本文是一个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。

　　基本使用：

　　

　　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