《非关系型数据库原理及应用实验报告》
一、实验目的
本次实验旨在深入理解非关系型数据库（NoSQL）的原理，包括其数据模型、存储结构、数据操作等方面的特性，通过实际操作应用非关系型数据库，掌握其在不同场景下的使用方法，对比关系型数据库，体会非关系型数据库的优势与局限性，并提高解决实际数据存储和管理问题的能力。
二、实验环境
图片来源于网络，如有侵权联系删除
1、硬件环境
- 计算机：配备Intel Core i5处理器，8GB内存，500GB硬盘。
2、软件环境
- 操作系统：Windows 10。
- 非关系型数据库：MongoDB（版本：4.4）。
- 开发工具：PyCharm Community Edition（用于编写Python程序连接和操作MongoDB），Python（版本：3.8）及相应的pymongo库。
三、实验内容与步骤
1、MongoDB安装与配置
- 从MongoDB官方网站下载适合Windows系统的安装包，按照安装向导进行安装，安装过程中，配置数据存储路径和日志文件路径。
- 启动MongoDB服务，在命令提示符中输入mongod命令启动服务端，然后打开新的命令提示符窗口，输入mongo命令进入MongoDB的Shell界面，验证安装是否成功。
2、数据库和集合创建
图片来源于网络，如有侵权联系删除
- 在MongoDB Shell中，使用use命令创建一个名为testdb的数据库，如use testdb。
- 在testdb数据库中，创建一个名为users的集合，在MongoDB中，集合不需要预先定义结构，可以直接插入数据，当插入第一个文档时，集合自动创建。
- 通过Python程序连接MongoDB并创建数据库和集合，在PyCharm中创建一个Python脚本，导入pymongo库，首先创建一个MongoClient对象连接到本地MongoDB服务，然后使用client['testdb']获取或创建testdb数据库，再使用testdb['users']获取或创建users集合。
3、数据插入
- 在MongoDB Shell中，使用insertOne或insertMany方法向users集合插入数据，插入一个用户文档{"name": "John", "age": 25, "email": "john@example.com"}，可以使用db.users.insertOne({"name": "John", "age": 25, "email": "john@example.com"})。
- 在Python程序中，定义一个字典表示用户数据，然后使用users.insert_one(user_dict)（对于单个文档插入）或users.insert_many(user_list)（对于多个文档插入）方法将数据插入到users集合中。
4、数据查询
- 在MongoDB Shell中，使用find方法查询users集合中的数据，查询所有年龄大于20岁的用户可以使用db.users.find({"age": {"$gt": 20}})。
- 在Python程序中，使用类似的查询语句，如for user in users.find({"age": {"$gt": 20}}): print(user)来遍历查询结果并打印。
5、数据更新与删除
- 在MongoDB Shell中，使用updateOne或updateMany方法更新数据，将名为“John”的用户年龄更新为26，可以使用db.users.updateOne({"name": "John"}, {"$set": {"age": 26}})，使用deleteOne或deleteMany方法删除数据，如删除年龄小于20岁的用户db.users.deleteMany({"age": {"$lt": 20}})。
图片来源于网络，如有侵权联系删除
- 在Python程序中，同样使用update_one、update_many、delete_one和delete_many方法进行相应的操作。
四、实验结果与分析
1、数据存储与查询效率
- 在插入大量数据（例如1000条用户数据）时，MongoDB的插入操作相对较快，这是因为MongoDB不需要像关系型数据库那样严格遵守预定义的表结构，数据可以以更灵活的文档形式直接插入，在查询操作方面，对于简单的查询条件（如根据单个字段查询），查询速度较快，当查询涉及到多个复杂条件的组合时，随着数据量的增加，查询效率会有所下降。
2、数据模型灵活性
- 非关系型数据库的数据模型非常灵活，在users集合中，不同的用户文档可以有不同的字段，有些用户可能有额外的字段如“phone_number”，而有些则没有，这在关系型数据库中是难以实现的，需要频繁地修改表结构，这种灵活性使得MongoDB非常适合处理一些结构不固定的数据，如日志数据、用户行为数据等。
3、与关系型数据库的对比
- 关系型数据库（如MySQL）具有严格的事务处理机制，适合处理需要高度一致性和准确性的业务数据，如金融交易数据，而非关系型数据库在可扩展性和处理大数据量方面具有优势，在处理海量的用户行为分析数据时，MongoDB可以轻松地水平扩展，通过添加更多的节点来提高存储和处理能力，而关系型数据库在扩展方面相对复杂，需要考虑数据的一致性、分区等问题。
五、实验总结
通过本次实验，深入理解了非关系型数据库的原理和应用，掌握了MongoDB的基本操作，包括安装、配置、数据的增删改查等，体会到非关系型数据库在数据模型灵活性、可扩展性等方面的优势，同时也认识到其在复杂查询和事务处理方面与关系型数据库的差异，在实际应用中，需要根据具体的业务需求选择合适的数据库类型，或者可以考虑将关系型数据库和非关系型数据库结合使用，以发挥各自的长处，在未来的学习和工作中，将继续探索非关系型数据库在大数据处理、云计算等领域的应用，不断提高数据管理和处理的能力。
评论列表