mongodb 数据库实验
一:增加数据
操作1:单条插入:Yelp数据库中的User数据集插入符和如下要求的数据
_id:自定义为自己的班级;
user_id:自己的学号+任意字符(多于22个字符取前22位,不足22个字符补充字母,数字或下划线);
name:姓名拼音;
review_count:任意随机数;
yelping_since:实验时间;
操作2:多条插入:
随机构建4条User数据,有序插入User数据集中;
db.user.insert( { _id: 2018211, user_id: 201821057900000000000000000000000, name: "xiao", review_count: 100, "yelping_since": ISODate("2020-11-17 07:58:51"), } )
the result
2: 插入多项数据:
db.user.insertMany( [ { _id: 201821112, user_id: 201811111111111111111111, name: "xiaoxiao", review_count: 1, "yelping_since": ISODate("2020-11-18 07:58:51"), }, { _id: 201821114, user_id: 201822222222222222222, name: "xuexiao", review_count: 344, "yelping_since": ISODate("2030-11-18 07:58:51"), }, { _id: 201821117, user_id: 201833333333333333333, name: "xiaoxiao", review_count: 56, "yelping_since": ISODate("2020-11-19 07:58:51"), },] )
the result
二:删除数据
删除指定条件的数据:删除business数据集中 stars小于3且city位于Las Vegas的记录;
db.business.remove({ "city": "Las Vegas", stars: { $lt:3 } })
result :
三: 更新数据
整体更新:将1.1中插入的数据整体更新
user_id:自己的班级+任意字符(多于22个字符取前22位,不足22个字符补充字母,数字或下划线);
name:姓名拼音倒序;
review_count:任意随机数(与之前不同);
yelping_since:当前实验时间(与之前不同);
操作5:局部更新
"8mIrX_LrOnAqWsB5JrOojQ"的记录对应的stars增加0.5
db.user.update({_id: 2018211125}, {name:"xiaoxiao", review_count: 0,yelping_since: ISODate("2020-11-18 21:58:51")})
result: 查询后
部分更新
db.business.update({business_id:8mIrX_LrOnAqWsB5JrOojQ}, { "$inc":{stars:0.5} } )
进行部分更新, 再次查询结果为:
四:查询
1: 查询business集合内latitude大于30,longitude小于50,state位于AZ的10条记录
查询business集合内city为"Charlotte"或"Toronto"或“Scottsdale”的记录(跳过前510条数据)
db.business.find({ latitude: { "$gte": 30, "$lte": 50 }, state: "AZ" }).limit(10)
result:
查询business集合内city为"Charlotte"或"Toronto"或“Scottsdale”的记录(跳过前510条数据)
db.business.find({ city: { "$in": ["Charlotte", "Toronto", "cottsdale"] } }).skip(150)
result :
五索引:
创建索引:friend数据集上,建立user_id(升序)与friend_id(降序)多字段唯一索引
db.friend.createIndex({user_id:1 ,friend_id: -1})
result
查看索引:
db.friend.getIndexes()
六聚合:
统计review数据集中stars大于2.0对应的不同user_id(作为_id)的stars评分总和(重命名为starSum)
db.review.aggregate([ { $match: { "stars": { "$gte": 2.0 } } }, { $group: { _id: "$user_id", starSum:{ $sum: "$stars" } } }, ])
result :
统计friend数据集中friend_id为"BI4jBJVto2tEQ0NiaR0rNQ"的不同用户的总数(count)从第10条开始统计
db.friend.aggregate([ { $match: { friend_id:"BI4jBJVto2tEQ0NiaR0rNQ" } }, { $group: { _id: "$friend_id", Sum:{ $sum: "$count", } } }, ]).skip(10)
result :
统计friend数据集中不同的friend_id(distinct)
db.friend.distinct( "friend_id" )
总结
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
更新日志
- 陈洁丽《监听王NO.1 》示范级发烧天碟[WAV+分轨][1.1G]
- 单色凌.2014-小岁月太着急【海蝶】【WAV+CUE】
- 陈淑桦.1988-抱紧我HOLD.ME.NOW【EMI百代】【WAV+CUE】
- 黄妃.2020-色違【米乐士娱乐】【FLAC分轨】
- LouisHayes-ArtformRevisited(2024)[24Bit-96kHz]FLAC
- 永恒英文金曲精选5《TheBestOfEverlastingFavouritesVol.5》[WAV+CUE]
- 黑鸭子2005-紫丁香[首版][WAV+CUE]
- 林忆莲《爱上一个不回家的人》XRCD版[低速原抓WAV+CUE][999M]
- 经典《历届奥斯卡金曲回顾》[正版原抓WAV+CUE] [1G]
- 群星《试音草原·女声篇》经典蒙古民歌[WAV+CUE][1G]
- 炉石传说月末上分卡组推荐 国服月末最快上分卡组推荐
- 炉石传说月底最强卡组有哪些 2024国服月底最强卡组推荐
- 炉石传说月初最强卡组有哪些 2024月初最强上分卡组推荐
- 狼人杀亮相原生鸿蒙之夜 假面科技强势登陆华为生态
- 12小时光线挑战!AI画质专家才是大平层首选