本文目录一览：
MongoDB应用1——日志分析
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、游戏场景，使用MongoDB存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新。
3、查看是否开启操作日志：nosql ： db.getProfilingStatus（）返回：{ was： NumberInt（0）， slowms： NumberInt（100）} 注：was：0表示未开启。
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、MongoDB是一款为web应用程序和互联网基础设施设计的数据库管理系统。没错MongoDB就是数据库，是NoSQL类型的数据库。
6、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。
大数据分析工具有哪些
FineReport FineReport是一款纯Java编写的、集数据展示（报表）和数据录入（表单）功能于一身的企业级web报表工具，只需要简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
大数据分析工具有：R-编程 R 编程是对所有人免费的最好的大数据分析工具之一。它是一种领先的统计编程语言，可用于统计分析、科学计算、数据可视化等。R 编程语言还可以扩展自身以执行各种大数据分析操作。
Storm Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。
大数据分析工具有：R-编程R编程是对所有人免费的最好的大数据分析工具之一。它是一种领先的统计编程语言，可用于统计分析、科学计算、数据可视化等。R编程语言还可以扩展自身以执行各种大数据分析操作。
专业的大数据分析工具FineReportFineReport是一款纯Java编写的、集数据展示（报表）和数据录入（表单）功能于一身的企业级web报表工具，只需要简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
BI工具是商业智能（Busines Inteligence）分析工具的英文缩写。它是一个完整的大数据分析解决方案，可以有效地整合企业中现有的数据，快速准确地提供报表和帮助领导作出决策的数据依据，帮助企业做出明智的业务决策。
mongodb中文档和关系型数据库的主要区别。
处理数据的方式上存在显著差异。 数据结构：在关系型数据库中，行是表的基本单位，每一行都包含列的数据类型。
文档数据库不同于关系数据库，关系数据库基于了关系模型，而文档数据库采用了半结构化模型，没有在数据和模式之间的分离，使用的结构的数量依赖于目标用途。
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通常被归类为面向文档的数据库，而不是传统的关系型数据库。与关系型数据库不同，MongoDB使用的是类似JSON格式的文档来表示数据，这些文档可以包含任意数量和类型的字段，并且每个文档都可以具有自己的结构。
Mongodb是非关系型数据库（nosql ），属于文档型数据库。
mongo中的高级查询之聚合操作(distinct,count,group)与数据去重
1、mongo中的高级查询之聚合操作（distinct，count，group）distinct的实现：count的实现 group的实现 （1）.分组求和：类似于mysql中的 select act，sum（count） from consumerecords group by act （2）.分组求和，过滤。
2、db.collection.distinct（field， query， options） 获取某个字段的唯一值，仅可对单一字段去重。
3、是在分组操作期间对文档进行操作的聚合函数。可以返回总和或计数。该函数有两个参数：当前文档；该组的聚合结果文档。
4、在上一篇 mongodb Aggregation聚合操作之$collStats 中详细介绍了mongodb聚合操作中的$collStats使用以及参数细节。本篇将开始介绍Aggregation聚合操作中的$facet操作。说明：在同一组输入文档的单一阶段中处理多个聚合管道。
5、有条件地排除字段：从MongoDB 6开始，您可以在聚合表达式中使用变量REMOVE来有条件地抑制一个字段。
mongodb使用场景是什么?
1、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
2、默认情况下，MongoDB 更侧重高数据写入性能，而非事务安全，MongoDB 很适合业务系统中有大量 “低价值” 数据的场景。但是应当避免在高事务安全性的系统中使用 MongoDB，除非能从架构设计上保证事务安全。
3、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
4、物联网场景：使用MongoDB存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析。 ● 视频直播：使用MongoDB存储用户信息、礼物信息等。
5、◆高伸缩性的场景：Mongo非常适合由数十或数百台服务器组成的数据库。Mongo的路线图中已经包含对MapReduce引擎的内置支持。◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。
6、MongoDB属于内存型数据库，在需要读性能要求很高的项目中有着比较不错的表现。
mongoDB应用篇-mongo聚合查询
如果我们在日常操作中，将部分数据存储在了MongoDB中，但是有需求要求我们将存储进去的文档数据，按照一定的条件进行查询过滤，得到想要的结果便于二次利用，那么我们就可以尝试使用MongoDB的聚合框架。
之前也说过，MongoDB数据库里面的数据是键值对形式，所以如果想要插入多条数据，可以这样写，也就是键值对之间用逗号隔开。如果想要查询数据，则可以使用db.集合名.find（）语句来查询。
在上一篇 mongodb Aggregation聚合操作之$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。
