本文目录一览：
mongoDB应用篇-mongo聚合查询
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。
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。
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。
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。
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。
在MongoDB存储的文档上执行聚合操作非常有用，这种方式的一个限制是聚合函数（比如，SUM、AVG、MIN、MAX）需要通过mapper和reducer函数来定制化实现。MongoDB没有原生态的用户自定义函数（UDFs）支持。
mongodb数据类型转换?
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。
数据一致性对比：- NineData 提供了 MongoDB 的数据对比能力，可以在迁移前后对源数据库和目标数据库的数据进行一致性比较。
MongoDB是非关系型数据库。MongoDB又叫文档型数据库，或非关系型数据库，是一种NoSQL的数据库，是网站数据库的优选。
mongoDB数据库的特点：高性能、易部署、易使用，存储数据非常方便。主要功能特性有：*面向集合存储，易存储对象类型的数据。所谓面向集合（Collection-Oriented），意思是数据被分组存储在数据集中，被称为一个集合（Collection）。
随着新的PyMongoArrow API的发布，您可以在MongoDB上使用Python运行复杂的分析和机器学习。PyMongoArrow可以快速将简单的MongoDB查询结果转换为流行的数据格式（例如Pandas数据框架和NumPy数组），帮助您简化数据科学工作流程。
mongoDB-document
1、MongoDB 将数据记录存储为 BSON类型的 文档（document）。 BSON 是一种二进制数据类型，是json 的一种扩展， bson 支持了更多的数据类型。
2、MongoDB中数据的基本单元称为文档（Document）。文档是MongoDB的核心概念，多个键极其关联的值有序的放置在一起便是文档。在一个特定集合内部，需要唯一的标识文档。
3、MongoDB索引使用B-tree数据结构。索引支持MongoDB中查询的高效执行。如果没有索引，MongoDB必须执行集合扫描，即扫描集合中的每个文档，以选择与查询语句匹配的文档。
4、可以通过WritingConverter和ReadingConverter配置Document和Java对象相互转化。
什么是mongoDB数据库
MongoDB 是一种 NoSQL 数据库，其设计目的是提供一种非关系型的数据存储解决方案。
MongoDB是非关系型数据库。MongoDB又叫文档型数据库，或非关系型数据库，是一种NoSQL的数据库，是网站数据库的优选。
MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB 是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。
