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

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()

 

posted @ 2018-08-23 22:48  ParisGabriel  阅读(954)  评论(0编辑  收藏  举报