就从原来的test，变为现在的blogtest数据库。 2.3 查看当前数据库中的所有集合 show collections book system.indexes user 2.4 创建数据库 mongo中创建数据库采用的也是use命令，如果use后面跟的数据库名不存在，那么mongo将会新建该数据库。不过，实际上只执行use命令后，mongo是不会新建该数据库的，直到你像该数据库中插入了数据。 use test2 switched to db test2 show dbs admin (empty) back_up (empty) blogtest 0.203125GB local 44.056640625GB test (empty) 到这里并没有看到刚才新建的test2数据库。 db.hello.insert(name:testdb) 该操作会在test2数据库中新建一个hello集合，并在其中插入一条记录。 show dbs admin (empty) back_up (empty) blogtest 0.203125GB local 44.056640625GB test (empty) test2 0.203125GB show collections hello system.indexes 这样，便可以看到mongo的确创建了test2数据库，其中有一个hello集合。 2.5 删除数据库 db.dropDatabase() dropped : test2, ok: 1 show dbs admin (empty) back_up (empty) blogtest 0.203125GB local 44.056640625GB test (empty) 2.6 查看当前数据库 db test2 可以看出删除test2数据库之后，当前的db还是指向它，只有当切换数据库之后，test2才会彻底消失。 3、collection级操作plain 3.1 新建collection db.createCollection(Hello) ok : 1 show collections Hello system.indexes 从上面2.4也可以看出，直接向一个不存在的collection中插入数据也能创建一个collection。 db.hello2.insert(name:lfqy) show collections Hello hello2 system.indexes 3.2 删除collection db.Hello.drop() true 返回true说明删除成功，false说明没有删除成功。 db.hello.drop() false 不存在名为hello的collection，因此，删除失败。 3.3 重命名collection 将hello2集合重命名为HELLO show collections hello2 system.indexes db.hello2.renameCollection(HELLO) ok : 1 show collections HELLO system.indexes 3.4 查看当前数据库中的所有collection show collections 3.5 建立索引在HELLO集合上，建立对ID字段的索引，1代表升序。 db.HELLO.ensureIndex(ID:1) 4、Record级的操作这一小节从这里开始，我们用事先存在的blogtest数据库做测试，其中有两个Collection，一个是book，另一个是user。4.1 插入操作 plain 4.1.1 向user集合中插入两条记录 db.user.insert(name:GalGadot,gender:female,age:28,salary:11000) db.user.insert(name:MikieHara,gender:female,age:26,salary:7000) 4.1.2 同样也可以用save完成类似的插入操作 db.user.save(name:Wentworth EarlMiller,gender:male,age:41,salary:33000) 4.2 查找操作 4.2.1 查找集合中的所有记录plain db.user.find() _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13 4.2.2 查找集合中的符合条件的记录plain (1)单一条件 a)Exact Equal: 查询age为了23的数据 db.user.find(age:23) _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 b)Great Than: 查询salary大于5000的数据 db.user.find(salary:$gt:5000) _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 c)Fuzzy Match 查询name中包含a的数据 db.user.find(name:/a/) _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 查询name以G打头的数据 db.user.find(name:/G/) _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 (2)多条件与 查询age小于30，salary大于6000的数据 db.user.find(age:$lt:30,salary:$gt:6000) _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 (3)多条件或 查询age小于25，或者salary大于10000的记录 db.user.find($or:salary:$gt:10000,age:$lt:25) _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 4.2.3 查询第一条记录将上面的find替换为findOne()可以查找符合条件的第一条记录。plain 将上面的find替换为findOne()可以查找符合条件的第一条记录。 db.user.findOne($or:salary:$gt:10000,age:$lt:25) _id :ObjectId(52442736d8947fb501000001), name : lfqy, gender : male, age : 23, salary : 15 4.2.4 查询记录的指定字段plain 查询user集合中所有记录的name,age,salary,sex_orientation字段 db.user.find(,name:1,age:1,salary:1,sex_orientation:true) _id :ObjectId(52442736d8947fb501000001), name :lfqy, age : 23, salary : 15 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, age : 28, salary :11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, age : 26, salary :7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, age : 41, salary: 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 注意：这里的1表示显示此列的意思，也可以用true表示。 4.2.5 查询指定字段的数据，并去重。plain 查询gender字段的数据，并去掉重复数据 db.user.distinct(gender) male, female 4.2.6 对查询结果集的操作plain (1)Pretty Print 为了方便，mongo也提供了prettyprint工具，db.collection.pretty()或者是db.collection.forEach(printjson) db.user.find().pretty() _id :ObjectId(52442736d8947fb501000001), name : lfqy, gender : male, age : 23, salary : 15 _id :ObjectId(52453cfb25e437dfea8fd4f4), name : Gal Gadot, gender : female, age : 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name : Mikie Hara, gender : female, age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name : Wentworth EarlMiller, gender : male, age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name : not known, sex_orientation : male, age : 13 (2)指定结果集显示的条目 a)显示结果集中的前3条记录 db.user.find().limit(3) _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 b)查询第1条以后的所有数据 db.user.find().skip(1) _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 c)对结果集排序 升序 db.user.find().sort(salary:1) _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 降序 db.user.find().sort(salary:-1) _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52442736d8947fb501000001), name :lfqy, gender : male, age: 23, salary : 15 4.2.7 统计查询结果中记录的条数plain (1)统计集合中的所有记录条数 db.user.find().count() 5 (2)查询符合条件的记录数 查询salary小于4000或大于10000的记录数 db.user.find($or: salary: $lt:4000,salary: $gt:10000).count() 4 4.3 删除操作 4.3.1 删除整个集合中的所有数据plain db.test.insert(name:asdf) show collections book system.indexes test user 到这里新建了一个集合，名为test。 删除test中的所有记录。 db.test.remove() PRIMARY show collections book system.indexes test user db.test.find() 可见test中的记录全部被删除。 注意db.collection.remove()和drop()的区别，remove()只是删除了集合中所有的记录，而集合中原有的索引等信息还在，而drop()则把集合相关信息整个删除(包括索引)。 4.3.2 删除集合中符合条件的所有记录plain db.user.remove(name:lfqy) db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455cc825e437dfea8fd4f8), name :2, gender : female, age: 28, salary : 2 _id :ObjectId(52455d8a25e437dfea8fd4fa), name :1, gender : female, age: 28, salary : 1 db.user.remove( salary :$lt:10) db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 4.3.3 删除集合中符合条件的一条记录plain db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455de325e437dfea8fd4fb), name :1, gender : female, age: 28, salary : 1 _id :ObjectId(52455de925e437dfea8fd4fc), name :2, gender : female, age: 28, salary : 2 db.user.remove(salary :$lt:10,1) db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455de925e437dfea8fd4fc), name :2, gender : female, age: 28, salary : 2 当然，也可以是db.user.remove(salary:$lt:10,true) 4.4 更新操作4.4.1 赋值更新db.collection.update(criteria, objNew, upsert,multi )criteria:update的查询条件，类似sqlupdate查询内where后面的objNew:update的对象和一些更新的操作符（如$,$inc.）等，也可以理解为sqlupdate查询内set后面的。upsert :如果不存在update的记录，是否插入objNew,true为插入，默认是false，不插入。multi :mongodb默认是false,只更新找到的第一条记录，如果这个参数为true,就把按条件查出来多条记录全部更新。 plain db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455f8925e437dfea8fd4fd), name :lfqy, gender : male, age: 28, salary : 1 _id :ObjectId(5245607525e437dfea8fd4fe), name :lfqy, gender : male, age: 28, salary : 2 db.user.update(name:lfqy,$set:age:23,false,true) db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455f8925e437dfea8fd4fd), name :lfqy, gender : male, age: 23, salary : 1 _id :ObjectId(5245607525e437dfea8fd4fe), name :lfqy, gender : male, age: 23, salary : 2 db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_orientation : male,age : 13, salary : 30000 _id :ObjectId(52455f8925e437dfea8fd4fd), name :lfqy, gender : male, age: 23, salary : 1 _id :ObjectId(5245607525e437dfea8fd4fe), name :lfqy, gender : male, age: 23, salary : 2 db.user.update(name:lfqy1,$set:age:23,true,true) db.user.find() _id :ObjectId(52453cfb25e437dfea8fd4f4), name :Gal Gadot, gender : female, age: 28, salary : 11000 _id :ObjectId(52453d8525e437dfea8fd4f5), name :Mikie Hara, gender : female,age : 26, salary : 7000 _id :ObjectId(52453e2125e437dfea8fd4f6), name :Wentworth Earl Miller, gender : male,age : 41, salary : 33000 _id :ObjectId(52454155d8947fb70d000000), name :not known, sex_or