由于项目性能需求，尝试研究mongodb的使用，与mysql的存储和读取性能进行比较。安装完成发现，其批量写入数据功能确实比mysql快，但是读取性能并不如mysql，但是由于其是文件型数据库，可能在内存操作点啥，会加快读取效率吧，直接读效率确实不太行。

但是既然研究了，得到的知识分享下，因为发现网上都是些在线安装或者使用4.几版本。

安装步骤

下载安装包：

mongodb-linux-x86_64-rhel70-7.0.2.tgz

mongosh-2.0.2-linux-x64.tgz

下载网站：MongoDB Enterprise Downloads | MongoDB

将安装包拖到centos系统内，使用命令解压

添加环境变量，找到/etc/profile文件，打开添加如下内容

#mongodb
export PATH=$PATH:/opt/mongodb-linux-x86_64-rhel70-7.0.2/bin
export PATH=$PATH:/opt/mongosh-2.0.2-linux-x64/bin

/opt/xxxxxx/bin,分别是俩个安装包内的bin文件夹。

配置完成后在终端应可看到mongod、mongosh指令

编写mongo启动配置文件，创建文件mongodb.conf

文件内容如下：

dbpath = /data/db #数据文件存放目录
logpath = /logs/mongodb.log #日志文件存放目录
port = 27017 #端口
fork = true #以守护程序的方式启用，即在后台运行
auth=true #需要认证。如果放开注释，就必须创建MongoDB的账号，使用账号与密码才可远程访问，第一次安装建议注释
bind_ip=0.0.0.0 #允许远程访问，或者直接注释，127.0.0.1是只允许本地访问

注：dbpath和logpath都需要手动创建一下，第一次运行时建议注释掉“auth=true”，想要验证时，再创建必要的帐号密码

启动mongo指令：

mongod --config xxxx/mongodb.conf

使用指令按照指定配置文件启动mongodb。

启动后使用“netstat -npl”，应能看到port所设置端口被启动监听

停止指令：

mongod --shutdown

终端使用

运行命令 “mongosh”

将自动进入本机的mongo服务，

创建用户如下：

创建了这个账户，就可以将配置文件内的“auth=true”注释去掉。

关闭和启动mongo后就可使用帐号密码登录。

其他终端指令操作，可自行百度和问Ai。

远程客户端访问

下载一个mongoDB Compass

安装包：mongodb-compass-1.40.4-win32-x64.exe

网站：MongoDB Compass Download (GUI) | MongoDB

该软件全为英文，可使用查看数据添加数据，其他复杂操作请自行研究。

执行exe将自动默认安装，桌面将自动打开。

输入访问地址：

mongodb://testmongo:123456@1.5.1.226:27017/

Java远程操作

引用maven包

 <dependency>
    <groupId>org.mongodb</groupId>
    <artifactId>mongodb-driver-sync</artifactId>
    <version>4.10.2</version>
 </dependency>

连接mongo

public static MongoClient mongoClient = null;
public static void initdb() {
		mongoClient = MongoClients.create("mongodb://testmongo:123456@1.5.1.226:27017/");
	}

连接表文件，连接表文件写入数据时，将直接创建对应的表文件

MongoCollection<Document> collection = mongoClient.getDatabase("logaudit").getCollection("logauditdb");

写入数据

Document document = new Document("name", data.name).append("notes", data.notes)
						.append("type", data.type).append("rdevid", data.rdevid).append("priority", data.priority)
						.append("ip", data.ip).append("port", data.port).append("r_protocol_id", data.r_protocol_id)
						.append("sign_lag", data.sign_lag).append("r_cert_id", data.r_cert_id)
						.append("channeltype", data.channeltype).append("linktype", data.linktype)
						.append("protocolset", data.protocolset).append("collectCycle", data.collectCycle)
						.append("takeovertype", data.takeovertype);
				collection.insertOne(document);

添加单个索引

collection.createIndex(Indexes.ascending("fieldName")); // 将 "fieldName" 替换为您要创建索引的字段名
	        collection.createIndex(Indexes.ascending("fieldName"));

添加关联索引

collection.createIndex(new Document("devId", 1).append("type_name", 1));

关联查询

Bson query = Filters.and(Filters.eq("devId", 71),Filters.eq("type_name", "日志"));
	       
	        
//	        Document executionPlan = collection.find(query).explain();
	        FindIterable<Document> cursor = collection.find(query);

	     // 遍历查询结果
	        for (Document document : cursor) {
	            System.out.println("查询结果：" + document);

	        }

查看该查询使用的方案

Document executionPlan = collection.find(query).explain();
	        System.out.println(executionPlan.toJson());