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。
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$count操作。说明：查询展示文档数量的总数。
在上一篇 mongodb Aggregation聚合操作之$count 中详细介绍了mongodb聚合操作中的$count使用以及参数细节。本篇将开始介绍Aggregation聚合操作中的$match操作。
MongoDB 聚合操作是在数据处理管道的逻辑上建模的。documents可以进入一个用于处理docuemnt然后返回聚合值的多阶段管道。底层的管道提供了filters（类似于查询的操作）和document transformations（修改document的输出形式）操作。
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查找所有最多
1、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。
2、mongodb中有聚合函数，可以使用聚合函数查询最值。
3、x版本以后在创建（修改）用户的时候赋予该用户多库的操作权限即可，6之前貌似不可以，除了admin下的用户。
4、内置文档数组默认是一个元素满足所有条件也可以每个元素只满足一部分条件但加起来满足所有条件。内联数组的两个文档均满足部分的 key=area，value=IT 条件，也可以完成筛选。
MongoDB怎样添加和查询集合数据
下面是例子：1）列出当前的数据库MongoDB shell version： 1connecting to： test show dbs -admin 0.03125GBlocal （empty） 可以使用show dbs来列出当前有多少个数据库，上面看到的是有两个，分别是admin和local。
例如某一步管道查询操作导致内存占用超过20%，这个时候就会报错，无法继续使用管道 ，因为mongoDB本身每次最大是16Mb的数据量，为了尽可能避免或者减少这种问题，建议可以考虑尽可能的使用 $match 操作符过滤无用数据，减少数据总大小。
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。
mongodb使用场景是什么?
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。
默认情况下，MongoDB 更侧重高数据写入性能，而非事务安全，MongoDB 很适合业务系统中有大量 “低价值” 数据的场景。但是应当避免在高事务安全性的系统中使用 MongoDB，除非能从架构设计上保证事务安全。
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。
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。
◆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。
