【存储中间件】MongoDB最热门NoSql数据库（二）：MongoDB应用与开辟
https://i-blog.csdnimg.cn/direct/e0e02699917a4cccb81a2c173d0b7289.png个人主页：道友老李
接待加入社区：道友老李的学习社区
2. MongoDB应用与开辟
2.1. MongoDB安装
l 官网下载安装介质：
Try MongoDB Atlas Products | MongoDB
选择对应版本
https://i-blog.csdnimg.cn/img_convert/36d6cbccde4afca438c5eba32946b0ff.png
https://i-blog.csdnimg.cn/img_convert/19856a339b930b186b3d80b11f517a99.png
https://i-blog.csdnimg.cn/img_convert/556810933acaa5d3dcd2fe8691a63997.png
修改环境变量
vi /etc/profile
export MONGODB_HOME=/home/lijin/mongodb
export PATH=$PATH:$MONGODB_HOME/bin
source /etc/profile
创建mongodb存储目次
https://i-blog.csdnimg.cn/img_convert/e367756ca005b7963f23ccb049b96e61.png
https://i-blog.csdnimg.cn/img_convert/820dc9c415304c82ad2049bd8d80b6b0.png
启动命令：
mongod --dbpath /home/lijin/mongodb-home/data --logpath /home/lijin/mongodb-home/logs/mongod.log --fork
客户端毗连测试下：
https://i-blog.csdnimg.cn/img_convert/d82bf47b21b72538188d5b1c84ca3cb0.png
https://i-blog.csdnimg.cn/img_convert/de0dbe2fea9b5b430aa1f9e9cc74b70d.png
https://i-blog.csdnimg.cn/img_convert/5fd1a3f3bdd6a0cda89a58a6924b7680.png
MongoDB默认会创建admin、config、local、test数据库。test库是一个默认的数据库，除了test库外admin、config、local库为体系库。admin库主要存储MongoDB的用户、脚色等信息，config库主要存储分片集群基础信息，local库主要存储副本集的元数据。
2.2. 使用MongoDB脚本实现增删查改
2.2.1.基本操作
选择和创建数据库的语法格式：
use 数据库名称
查看有权限查看的所有的数据库命令
show dbs
或
show databases
admin ： 从权限的角度来看，这是"root"数据库。要是将一个用户添加到这个数据库，这个用户主动继续所有数据库的权限。一些特定的服务器端命令也只能从这个数据库运行，好比列出所有的数据库或者关闭服务器。
local: 这个数据永久不会被复制，可以用来存储限于当地单台服务器的恣意集合
config : 当Mongo用于分片设置时，config数据库在内部使用，用于保存分片的相关信息。
集合的操作
新增：
db.createCollection(name)
隐式的方式
db.test_d.insert({u_id:1,goods_id:1});
集合的查询
show tables;
集合的命名规范：
集合名不能是空字符串 “”。
集合名不能含有 \0字符（空字符)，这个字符表现集合名的末端。
集合名不能以 "system."开头，这是为体系集合保存的前缀。
用户创建的集合名字不能含有保存字符。别的千万不要在名字里出现$。
文档的插入
db.test.insert("")
批量插入
db.comment.insertMany([{"id" : 110, "name" : "lijin", "createdatetime" : new Date(), "content" : "今天下雨，天气不好"},{"id" : 110, "name" : "lijin", "createdatetime" : new Date(), "content" : "今天下雨，天气不好"},{"id" : 110, "name" : "lijin", "createdatetime" : new Date(), "content" : "今天下雨，天气不好"},{"id" : 110, "name" : "lijin", "createdatetime" : new Date(), "content" : "今天下雨，天气不好"}
]);
文档的基本查询
查询数据的语法格式如下：
db.collection.find(<query>, )
文档的更新
db.collection.update(query, update, options)
文档的删除
db.collection.remove(条件)
db.collection.remove({_id:"1"})
db.comment.remove({})删除全部
2.2.2.复杂操作
统计查询
db.collection.count(query, options)
db.note.count();--统计所有记录
db.note.count({name:"king"});--统计name为king的记录条数
分页列表查询
db.COLLECTION_NAME.find().limit(NUMBER).skip(NUMBER)
limit()方法来读取指定数量的数据，使用skip()方法来跳过指定数量的数据
db.note.find().limit(3)
db.note.find().skip(3)
分页查询：需求：每页5个
db.note.find().skip(0).limit(5) //第一页
db.note.find().skip(5).limit(5) //第二页
db.note.find().skip(10).limit(5) //第三页
排序查询
db.集合名称.find().sort(排序方式) 1升序、-1降序
db.note.find().sort({name:-1,id:-1})
skip(), limit(), sort()三个放在一起实行的时候，实行的顺序是先 sort(), 然后是 skip()，最后是表现的 limit()，和命令编写顺序无关
db.note.find().skip(0).limit(5).sort({name:-1,id:-1})
正则表达式
db.集合.find({字段:/正则表达式/}) 正则表达式是 js的语法
db.note.find({content:/下雨/}) content包含'下雨'的
db.note.find({name:/^k/}) name是k开头的
比力查询
db.集合名称.find({ "field" : { $gt: value }}) // 大于: field > value
db.集合名称.find({ "field" : { $lt: value }}) // 小于: field < value
db.集合名称.find({ "field" : { $gte: value }}) // 大于等于: field >= value
db.集合名称.find({ "field" : { $lte: value }}) // 小于等于: field <= value
db.集合名称.find({ "field" : { $ne: value }}) // 不等于: field != value
db.note.find({id:{$gt:252}})
db.note.find({$and:[{id:{$gt:252}},{id:{$lt:256}}]})
条件毗连查询
$and:[ {},{},{ } ]
包罗查询
db.note.find({id:{$in: }})
2.3.索引-Index
索引（Index）是资助MongoDB高效获取数据的数据结构，索引支持在MongoDB中高效地实行查询。如果没有索引，MongoDB必须实行全集合扫描，即扫描集合中的每个文档，以选择与查询语句匹配的文档。这种扫描全集合的查询效率好坏常低的，特别在处置惩罚大量的数据时，查询可以要花费几十秒乃至几分钟，这对网站的性能好坏常致命的。
MongoDB索引使用B树数据结构（确切的说是B-Tree，MySQL是B+Tree）
2.3.1.索引的基础知识
B-树索引的构造类似于二叉树，根据键值（Key Value）快速找到数据。注意B-树中的B不是代表二叉(binary)，而是代表均衡(balance)，因为B-树是从最早的均衡二叉树演化而来，但是B-树不是一个二叉树。
在讲二叉树之前，我们必须了解一下二分查找：
二分查找法（binary search） 也称为折半查找法，用来查找一组有序的记载数组中的某一记载。
在以下数组中找到数字48对应的下标
https://i-blog.csdnimg.cn/img_convert/f3d0b3aa3513b1e65fd5f05d0417e191.png
通过3次二分查找 就找到了我们所要的数字，而顺序查找需8次。
对于上面10个数来说，顺序查找均匀查找次数为（1+2+3+4+5+6+7+8+9+10)/10=5.5次。而二分查找法为(4+3+2+4+3+1+4+3+2+3)/10=2.9次。在最坏的情况下，顺序查找的次数为10，而二分查找的次数为4。
以是为了索引查找的高效性，我们引入了二叉查找树。
2.3.1.1.二叉树
2.3.1.1.1树(Tree)
N个结点构成的有限集合。
[*]树中有一个称为”根(Root)”的特别结点
[*]别的结点可分为M个互不相交的树，称为原来结点的”子树”
https://i-blog.csdnimg.cn/img_convert/3111c3345cbf0f0643081c4818335a65.png
https://i-blog.csdnimg.cn/img_convert/2fee8c5c17504fe82dad04cfdd8cda8f.png
2.3.1.1.2.树与非树
https://i-blog.csdnimg.cn/img_convert/f950772e9ba733a87bc033d4b424a0d5.png
2.3.1.1.3.树的一些基本术语
https://i-blog.csdnimg.cn/img_convert/e877106ea3e4eed60616871bf2b41ae1.png
2.3.1.1.4.二叉树
度为2的树（也可称之为阶）：（树的度：树中所有结点中最大的度。结点的度：结点的子树个数）
子树有左右顺序之分：
https://i-blog.csdnimg.cn/img_convert/43b111a707ee73229bab48c26a81b4f3.png
2.3.1.1.5.二叉查找(搜刮)树
二叉查找树首先肯定是个二叉树，除此之外还符合以下几点：
[*]左子树的所有的值小于根节点的值
[*]右子树的所有的值大于或等于根节点的值
[*]左、右子树满足以上两点
https://i-blog.csdnimg.cn/img_convert/90538f649fd7fb6f9e91fcdf61f49c33.pnghttps://i-blog.csdnimg.cn/img_convert/4f1403ff76243e606f6bda0e8c1b1e18.png
但是二叉查找树，如果设计不良，完全可以酿成一颗极不均衡的二叉查找树：
https://i-blog.csdnimg.cn/img_convert/4b38be1c79a6729814b77c39b69a9dfd.png
因此若想最大性能地构造一棵二叉查找树，必要这棵二叉查找树是均衡的，从而引出了新的定义——均衡二叉树，或称为AVL树。
2.3.1.1.6.均衡二叉树（AVL-树）
它是一棵二叉排序树，它的左右两个子树的高度差（均衡因子）的绝对值不超过1，而且左右两个子树都是一棵均衡二叉树。
目的：使得树的高度最低，因为树查找的效率决定于树的高度
https://i-blog.csdnimg.cn/img_convert/ac4860847b6b6b7e0b2b5c03af881c55.pnghttps://i-blog.csdnimg.cn/img_convert/cf81ea8882474d0048bf22b45d23b73d.png
均衡二叉树的查找性能是比力高的，但是维护一棵均衡二叉树的代价好坏常大的。通常来说，必要1次或多次左旋和右旋来得到插入、更新和删除后树的均衡性。
https://i-blog.csdnimg.cn/img_convert/5e42654e0c0e75be2ab104f635edc05e.png
详细树的旋转见：算法数据结构体系学习班 马士兵教育官网 - IT职业领路人 (mashibing.com)
章节11-13
2.3.1.2.B-树
B- 树是从均衡二叉查找树演化而来（但B+树不是二叉树，而是一个多叉查找均衡树）。
下图就是一颗均衡二叉查找树
借助网页工具：Data Structure Visualization (usfca.edu)
https://i-blog.csdnimg.cn/img_convert/9816952f064b988aa611194ab1518140.png
如今我们将其改造成 B- 树
树的阶数表现一个节点最多能有多少个子节点。
每个节点存储了实际的数据，所有的节点都按照排序二叉树来举行分列；
https://i-blog.csdnimg.cn/img_convert/5f7b51198ca73a55579bab32be7abc26.png
从AVL到B-树的变革可知，如果节点特别多的话，AVL树的高度远远高于B+树。
下图是一颗实际情况下的B-树
https://i-blog.csdnimg.cn/img_convert/e09165c08e9c48465e88be19574a8dff.png
2.3.2.索引的类型
2.3.2.1.单字段索引
MongoDB支持在文档的单个字段上创建用户定义的升序/降序索引，称为单字段索引（Single Field Index）。
对于单个字段索引和排序操作，索引键的排序顺序（即升序或降序）并不重要，因为MongoDB可以在任何方向上遍历索引。
https://i-blog.csdnimg.cn/img_convert/2c7dfb8ef44758542646c007a16307cb.png
2.3.2.2.复合索引
MongoDB还支持多个字段的用户定义索引，即复合索引（Compound Index）。
复合索引中列出的字段顺序具有重要意义。例如，如果复合索引由 { userid: 1, score: -1 } 组成，则索引首先按userid正序排序，然后在每个userid的值内，再在按score倒序排序。
https://i-blog.csdnimg.cn/img_convert/80af495361166aa3f47bf5b1da20222e.png
2.3.3.索引的管理
索引的创建
db.collection.ensureIndex() --3.0.0 版本前
db.collection.createIndex(keys, options) --3.0.0 版本及之后
案例：对 note的content字段建立索引
db.note.createIndex({content:1}) --1是按照指定按升序创建索引 -1按降序来创建索引
https://i-blog.csdnimg.cn/img_convert/07186853e7e0089dcfe34d0654e60a6d.png
查看索引
db.note.getIndexes();--查看索引
https://i-blog.csdnimg.cn/img_convert/eaf3110f8184c241ea5dc1b127e063ab.png
复合索引：对name 和content 同时建立复合（Compound）索引：
db.note.createIndex({name:1,content:1})
https://i-blog.csdnimg.cn/img_convert/392320b938a998befd309df73c837470.png
索引的移除
db.collection.dropIndex(index) --移除指定索引
db.collection.dropIndexes() --移除所有索引
案例：删除note的的content索引
db.note.dropIndex({content:1})
https://i-blog.csdnimg.cn/img_convert/b76cd0d685929c4cbbcbd38666c8b3c5.png
案例：删除note的所有索引
db.note.dropIndexes()
https://i-blog.csdnimg.cn/img_convert/7252765de8688130b7925a6be5595fe7.png
2.4.Java客户端及实战
2.4.1. 配置及代码
在一个尺度的项目中引入pom文件
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
<dependency>
<groupId>org.mongodb</groupId>
<artifactId>mongo-java-driver</artifactId>
<version>3.12.2</version>
</dependency>
演示代码：
package com.net.mongo;
import java.math.BigDecimal;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.function.Consumer;
import com.mongodb.client.ClientSession;
import org.bson.Document;
import org.bson.conversions.Bson;
import org.junit.Before;
import org.junit.Test;
import com.mongodb.MongoClient;
import com.mongodb.client.FindIterable;
import com.mongodb.client.MongoCollection;
import com.mongodb.client.MongoDatabase;
import com.mongodb.client.result.DeleteResult;
import com.mongodb.client.result.UpdateResult;
import static com.mongodb.client.model.Updates.*;
import static com.mongodb.client.model.Filters.*;
//原生java驱动 document的操作方式
public class QuickStartJavaDocTest {
//数据库
private MongoDatabase db;
//文档集合
private MongoCollection<Document> doc;
//连接客户端（内置连接池）
private MongoClient client;
@Before
public void init() {
client = new MongoClient("127.0.0.1", 27017);
db = client.getDatabase("lijin");
doc = db.getCollection("users");
}
@Test
public void insertDemo() {
Document doc1 = new Document();
doc1.append("username", "lijin");
doc1.append("country", "china");
doc1.append("age", 36);
doc1.append("lenght", 178.75f);
doc1.append("salary", new BigDecimal("16565.22"));//存金额，使用bigdecimal这个数据类型
//添加“address”子文档
Map<String, String> address1 = new HashMap<String, String>();
address1.put("aCode", "0000");
address1.put("add", "xxx000");
doc1.append("address", address1);
//添加“favorites”子文档，其中两个属性是数组
Map<String, Object> favorites1 = new HashMap<String, Object>();
favorites1.put("movies", Arrays.asList("爱死机", "光环"));
favorites1.put("cites", Arrays.asList("北京", "南京"));
doc1.append("favorites", favorites1);
Document doc2 = new Document();
doc2.append("username", "yan");
doc2.append("country", "China");
doc2.append("age", 30);
doc2.append("lenght", 185.75f);
doc2.append("salary", new BigDecimal("38888.22"));
Map<String, String> address2 = new HashMap<>();
address2.put("aCode", "411000");
address2.put("add", "我的地址2");
doc2.append("address", address2);
Map<String, Object> favorites2 = new HashMap<>();
favorites2.put("movies", Arrays.asList("西游记", "东游记"));
favorites2.put("cites", Arrays.asList("西藏", "三亚"));
doc2.append("favorites", favorites2);
//使用insertMany插入多条数据
doc.insertMany(Arrays.asList(doc1, doc2));
}
@Test
public void testFind() {
final List<Document> ret = new ArrayList<>();
//block接口专门用于处理查询出来的数据
Consumer<Document> printDocument = new Consumer<Document>() {
@Override
public void accept(Document document) {
System.out.println(document);
ret.add(document);
}
};
//select * from userswhere favorites.cites has "东莞"、"东京"
//db.users.find({ "favorites.cites" : { "$all" : [ "东莞" , "东京"]}})
Bson all = all("favorites.cites", Arrays.asList("东莞", "东京"));//定义数据过滤器，喜欢的城市中要包含"东莞"、"东京"
FindIterable<Document> find = doc.find(all);
find.forEach(printDocument);
System.out.println("------------------>" + String.valueOf(ret.size()));
ret.removeAll(ret);
//select * from userswhere username like '%s%' and (contry= English or contry = USA)
// db.users.find({ "$and" : [ { "username" : { "$regex" : ".*c.*"}} , { "$or" : [ { "country" : "English"} , { "country" : "USA"}]}]})
String regexStr = ".*c.*";
Bson regex = regex("username", regexStr);//定义数据过滤器，username like '%s%'
Bson or = or(eq("country", "English"), eq("country", "USA"));//定义数据过滤器，(contry= English or contry = USA)
Bson and = and(regex, or);
FindIterable<Document> find2 = doc.find(and);
find2.forEach(printDocument);
System.out.println("------------------>" + String.valueOf(ret.size()));
}
@Test
public void testUpdate() {
//updateusersset age=6 where username = 'lison'
// db.users.updateMany({ "username" : "lison"},{ "$set" : { "age" : 6}},true)
Bson eq = eq("username", "cang");//定义数据过滤器，username = 'cang'
Bson set = set("age", 8);//更新的字段.来自于Updates包的静态导入
UpdateResult updateMany = doc.updateMany(eq, set);
System.out.println("------------------>" + String.valueOf(updateMany.getModifiedCount()));//打印受影响的行数
//update usersset favorites.movies add "小电影2 ", "小电影3" where favorites.citeshas "东莞"
//db.users.updateMany({ "favorites.cites" : "东莞"}, { "$addToSet" : { "favorites.movies" : { "$each" : [ "小电影2 " , "小电影3"]}}},true)
Bson eq2 = eq("favorites.cites", "东莞");//定义数据过滤器，favorites.citeshas "东莞"
Bson addEachToSet = addEachToSet("favorites.movies", Arrays.asList("小电影2 ", "小电影3"));//更新的字段.来自于Updates包的静态导入
UpdateResult updateMany2 = doc.updateMany(eq2, addEachToSet);
System.out.println("------------------>" + String.valueOf(updateMany2.getModifiedCount()));
}
@Test
public void testDelete() {
//delete from users where username = ‘lison’
//db.users.deleteMany({ "username" : "lison"} )
Bson eq = eq("username", "lison");//定义数据过滤器，username='lison'
DeleteResult deleteMany = doc.deleteMany(eq);
System.out.println("------------------>" + String.valueOf(deleteMany.getDeletedCount()));//打印受影响的行数
//delete from users where age >8 and age <25
//db.users.deleteMany({"$and" : [ {"age" : {"$gt": 8}} , {"age" : {"$lt" : 25}}]})
Bson gt = gt("age", 8);//定义数据过滤器，age > 8，所有过滤器的定义来自于Filter这个包的静态方法，需要频繁使用所以静态导入
// Bson gt = Filter.gt("age",8);
Bson lt = lt("age", 25);//定义数据过滤器，age < 25
Bson and = and(gt, lt);//定义数据过滤器，将条件用and拼接
DeleteResult deleteMany2 = doc.deleteMany(and);
System.out.println("------------------>" + String.valueOf(deleteMany2.getDeletedCount()));//打印受影响的行数
}
@Test
public void testTransaction() {
// begin
// updateusersset lenght= lenght-1where username = ‘james’
// updateusersset lenght= lenght+1where username = ‘lison’
// commit
ClientSession clientSession = client.startSession();
clientSession.startTransaction();
Bson eq = eq("username", "james");
Bson inc = inc("lenght", -1);
doc.updateOne(clientSession,eq,inc);
Bson eq2 = eq("username", "lison");
Bson inc2 = inc("lenght", 1);
doc.updateOne(clientSession,eq2,inc2);
clientSession.commitTransaction();
// clientSession.abortTransaction();
}
}
2.4.2. 运行实战
1、创建3个用户，包罗以下信息：
基本信息：姓名、城市，子集合1：地址，子集合2：爱好，等
@Before注解会在运行 @Test之前把mongodb的毗连创建好！同时会创建一个users的文档集合doc
https://i-blog.csdnimg.cn/img_convert/82ff5f6276aea1f5fe0c1b0750ac53ce.png
@Test
public void insertDemo() {
Document doc1 = new Document();
doc1.append("username", "lijin");
doc1.append("country", "China");
doc1.append("age", 36);
doc1.append("lenght", 178.75f);
doc1.append("salary", new BigDecimal("16565.22"));//存金额，使用bigdecimal这个数据类型
Map<String, String> address1 = new HashMap<String, String>(); //添加“address”子文档
address1.put("aCode", "0000");
address1.put("add", "xxx000");
doc1.append("address", address1);
Map<String, Object> favorites1 = new HashMap<String, Object>(); //添加“favorites”子文档，其中两个属性是数组
favorites1.put("movies", Arrays.asList("爱死机", "光环"));
favorites1.put("cites", Arrays.asList("北京", "南京"));
doc1.append("favorites", favorites1);
Document doc2 = new Document();
doc2.append("username", "yan");
doc2.append("country", "China");
doc2.append("age", 30);
doc2.append("lenght", 185.75f);
doc2.append("salary", new BigDecimal("38888.22"));
Map<String, String> address2 = new HashMap<>();
address2.put("aCode", "411000");
address2.put("add", "我的地址2");
doc2.append("address", address2);
Map<String, Object> favorites2 = new HashMap<>();
favorites2.put("movies", Arrays.asList("西游记", "东游记"));
favorites2.put("cites", Arrays.asList("西藏", "三亚"));
doc2.append("favorites", favorites2);
Document doc3 = new Document();
doc3.append("username", "mic");
doc3.append("country", "USA");
doc3.append("age", 60);
doc3.append("lenght", 180.75f);
doc3.append("salary", new BigDecimal("3008888.22"));
Map<String, String> address3 = new HashMap<>();
address3.put("aCode", "411000");
address3.put("add", "我的地址2");
doc3.append("address", address3);
Map<String, Object> favorites3 = new HashMap<>();
favorites3.put("movies", Arrays.asList("卓别林", "牛顿的棺材板"));
favorites3.put("cites", Arrays.asList("纽约", "洛杉矶"));
doc3.append("favorites", favorites3);
//使用insertMany插入多条数据
doc.insertMany(Arrays.asList(doc1, doc2,doc3));
}
https://i-blog.csdnimg.cn/img_convert/056ebb7dd14d4aaa10c3c0510d8005c8.png
2、查询user的所有的数据
//查询出文档集合中所有记录
@Test
public void testFindAll() {
Consumer<Document> printDocument = new Consumer<Document>() {
@Override
public void accept(Document document) {
System.out.println(document);
}
};
FindIterable<Document> find = doc.find();
find.forEach(printDocument);
}
运行结果
Document{{_id=628c9dd6def18f6106fc417d, username=lijin, country=China, age=36, lenght=178.75, salary=16565.22, address=Document{{add=xxx000, aCode=0000}}, favorites=Document{{movies=[爱死机, 光环], cites=[北京, 南京]}}}}
Document{{_id=628c9dd6def18f6106fc417e, username=yan, country=China, age=30, lenght=185.75, salary=38888.22, address=Document{{add=我的地址2, aCode=411000}}, favorites=Document{{movies=[西游记, 东游记], cites=[西藏, 三亚]}}}}
Document{{_id=628c9dd6def18f6106fc417f, username=mic, country=USA, age=60, lenght=180.75, salary=3008888.22, address=Document{{add=我的地址2, aCode=411000}}, favorites=Document{{movies=[卓别林, 牛顿的棺材板], cites=[纽约, 洛杉矶]}}}}
3、查询user(通过过滤条件1)
@Test
public void testFindFilter1() {
//block接口专门用于处理查询出来的数据
Consumer<Document> printDocument = new Consumer<Document>() {
@Override
public void accept(Document document) {
System.out.println(document);
}
};
//定义数据过滤器，喜欢的城市中要包含"北京"、"南京"
Bson all = all("favorites.cites", Arrays.asList("北京", "南京"));
FindIterable<Document> find = doc.find(all);
find.forEach(printDocument);
}
运行结果
Document{{_id=628c9dd6def18f6106fc417d, username=lijin, country=China, age=36, lenght=178.75, salary=16565.22, address=Document{{add=xxx000, aCode=0000}}, favorites=Document{{movies=[爱死机, 光环], cites=[北京, 南京]}}}}
4、查询user(通过过滤条件2)
//查询出文档集合中的记录（过滤2）
@Test
public void testFindFilter2() {
//block接口专门用于处理查询出来的数据
Consumer<Document> printDocument = new Consumer<Document>() {
@Override
public void accept(Document document) {
System.out.println(document);
}
};
//定义数据过滤器，country like '%ina%'andcontry= 北京 or contry = USA)
String regexStr = ".*ina.*";
Bson regex = regex("country", regexStr);
Bson or = or(eq("favorites.cites", "北京"), eq("favorites.cites", "纽约"));
Bson and = and(regex, or);
FindIterable<Document> find = doc.find(and);
find.forEach(printDocument);
}
运行结果
Document{{_id=628c9dd6def18f6106fc417d, username=lijin, country=China, age=36, lenght=178.75, salary=16565.22, address=Document{{add=xxx000, aCode=0000}}, favorites=Document{{movies=[爱死机, 光环], cites=[北京, 南京]}}}}
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]