Перейти к основному содержимому

Первые шаги с MongoDB

В РАЗРАБОТКЕНЕ ДЛЯ НОВИЧКОВНЕ ОБЯЗАТЕЛЬНО

Разработчику Аналитику Тестировщику
Архитектору Инженеру

Установка системы MongoDB​

Процесс установки СУБД требует выполнения действий в зависимости от операционной системы пользователя. Для работы с базой данных необходим серверный компонент (mongod) и клиентские утилиты (mongosh).

Требования к системе​

  • Операционная система: Windows, Linux (Debian/Ubuntu/CentOS) или macOS.
  • Права администратора на машине.
  • Доступ к интернету для загрузки установочных пакетов.
  • Минимум 2 ГБ оперативной памяти.

Алгоритм установки​

Вариант А: Установка на Windows​

  1. Перейдите на официальный сайт проекта MongoDB.
  2. Скачайте последний стабильный дистрибутив для Windows Community Server.
  3. Запустите файл установки.
  4. Следуйте инструкциям мастера установки:
    • Выберите тип установки «Complete» для установки всех компонентов, включая инструменты командной строки и GUI (MongoDB Compass).
    • Укажите путь к директории установки.
    • Настройте параметры запуска службы. Рекомендуется выбрать «Run as a service», чтобы MongoDB запускалась автоматически при загрузке системы.
    • Укажите порт подключения (стандартное значение — 27017).
  5. Завершите установку и откройте приложение MongoDB Compass для визуального управления данными.

Вариант Б: Установка на Linux (на примере Ubuntu/Debian)​

Откройте терминал и выполните следующие команды для добавления репозитория и установки пакета:

wget -qO - https://www.mongodb.org/static/pgp/server-6.0.asc | sudo apt-key add -
echo "deb [ arch=amd64,arm64 ] https://repo.mongodb.org/apt/ubuntu focal/mongodb-org/6.0 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-6.0.list
sudo apt-get update
sudo apt-get install -y mongodb-org

После завершения установки проверьте статус службы:

sudo systemctl status mongod

Для входа в интерактивную оболочку используйте команду:

mongosh

Вариант В: Использование Docker (универсальный способ)​

Создание контейнера с базой данных позволяет изолировать среду разработки:

docker run --name mongo \
  -d \
  -p 27017:27017 \
  mongo:latest

Подключение к контейнеру выполняется командой:

docker exec -it mongo mongosh

Создание базы данных​

База данных в MongoDB представляет собой логическое хранилище для коллекций документов. В отличие от реляционных систем, база данных создается неявно при первом сохранении документа.

Командный способ​

Выполните команду в терминале или через клиент mongosh:

use company_db;

Если база company_db не существует, она будет создана автоматически после первого вставки документа.

Графический способ (MongoDB Compass)​

  1. Откройте MongoDB Compass и подключитесь к локальному серверу.
  2. Нажмите кнопку «Create Database».
  3. Введите имя базы company_db.
  4. Укажите имя коллекции (например, employees).
  5. Нажмите кнопку «Create Database».

Важно помнить, что каждая новая база данных имеет собственную схему, которая формируется динамически по мере добавления данных.

Создание коллекции и вставка документов​

Коллекция — это аналог таблицы в реляционных базах данных, но она хранит документы в формате BSON (бинарный JSON). Структура документа определяется пользователем.

Синтаксис вставки документа​

Используйте метод insertOne для добавления одного документа или insertMany для нескольких.

db.employees.insertOne({
    _id: ObjectId("65e8f1a2b3c4d5e6f7g8h9i0"),
    first_name: "Ivan",
    last_name: "Ivanov",
    email: "ivanov@example.com",
    hire_date: ISODate("2024-01-15"),
    salary: 75000.00,
    department_id: 1,
    skills: ["JavaScript", "Python"],
    is_active: true
});

Анализ компонентов определения​

  • _id: Уникальный идентификатор документа. Если поле не указано явно, MongoDB генерирует его автоматически в виде объекта ObjectId.
  • first_name, last_name: Текстовые поля произвольной длины.
  • email: Поле для адреса электронной почты.
  • hire_date: Тип данных Date, хранящий временную метку.
  • salary: Числовое поле типа NumberDecimal или Double.
  • department_id: Целочисленное поле для связи с другими данными.
  • skills: Массив строк, позволяющий хранить список значений в одном документе.
  • is_active: Булево поле (true или false).

Вставка нескольких документов​

db.employees.insertMany([
    {
        first_name: "Maria",
        last_name: "Petrova",
        email: "petrova@example.com",
        hire_date: ISODate("2024-02-10"),
        salary: 82000.00,
        department_id: 2,
        skills: ["Java", "Spring"],
        is_active: true
    },
    {
        first_name: "Alexey",
        last_name: "Sidorov",
        email: "sidorov@example.com",
        hire_date: ISODate("2024-03-01"),
        salary: 65000.00,
        department_id: 1,
        skills: ["C#", ".NET"],
        is_active: false
    }
]);

Добавление ограничений и индексов​

Ограничения целостности в MongoDB реализуются через валидацию схем (Schema Validation), а индексы ускоряют поиск информации.

Валидация схемы (Constraints)​

Валидация определяет правила, которым должны соответствовать документы в коллекции. Это достигается через настройку правил валидации при создании коллекции.

Создайте коллекцию с правилами валидации:

db.createCollection("employees", {
    validator: {
        $jsonSchema: {
            bsonType: "object",
            required: ["first_name", "last_name", "salary"],
            properties: {
                first_name: {
                    bsonType: "string",
                    description: "Имя сотрудника обязательно"
                },
                last_name: {
                    bsonType: "string",
                    description: "Фамилия сотрудника обязательна"
                },
                email: {
                    bsonType: "string",
                    pattern: "^[\\w-\\.]+@([\\w-]+\\.)+[\\w-]{2,4}$",
                    description: "Должен быть корректный формат email"
                },
                salary: {
                    bsonType: "number",
                    minimum: 0,
                    description: "Зарплата должна быть неотрицательным числом"
                },
                department_id: {
                    bsonType: "int",
                    minimum: 1
                }
            }
        }
    }
});

При попытке вставить документ, нарушающий эти правила, система вернет ошибку.

Создание индекса​

Индекс — это структура данных, которая ускоряет операции выборки. Индексируются часто используемые поля поиска или сортировки.

Создание индекса по фамилии сотрудников:

db.employees.createIndex({ last_name: 1 });

Создание составного индекса для ускорения поиска по отделу и зарплате:

db.employees.createIndex({ department_id: 1, salary: -1 });

Создание уникального индекса для поля email:

db.employees.createIndex({ email: 1 }, { unique: true });

Использование индексов снижает время выполнения запросов, особенно на больших объемах данных.

Выполнение CRUD запросов​

CRUD (Create, Read, Update, Delete) — набор операций для управления данными.

Создание записей (Create)​

Вставка новых сотрудников уже рассмотрена выше. Также можно использовать метод save, который обновляет документ, если _id существует, или создает новый, если нет.

Чтение данных (Read)​

Выборка всех записей:

db.employees.find();

Выборка конкретных полей с фильтрацией:

db.employees.find(
    { salary: { $gt: 70000 } }, // Где зарплата больше 70000
    { first_name: 1, last_name: 1, salary: 1, _id: 0 } // Только эти поля
);

Сортировка результатов:

db.employees.find().sort({ salary: -1 }); // Сортировка по убыванию зарплаты

Поиск по массиву:

db.employees.find({ skills: "Python" }); // Найдутся сотрудники со skill "Python"

Обновление данных (Update)​

Изменение зарплаты сотрудника:

db.employees.updateOne(
    { _id: ObjectId("...") }, // Фильтр
    { $set: { salary: 80000.00 } } // Операция обновления
);

Обновление нескольких полей одновременно:

db.employees.updateMany(
    { department_id: 1 },
    { $inc: { salary: 5000 } } // Увеличить зарплату на 5000 всем в отделе 1
);

Добавление элемента в массив:

db.employees.updateOne(
    { first_name: "Ivan" },
    { $push: { skills: "Docker" } }
);

Удаление данных (Delete)​

Удаление конкретного сотрудника:

db.employees.deleteOne({ _id: ObjectId("...") });

Удаление всех записей из коллекции:

db.employees.deleteMany({});

Удаление всей коллекции:

db.employees.drop();

Создание представлений (Views)​

Представление в MongoDB — это виртуальная таблица, созданная на основе пайплайна агрегации. Представления не хранят данные физически, а вычисляют их при обращении.

Простое представление​

Создание представления со списком сотрудников и их зарплатами:

db.createView("employee_salary_view", "employees", [
    {
        $lookup: {
            from: "departments",
            localField: "department_id",
            foreignField: "_id",
            as: "dept_info"
        }
    },
    {
        $unwind: "$dept_info"
    },
    {
        $project: {
            first_name: 1,
            last_name: 1,
            department_name: "$dept_info.name",
            salary: 1
        }
    }
]);

Использование представления:

db.employee_salary_view.find({ salary: { $gt: 75000 } });

Преимущества использования View​

  • Упрощение сложных запросов.
  • Сокрытие деталей реализации физических коллекций.
  • Контроль доступа к определенным полям.
  • Стандартизация логики выборки данных.

Создание функций и процедур с агрегатными функциями и Join​

В MongoDB нет триггеров в классическом понимании как в SQL, но есть возможности для автоматизации через агенты и функции агрегации. Процедурная логика реализуется через скрипты на JavaScript, выполняемые на стороне сервера.

Функция с агрегатными функциями​

Функция рассчитывает среднюю зарплату в отделе.

function get_avg_salary_by_department(deptId) {
    return db.employees.aggregate([
        { $match: { department_id: deptId } },
        { $group: { _id: null, avgSalary: { $avg: "$salary" } } }
    ]).toArray()[0].avgSalary;
}

// Вызов функции
get_avg_salary_by_department(1);

Процедура с использованием пайплайна агрегации​

Процедура обновляет статистику отдела при добавлении нового сотрудника. В данном случае мы создадим скрипт, который выполняет группировку и подсчет.

db.employees.aggregate([
    {
        $lookup: {
            from: "departments",
            localField: "department_id",
            foreignField: "_id",
            as: "dept"
        }
    },
    {
        $unwind: "$dept"
    },
    {
        $group: {
            _id: "$dept.name",
            emp_count: { $sum: 1 },
            total_salary: { $sum: "$salary" },
            avg_salary: { $avg: "$salary" }
        }
    },
    {
        $project: {
            _id: 0,
            department_name: "$_id",
            employee_count: "$emp_count",
            total_fund: "$total_salary",
            average_salary: "$avg_salary"
        }
    }
]).forEach(function(doc) {
    print("Отдел: " + doc.department_name + ", Количество сотрудников: " + doc.employee_count + ", Общий фонд: " + doc.total_fund);
});

Триггерная логика (Validation Rules)​

Хотя явных триггеров BEFORE INSERT нет, можно использовать валидацию схемы для проверки условий перед вставкой.

Пример проверки: зарплата не может быть отрицательной. Это правило уже включено в секцию «Валидация схемы» выше через $jsonSchema и условие minimum: 0.

При попытке вставки документа с отрицательной зарплатой система вернет ошибку валидации:

db.employees.insertOne({
    first_name: "Test",
    last_name: "User",
    salary: -5000
});
// Ошибка: Document validation failed for document ...

Для более сложной логики можно использовать триггеры на уровне приложения или использовать MongoDB Change Streams для отслеживания изменений в реальном времени и запуска внешних обработчиков.

Освоение главы0%