Mongodb 3.4 + Centos6.5 配置 + mysql.sql转为c…

1，创建仓库文件，
      vi /etc/yum.repos.d/mongodb-org-3.4.repo
2,复制下面配置，保存退出
     [mongodb-org-3.4]
     name=MongoDB Repository
　　　baseurl=https://repo.mongodb.org/yum/redhat/$releasever/mongodb-org/3.4/x86_64/
　　　gpgcheck=1
　　　enabled=1
　　　gpgkey=https://www.mongodb.org/static/pgp/server-3.4.asc

 3，yum安装
      yum install -y mongodb-org

 4，修改配置文件，别的机器也能访问，不止是 127.0.0.1
     vi /etc/mongod.conf -----》bind_ip 默认是127.0.0.1 修改为 0.0.0.0

 5，启动，停止
     service mongo start,  service mongo stop

 6,日志目录位置 ---》 cat /var/log/mongodb/mongod.log
    数据库文件  ----》 cat /var/lib/mongo
  
 7,卸载 mongo ----> yum erase $(rpm -qa | grep mongodb-org)

连接mongo的可视化工具我用的是--robo3T 注意的是MongoVUE不支持mongodb3版本的

  查看数据库
    > show dbs
  使用数据库
     > use database-name
   查看表
     > show tables
   查询数据
      > db.table-name.find({})
   查询条件
      > db.table-name.find({'name':'zhangsan'})
   建立索引
      > db.table-name.ensureIndex({'name':1})  1为升序，-1为降序
   复合索引
     > db.table-name.ensureIndex{{'name':1,'age':1}}  只查询name会索引。如果只查询age不会用到索引，如果想用索引前面必须有N个索引列
   查看索引是否建立
     > db.table-name.getIndexes()
   删除索引
     > db.table-name.dropIndex({'name':1})
   管理索引，查看所有索引：
    >  db.system.index.find()
   插入字段
    > db.table-name.update({query},{$set:{'status':'1'}},false,true)
       query：where条件
       false: 字段存在不插入，默认为false
       true: 只更新第一条记录，如果为true 全部更新
    查找是否存在
    > db.table-name.find({'name':{$exists:true}}) ----->查找name字段是否存在 
  删除文档
    > db.table-name.remove({query})
      query：删除的条件
   修改字段名字
    > db.table-name.update({query},{$rename:{'old-name':'new-name'}},false,true)
   修改字段类型
    > 如下命令是将hscourses表中的ClassID字段从整型转换到字符串型:
       db.hscourses.find({'ClassID' : { $type : 16 }}).forEach(function(x) {x.ClassID = x.ClassID+'';db.hscourses.save(x); }) 

    >分组：mongo中group by

         db.getCollection('bigdata').aggregate([
                                {$match:{"CtfId" : "152626198103082713"}},
                                {$group:{_id:'$CtfId',Name:{'$addToSet':'$Name'},Address:{'$addToSet':'$Address'}}
                                }])

       aggregate 为聚合:  $match 为条件类似于wherer。group为分组。_id是必填的分组项。 $addToSet 结果文档中插入值到一个数组中，但不创建副本。
                         如果显示多字段必须上聚合表达式（$sum，$avg，$addToSet……）

       截取 Mobile字段包含\t的js写法          

                          db.bigdata.find({'table_type':'5','Mobile':/\t/}).forEach(function(x){
                          x.Mobile=x.Mobile.substring(0,x.Mobile.length-1);//将其转为string类型
                          db.bigdata.save(x);//保存
                          });

前2步傻瓜式操作，唯一注意的是②步:
                   json格式情况下： 4G大小的.sql文件，如果用navicat转为json大小为11G，11G的json上传mongo会 ‘/a’错误，实验200MB的没有问题
                   csv格式情况下：  4G大小的.sql文件，如果用navicat转为csv大小还是4G，其中csv会是乱码，不用管，直接上传mongo没有问题，
                                      navicat导出的时候选择一定选择 ’包含列的标题‘ 后期上传名mongdb时候可以少填写参数为列

导入命令如下：
     json： 

     csv：
          mongoimport --db table-name  --collection table-name --type csv --headerline --ignoreBlanks  --file /test.csv  --numInsertionWorkers 4

         mongoimport --db bigdata --collection test4 --type csv --columnsHaveTypes --fields "EMail.string(),password1.string(),CtfId.string(),password2.string()" --file /home/kdjkadmin/mydb_sql/1312306.csv
            这个语句是把csv里面的int类型变为string类型。如果字符串身份证号再mongdo里面是 numberLong类型的，pymongo查numberlong类型 python2 用long（）查询，python3 用int（）。如果身份证中有x 只能再导入时候变为字符串类型

导出命令如下：

      json：

      csv： 
 
          mongoexport  --db  table-name  --collection table-name  --csv  -f id,province,city   -o /test.csv
                                                                  --csv 指要要导出为csv 格式，导出csv之后必须指明导出的列
                                                                          -f 指明需要导出哪些列

    
参数说明
          --db 指明使用的库, 本例中为” table-name”

          --collection 指明要导出的表, 本例中为”table-name”
          --type 指明导入的类型，默认的为json
          --headerline 仅适用于导入csv,tsv格式的数据，表示文件中的第一行作为数据头
          --ignoreBlanks  忽略空白符
          --file 文件的位置
          --numInsertionWorkers  为了提高mongo的插入效率，采用mongodb推荐的（numInsertionWorkers）多线程操作。本质来说，就是将insert任务，拆分成多个线程来做。