Python Playwright UI自动化测试环境完全配置指南：从零搭建到CI集成
2026/6/26 5:43:07
MongoDB是目前最主流的文档型NoSQL数据库，简单说就是“以JSON格式存数据的数据库”，不用提前建表、改结构灵活，特别适配快速迭代的业务（比如电商、社交、AI场景）。下面用通俗的语言拆解它的核心概念、用法和适用场景。
一、核心定位：为啥选MongoDB？
先对比传统关系型数据库（比如MySQL），你就懂MongoDB的优势了：
| 维度 | MySQL（关系型） | MongoDB（文档型） |
|---|---|---|
| 数据格式 | 二维表（行+列），需提前建表/字段 | BSON（JSON的二进制扩展），无固定结构 |
| 扩展方式 | 垂直扩展（升级服务器）为主 | 水平扩展（加服务器）为主，天然适配分布式 |
| 事务支持 | 强事务（ACID），支持多表事务 | 单文档事务（默认），4.0+支持多文档事务 |
| 查询灵活性 | 结构化查询，需符合表结构 | 支持嵌套查询、数组查询，灵活度高 |
| 适用场景 | 数据结构固定（比如财务、订单） | 数据结构多变（比如用户画像、日志） |
核心特点总结：
- 无模式（Schema-less）：不用提前定义表结构，一条数据可以和另一条数据有完全不同的字段（比如一条用户数据有
age，另一条可以没有）； - 文档存储：单条数据是一个“文档”（类似JSON），支持嵌套（比如用户文档里嵌套地址、订单列表）；
- 高性能：内置索引、内存映射，读写速度快，支持分片（分布式存储）；
- 易扩展：从单节点到集群无缝扩容，适配亿级数据量。
二、核心概念：把MySQL术语翻译成MongoDB
新手最容易懵的是术语差异，直接对应看：
| MySQL术语 | MongoDB术语 | 大白话解释 |
|---|---|---|
| 数据库（Database） | 数据库（Database） | 一样！比如test_db既是MySQL库也是MongoDB库 |
| 表（Table） | 集合（Collection） | 存放同类文档的“容器”，相当于MySQL的表，但无结构限制 |
| 行（Row） | 文档（Document） | 单条数据，JSON格式（实际存BSON） |
| 列（Column） | 字段（Field） | 文档里的键值对，比如"name": "张三" |
| 主键（Primary Key） | _id字段 | 每个文档默认自带的唯一标识，MongoDB自动生成（也可以自定义） |
| 索引（Index） | 索引（Index） | 一样！支持单字段、复合、地理空间等索引 |
举个例子：
MySQL里用户表（user）的一行数据：
| id | name | age | address |
|---|---|---|---|
| 1 | 张三 | 20 | 北京市朝阳区 |
MongoDB里user集合的一个文档（BSON格式）：
{"_id":ObjectId("66ff7a7b8c9d4832e078b456"),// MongoDB自动生成的唯一ID"name":"张三","age":20,"address":{// 嵌套文档"province":"北京","city":"朝阳","street":"XX路"},"hobbies":["篮球","游戏"]// 数组字段}可以看到：支持嵌套字段（address）、数组字段（hobbies），这是MySQL很难做到的（需要多表关联）。
三、核心操作：常用CRUD（大白话+示例）
先装MongoDB（本地/云服务），连接后用mongo/mongosh命令行操作，核心操作如下：
1. 数据库/集合操作
# 切换/创建数据库（不存在则自动创建）use test_db# 创建集合（可选，插入数据时会自动创建）db.createCollection("user")# 查看当前库的所有集合show collections# 删除集合db.user.drop()# 删除数据库db.dropDatabase()2. 插入数据（Create）
# 插入单条文档db.user.insertOne({"name":"张三","age":20,"address":{"province":"北京","city":"朝阳"},"hobbies":["篮球","游戏"]})# 插入多条文档db.user.insertMany([{"name":"李四","age":25,"hobbies":["读书"]},{"name":"王五","age":30,"address":{"province":"上海"}}])注意：插入时如果user集合不存在，会自动创建；_id字段如果不指定，MongoDB会生成唯一的ObjectId。
3. 查询数据（Read）
这是MongoDB的核心优势，支持各种灵活查询：
# 1. 查询所有文档（慎用！数据量大时会卡）db.user.find()# 2. 条件查询：年龄=20db.user.find({"age":20})# 3. 条件查询：年龄>20（MongoDB用特殊操作符）db.user.find({"age":{"$gt":20}})# $gt=大于，$lt=小于，$gte=大于等于# 4. 嵌套文档查询：地址里的省份=北京db.user.find({"address.province":"北京"})# 5. 数组查询：爱好包含篮球db.user.find({"hobbies":"篮球"})# 6. 只返回指定字段（比如只返回name和age，_id默认返回，用0关闭）db.user.find({"age":{"$gt":20}},{"name":1,"age":1,"_id":0})# 7. 排序：按年龄降序（1=升序，-1=降序）db.user.find().sort({"age":-1})# 8. 分页：跳过1条，取2条（对应MySQL的limit offset）db.user.find().skip(1).limit(2)# 9. 统计数量db.user.countDocuments({"age":{"$gt":20}})4. 更新数据（Update）
# 1. 更新单条文档：把张三的年龄改成21db.user.updateOne({"name":"张三"},# 查询条件{"$set":{"age":21}}# 更新操作（$set=设置字段，不影响其他字段）)# 2. 更新多条文档：年龄>20的用户，添加字段"status": "active"db.user.updateMany({"age":{"$gt":20}},{"$set":{"status":"active"}})# 3. 替换整个文档（慎用！会覆盖所有字段，除了_id）db.user.replaceOne({"name":"张三"},{"name":"张三","age":21,"gender":"男"}# 新文档)5. 删除数据（Delete）
# 删除单条文档db.user.deleteOne({"name":"张三"})# 删除多条文档db.user.deleteMany({"age":{"$lt":25}})四、核心特性：MongoDB的“杀手锏”
1. 索引：提升查询速度
和MySQL一样，没有索引的查询会全表扫描，MongoDB支持多种索引：
# 1. 创建单字段索引（年龄字段，升序）db.user.createIndex({"age":1})# 2. 创建复合索引（name+age）db.user.createIndex({"name":1,"age":-1})# 3. 创建唯一索引（name字段不能重复）db.user.createIndex({"name":1},{"unique":true})# 查看索引db.user.getIndexes()# 删除索引db.user.dropIndex("age_1")2. 聚合：数据统计分析
类似MySQL的group by，但功能更强，支持多阶段处理：
# 按省份统计用户数量db.user.aggregate([{"$match":{"address.province":{"$exists":true}}},# 过滤：有省份字段的文档{"$group":{"_id":"$address.province","count":{"$sum":1}}}# 分组统计])结果会返回：
[{"_id":"北京","count":1},{"_id":"上海","count":1}]3. 分片：分布式存储（处理大数据）
当单节点存不下/处理不了数据时，MongoDB可以分片（把数据拆分到多个服务器）：
- 分片键：按哪个字段拆分数据（比如按用户ID范围）；
- 分片集群：包含分片节点、配置节点、路由节点（应用只连路由节点，透明访问所有分片）。
4. 事务：保证数据一致性
MongoDB 4.0+支持多文档事务，用法类似MySQL：
# 开启事务session=db.getMongo().startSession()session.startTransaction()# 事务内操作db.user.updateOne({"name":"张三"},{"$set":{"age":22}},{"session":session})db.order.insertOne({"userId":"张三","amount":100},{"session":session})# 提交事务（失败则调用session.abortTransaction()）session.commitTransaction()五、适用场景&避坑点
适用场景（选MongoDB准没错）
- 数据结构多变：比如用户画像（不同用户有不同的标签）、社交动态（朋友圈/微博）；
- 大数据量+高并发：比如日志存储、物联网设备数据（MongoDB能扛高写入）；
- 快速迭代的业务：创业公司/互联网产品，不用频繁改表结构；
- 地理空间数据：比如外卖配送、打车（MongoDB支持地理索引，快速查附近的商家/司机）；
- AI场景：存储模型训练数据、用户行为数据（结构灵活，支持批量读写）。
避坑点（别踩这些坑）
- 不要把MongoDB当关系库用：虽然支持事务，但多表关联查询不如MySQL，复杂关联场景优先用MySQL；
- 避免大文档：单文档最大16MB，不要存大文件（比如视频），大文件用GridFS；
- 索引不要乱建：索引会提升查询速度，但降低写入速度，只给常用查询字段建索引；
- 不要依赖自动分片：分片需要提前规划分片键，选不好会导致数据倾斜（某台服务器数据过多）；
- 生产环境要集群：单节点容易单点故障，至少部署副本集（主从+仲裁，自动故障转移）。
六、总结：MongoDB核心就是“灵活+高性能”
MongoDB的设计思想是“以文档为中心”，放弃了关系型数据库的严格结构，换来极致的灵活性和扩展能力。
简单说：
- 如果你的数据结构固定、需要强事务（比如银行、财务），选MySQL；
- 如果你的数据结构多变、需要高写入/高扩展（比如互联网产品、AI数据），选MongoDB；
- 实际项目中常是“MySQL+MongoDB”混用：核心业务（订单、用户账号）用MySQL，非核心业务（用户画像、日志）用MongoDB。
新手入门建议：先装本地MongoDB，用mongosh命令行练CRUD，再学索引和聚合，最后了解副本集/分片集群（生产环境必备）。