Python - NoSQL数据库

2025年3月13日 | 阅读6分钟

数据库通常是指一种已准备好的信息集合，可以使用各种库和模块轻松地访问、管理和更新。Python 提供了接口来连接各种类型的数据库，包括关系型数据库（例如 SQLite、MySQL、PostgreSQL）和 NoSQL 数据库（例如 MongoDB、Redis）。

在接下来的教程中，我们将学习 Python 中使用的 NoSQL 数据库。我们将探讨可以使用这些数据库执行的不同操作以及更多内容。

那么，让我们开始吧。

什么是 NoSQL 数据库？

NoSQL 是一种数据库设计方法，允许数据存储和查询超出关系数据库中传统结构。它们旨在处理海量的各种统计数据类型，并针对各种数据模型进行优化，例如键值对、文档、列族和图。NoSQL 数据库特别适用于现代互联网应用程序、大数据分析和实时处理。

NoSQL 数据库的关键特性

以下是 NoSQL 数据库的一些关键特征：

无模式设计： NoSQL 数据库通常不需要固定模式，从而允许更灵活和敏捷的数据模型。这对于数据需求不断变化的应用程序非常有用。
可伸缩性： 它们通过将数据分布在多台服务器上来实现水平伸缩，从而能够处理大型数据集和高吞吐量。
高性能： NoSQL 数据库针对读写操作进行了优化，可以高效地处理大量事务。
分布式架构： 许多 NoSQL 数据库都采用分布式结构构建，提供容错性和高可用性。
各种数据模型
1. 键值存储： 数据以键值对的形式存储（例如，Redis）。
2. 文档存储： 数据以文档格式保存，通常是 JSON 或 BSON（例如，MongoDB）。
3. 列族存储： 数据以行和列的形式存储，但按列族分组（例如，Cassandra）。
4. 图数据库： 数据以节点和边表示关系（例如，Neo4j）。

NoSQL 数据库的一些示例包括：

MongoDB： MongoDB 是一种流行的文档存储，使用类似 JSON 的文档。
Redis： Redis 是一种内存键值存储，常用于缓存和实时分析。
Cassandra： Cassandra 是一种分布式列族存储，非常适合处理大量结构化数据。

使用 Python 在 NoSQL 数据库中执行基本操作

现在我们将看一些使用 Python 在 NoSQL 数据库中执行的基本操作。

创建（插入）

在 MongoDB 等 NoSQL 数据库中插入文档会添加一条新记录，通常不需要预定义模式。使用 Python 的 `pymongo`，`insert_one` 方法可以存储文档并返回其唯一的 `_id`。

语法

Python - MongoDB

 
from pymongo import MongoClient
client = MongoClient('localhost', 27017)
db = client['example_db']
collection = db['users']
collection.insert_one({'name': 'Alice', 'age': 30})

Python - Redis

 
import redis
r = redis.Redis(host='localhost', port=6379, db=0)
r.set('user:1', 'Alice')

读取（查询）

读取文档涉及根据字段进行查询，返回单个或多个文档。`pymongo` 中的 `find_one` 或 `find` 方法用于根据过滤器检索文档。

语法

Python - MongoDB

 
users = collection.find()
for user in users:
    print(user)
user = collection.find_one({'name': 'Alice'})
print(user)

Python - Redis

 
value = r.get('user:1')
print(value.decode('utf-8'))  

更新

更新文档会修改现有记录中的一个或多个字段。`update_one` 或 `update_many` 方法允许部分更新或替换字段，同时保留其他数据。

语法

Python - MongoDB

Python - Redis

删除

删除文档会将其从集合中移除。`delete_one` 或 `delete_many` 允许您删除与过滤器匹配的记录，从而释放数据库空间。

语法

Python - MongoDB

Python - Redis

批量插入

批量插入允许您在一次操作中插入多个文档，从而提高大型数据加载的性能。在 Python 中，通常使用 `insert_many` 方法进行批量插入。

语法

Python - MongoDB

 
collection.insert_many([
    {'name': 'Bob', 'age': 25},
    {'name': 'Carol', 'age': 27}
])

索引

索引通过创建结构来提高查询性能，该结构允许在指定字段上进行更快的搜索。使用 `pymongo` 中的 `create_index`，您可以索引 `name` 或 `email` 等字段以优化查询。

语法

Python - MongoDB

聚合 (Aggregation)

聚合执行复杂的数据操作，例如分组或计算总数。在 MongoDB 中，使用包含阶段（例如 `$match`、`$group`）的管道的 `aggregate` 允许跨集合分析和转换数据。

语法

Python - MongoDB

 
pipeline = [
    {'$group': {'_id': None, 'average_age': {'$avg': '$age'}}}
]
result = collection.aggregate(pipeline)
for r in result:
    print(r)

交易

事务可确保多个操作要么完全完成，要么根本不完成，从而维护数据完整性。在 Python 中，可以在副本集或分片集群内以原子方式执行带有 `pymongo` 的事务。

语法

Python - MongoDB

 
with client.start_session() as session:
    with session.start_transaction():
        collection.update_one({'name': 'Bob'}, {'$set': {'age': 26}}, session=session)
        collection.update_one({'name': 'Carol'}, {'$set': {'age': 28}}, session=session)

TTL（生存时间）

TTL 会在指定时间后自动删除文档，通常用于过期数据（如会话）。通过在时间戳字段上创建 TTL 索引，文档将在其时间限制到达后自动删除。

语法

Python - MongoDB

所有操作的示例

 
from pymongo import MongoClient, ASCENDING
from pymongo.errors import BulkWriteError
from datetime import datetime, timedelta
# Connect to MongoDB
client = MongoClient("mongodb://:27017/")
db = client['sample1_db']
collection = db['sample1_collection']
# 1. Create (Insert Document)
def create_document():
    document = {
        "name": "Shruthi",
        "age": 23,
        "city": "Karimnagar",
        "created_at": datetime.utcnow()
    }
    result = collection.insert_one(document)
    return f"Document inserted with _id: {result.inserted_id}"
# 2. Read (Find Document)
def read_document():
    result = collection.find_one({"name": "Shruthi"})
    return result
# 3. Update (Update Document)
def update_document():
    result = collection.update_one({"name": "Shruthi"}, {"$set": {"age": 26}})
    return f"Documents matched: {result.matched_count}, updated: {result.modified_count}"
# 4. Delete (Delete Document)
def delete_document():
    result = collection.delete_one({"name": "Shruthi"})
    return f"Documents deleted: {result.deleted_count}"
# 5. Bulk Insert (Insert Many Documents)
def bulk_insert():
    documents = [
        {"name": "Krishna", "age": 30, "city": "Delhi"},
        {"name": "Shiva", "age": 35, "city": "Gujarat"},
        {"name": "Mahan", "age": 40, "city": "Kerala"}
    ]
    try:
        result = collection.insert_many(documents)
        return f"Bulk insert successful. Inserted IDs: {result.inserted_ids}"
    except BulkWriteError as e:
        return f"Bulk insert error: {e.details}"
# 6. Indexing (Create an Index)
def create_index():
    index_name = collection.create_index([("name", ASCENDING)])
    return f"Index created: {index_name}"
# 7. Aggregation (Aggregation Pipeline)
def aggregate_documents():
    pipeline = [
        {"$match": {"city": "Delhi"}},
        {"$group": {"_id": "$city", "total": {"$sum": "$age"}}}
    ]
    result = collection.aggregate(pipeline)
    return list(result)
# 8. Transactions (Requires Replica Set)
def transaction_operations():
    session = client.start_session()
    try:
        with session.start_transaction():
            collection.insert_one({"name": "Krish", "age": 45, "city": "Bangalore"}, session=session)
            collection.update_one({"name": "Krishna"}, {"$set": {"city": "Chennai"}}, session=session)
        return "Transaction committed successfully."
    except Exception as e:
        return f"Transaction failed: {e}"
    finally:
        session.end_session()
# 9. TTL (Time-to-Live Index)
def create_ttl_index():
    # Set document to expire after 10 seconds
    collection.create_index("created_at", expireAfterSeconds=10)
    return "TTL index created. Documents will expire after 10 seconds."
# Call each function and print the results
print(create_document())        # Insert a document
print(read_document())          # Read a document
print(update_document())        # Update the document
print(delete_document())        # Delete the document
print(bulk_insert())            # Insert multiple documents
print(create_index())           # Create an index on the 'name' field
print(aggregate_documents())    # Run an aggregation query
print(transaction_operations()) # Execute operations within a transaction
print(create_ttl_index())       # Create a TTL index

输出

 
Document inserted with _id: ObjectId('65298743cfbd553f2e384d7c')
{
    '_id': ObjectId('65298743cfbd553f2e384d7c'),
    'name': 'Shruthi',
    'age': 23,
    'city': 'Karimnagar',
    'created_at': datetime.datetime(2024, 10, 14, 12, 0, 0)
}
Documents matched: 1, updated: 1
Documents deleted: 1
Bulk insert successful. Inserted IDs: [
    ObjectId('65298743cfbd553f2e384d7e'), 
    ObjectId('65298743cfbd553f2e384d7f'), 
    ObjectId('65298743cfbd553f2e384d80')
]
Index created: name_1
[{'_id': 'Delhi', 'total': 30}]
Transaction committed successfully.
TTL index created. Documents will expire after 10 seconds.

NoSQL 数据库的一些优点和缺点

以下是使用 NoSQL 数据库存储数据的一些主要优点：

可伸缩性： NoSQL 数据库设计用于水平伸缩，非常适合管理海量数据和高吞吐量。
灵活性： 它们提供模式灵活性，允许动态和敏捷的数据模型，可以适应各种数据类型和不断变化的需求。
性能： NoSQL 数据库针对特定用例进行了优化，在读写操作（尤其是在分布式环境中）方面提供高性能。
容错性： 许多 NoSQL 数据库支持复制和分片，提供容错性和高可用性，以确保数据完整性和可靠性。
水平分区： 它们支持水平分区，将数据分布在多个节点上以提高性能和可靠性。

以下是使用 NoSQL 数据库存储数据的一些缺点：

有限的查询功能： 与 SQL 数据库相比，NoSQL 数据库的查询功能可能有限，导致复杂查询难以执行。
最终一致性： 一些 NoSQL 数据库优先考虑可用性和分区容错性而非强一致性，导致最终一致性和潜在的数据不一致。
缺乏事务： 许多 NoSQL 数据库缺乏完整的 ACID 事务，这可能使维护数据完整性和执行复杂的业务规则变得困难。
学习曲线： 从 SQL 迁移到 NoSQL 可能需要学习新的数据建模策略和查询语言，导致开发人员的学习曲线更陡峭。
成熟度和工具： 一些 NoSQL 数据库不如 SQL 数据库成熟，导致工具、文档和社区支持较少。

下一主题Python-transformers-library

Python - NoSQL数据库

什么是 NoSQL 数据库？

NoSQL 数据库的关键特性

使用 Python 在 NoSQL 数据库中执行基本操作

创建（插入）

读取（查询）

更新

删除

批量插入

索引

聚合 (Aggregation)

交易

TTL（生存时间）

所有操作的示例

NoSQL 数据库的一些优点和缺点

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

其他

Python - NoSQL数据库

什么是 NoSQL 数据库？

NoSQL 数据库的关键特性

使用 Python 在 NoSQL 数据库中执行基本操作

创建（插入）

读取（查询）

更新

删除

批量插入

索引

聚合 (Aggregation)

交易

TTL（生存时间）

所有操作的示例

NoSQL 数据库的一些优点和缺点

相关帖子

Python为什么没有goto语句

Python中的os.urandom()方法

Python中的DES算法

使用Python进行股票价格分析

Python Scikit Learn - Ridge回归

Python中的Matplotlib.axes.Axes.plot()

如何在Python中使用Pandas进行vLookup

如何使用Jpype和Pyjnius在Python中调用Java

Python Sphinx

使用Python和Alembic简化数据库迁移

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器