本文目录一览：
Mongodb多层嵌套数组如何更好的查询
1、第一个参数是一个查询条件，用于定位需要更新的文档。这里使用 access.id 来查询权限文档，找到对应的权限记录。第二个参数是一个更新操作，使用 $push 操作符将新的权限对象添加到 access.$.children 数组中。
2、直接在程序里把不匹配的数组元素滤掉最简单了。
3、update的$只支持一层的array，你这样必须先用find找到然后取出这个doc，然后决定是要update第几个，然后再update。如果你一定要直接用update，你可以减少一层array，比如把grand设计成一个collection。
4、正在学习mongodb，尝试回答下sf上的一些问题。这个是mongodb内嵌数组的查询，在已知索引的情况下可以使用数字索引查询。
5、下面对这个文档中的tag进行增删该查操作，这里用到了spring mongodb 里面的MongoTemplate类。我这里把tags里的内嵌文档抽象成了Tag类。
6、如果我们遇到了一些数据需要跨多个文本或者统计等操作，这个时候可能文档自身也较为复杂，查询操作符已经无法满足的时候，这个时候就需要使用MongoDB的聚合查询框架了。
mongodb的near查询,sort之后,limit(10)与limit(50)的前10条,居然不同...
1、在经过$limit管道后，管道内的文档数量个数会“提前”减小，这样会节省内存，提高内存利用效率。$limit提前后，$sort紧邻$limit这样的话，当进行$sort的时候当得到前“$limit”个文档的时候就会停止。
2、“millis”表明了这个查询的执行时间。数字越小，则说明这个查询的效率越高。“n”则表明了实际返回的文档数量。“nscanned“描述了MongoDB在执行这个查询时搜索了多少文档。
3、使用方式：db.collection.count（query）或者db.collection.find（query）.count（）参数说明：其中query是用于查询的目标条件。
4、mongodb中有聚合函数，可以使用聚合函数查询最值。
5、{ $skip： 10 }，{ $limit： 5 } 那么实际执行的顺序为：{ $sort： { age ： -1 } }，{ $limit： 15 }，{ $skip： 10 } limit会提前到$skip前面去执行。
6、我们提供了一个查询的样例集，这些查询使用聚合函数、过滤条件和分组从句，及其等效的MapReduce实现，即MongoDB实现SQL中GROUP BY的等效方式。
mongoDB应用篇-mongo聚合查询
1、如果我们在日常操作中，将部分数据存储在了MongoDB中，但是有需求要求我们将存储进去的文档数据，按照一定的条件进行查询过滤，得到想要的结果便于二次利用，那么我们就可以尝试使用MongoDB的聚合框架。
2、之前也说过，MongoDB数据库里面的数据是键值对形式，所以如果想要插入多条数据，可以这样写，也就是键值对之间用逗号隔开。如果想要查询数据，则可以使用db.集合名.find（）语句来查询。
3、在上一篇 mongodb Aggregation聚合操作之$unwind 中详细介绍了mongodb聚合操作中的$unwind使用以及参数细节。本篇将开始介绍Aggregation聚合操作中的$count操作。说明：查询展示文档数量的总数。
mongodb使用场景是什么?
1、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
2、使用场景：（1）网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
3、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
4、物联网场景：使用MongoDB存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析。 ● 视频直播：使用MongoDB存储用户信息、礼物信息等。
5、当写日志的服务节点越来越多时，日志存储的服务需要保证可扩展的日志写入能力以及海量的日志存储能力，这时就需要使用MongoDB sharding来扩展，将日志数据分散存储到多个shard，关键的问题就是shard key的选择。
6、◆高伸缩性的场景：Mongo非常适合由数十或数百台服务器组成的数据库。Mongo的路线图中已经包含对MapReduce引擎的内置支持。◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。
