1. 为什么命令行才是 MongoDB 的真正主战场很多人第一次接触 MongoDB 都是从图形化工具开始的点几下鼠标就能建库建表、插入数据看起来确实方便。但真到了生产环境尤其是需要批量处理数据、排查线上问题、写自动化脚本的时候图形界面反而成了累赘。我见过太多人本地开发用图形工具玩得飞起一上服务器就懵了因为服务器上根本没有图形界面只有黑乎乎的命令行。MongoDB 的命令行工具mongosh旧版本叫mongo才是真正贯穿开发、测试、运维全流程的核心武器。它不只是一个连接数据库的客户端更是一个完整的 JavaScript 运行环境你可以直接在里面对数据库做任何操作还能写循环、定义函数、加载外部脚本。这篇文章就是把我这些年用 MongoDB 命令行踩过的坑、总结出来的高频操作、以及那些文档里不会明说的细节一次性讲清楚。不管你是刚接触 MongoDB 的新手还是已经用了一段时间但总觉得命令行不够顺手的老手下面这些内容都能让你直接抄作业。我会从最基础的连接开始一路讲到聚合管道、索引管理、性能排查这些进阶操作每个命令都配上实际场景和参数解释保证你看完就能用。2. 连接与基础环境操作2.1 连接数据库的几种姿势连接 MongoDB 的命令行客户端最基础的写法是直接输入mongosh它会默认连接到本地的mongodb://127.0.0.1:27017。但实际工作中你面对的往往是远程服务器、副本集或者带认证的实例这时候就需要指定完整的连接字符串。# 连接本地默认实例 mongosh # 连接指定主机和端口 mongosh mongodb://192.168.1.100:27017 # 带用户名密码认证的连接 mongosh mongodb://admin:password123192.168.1.100:27017/admin # 连接副本集指定副本集名称 mongosh mongodb://192.168.1.100:27017,192.168.1.101:27017/mydb?replicaSetrs0这里有个细节很多人会搞混认证数据库和业务数据库是两回事。上面第三个例子里/admin表示用 admin 库里的用户做认证但认证成功后你默认进入的还是 admin 库。如果你想直接进入业务库需要在连接字符串里把业务库名字写在认证信息后面或者连上之后手动use切换。注意密码里如果包含、:、/这些特殊字符必须做 URL 编码否则连接字符串会被解析错。比如密码是pss:word要写成p%40ss%3Aword。这个坑我在实际项目里见过好几次排查半天才发现是密码编码问题。连接成功之后你会看到一个test或者的提示符说明已经进入了交互式命令行环境。这个环境支持 JavaScript 语法你可以按上下箭头翻历史命令按 Tab 键自动补全体验和普通 shell 差不多。2.2 数据库与集合的日常操作进入命令行后第一件事通常是看看当前有哪些数据库然后切换到目标库。这些操作看似简单但有几个容易忽略的点。// 查看所有数据库 show dbs // 切换到指定数据库不存在则创建 use myapp // 查看当前所在数据库 db // 查看当前库下所有集合 show collections // 删除当前数据库 db.dropDatabase() // 删除指定集合 db.users.drop()show dbs只会列出有数据的数据库如果你刚use了一个新库但还没插入任何数据它是不会出现在列表里的。这是新手经常困惑的地方以为自己的库没建成功其实只是空的库不显示而已。创建集合有两种方式一种是直接往一个不存在的集合里插入数据MongoDB 会自动创建另一种是用db.createCollection()显式创建这种方式可以指定一些参数比如是否是固定集合、最大大小等。// 隐式创建插入数据时自动建集合 db.articles.insertOne({ title: 测试文章, createdAt: new Date() }) // 显式创建指定为固定集合最大 10MB最多 5000 条文档 db.createCollection(logs, { capped: true, size: 10485760, max: 5000 })固定集合capped collection这个特性值得单独说一下。它的特点是写入速度极快而且当空间满了之后会自动覆盖最老的文档非常适合做日志、监控数据这类只需要保留最近一段时间的场景。但它的缺点也很明显文档不能删除不能修改大小更新操作也受限。所以用之前要想清楚数据模型是否匹配。3. 文档增删改查的核心命令3.1 插入数据的三种方式与选择MongoDB 插入文档有三个命令insertOne、insertMany和insert。前两个是推荐用法语义清晰insert是旧版兼容写法可以插一条也可以插多条但不推荐在新项目里用。// 插入单条文档 db.users.insertOne({ name: 张三, age: 28, email: zhangsanexample.com, tags: [技术, 阅读], createdAt: new Date() }) // 批量插入多条文档 db.users.insertMany([ { name: 李四, age: 32, email: lisiexample.com }, { name: 王五, age: 25, email: wangwuexample.com }, { name: 赵六, age: 40, email: zhaoliuexample.com } ])批量插入的时候有个参数叫ordered默认是true表示按顺序插入一旦中间某条出错后面的就全部停止。如果你希望即使有失败的也继续插入剩下的可以设置ordered: false。db.users.insertMany( [ { _id: 1, name: A }, { _id: 1, name: B }, // _id 重复会报错 { _id: 2, name: C } ], { ordered: false } )上面这个例子如果ordered: true只有第一条会插入成功如果ordered: false第一条和第三条都会插入成功第二条报错但不影响其他。这个细节在做数据迁移或者批量导入的时候特别有用能避免因为个别脏数据导致整个批次失败。实操心得批量插入的数据量很大时比如几万条不要一次性全塞进insertMany内存会爆。建议分批每批 1000 到 5000 条用循环处理。我一般用 2000 条一批兼顾效率和内存占用。3.2 查询条件的写法与组合技巧查询是日常用得最多的操作find命令的基本用法很简单但条件组合的写法有很多门道。// 查询所有文档 db.users.find() // 等值查询 db.users.find({ name: 张三 }) // 多条件 AND db.users.find({ name: 张三, age: 28 }) // 条件查询年龄大于 25 db.users.find({ age: { $gt: 25 } }) // 条件查询年龄在 25 到 35 之间 db.users.find({ age: { $gte: 25, $lte: 35 } }) // 包含查询tags 数组里包含技术 db.users.find({ tags: 技术 }) // 数组内多条件tags 同时包含技术和阅读 db.users.find({ tags: { $all: [技术, 阅读] } }) // 或查询 db.users.find({ $or: [{ age: { $lt: 25 } }, { age: { $gt: 35 } }] }) // 字段存在性查询 db.users.find({ email: { $exists: true } }) // 正则查询名字以张开头 db.users.find({ name: /^张/ })这里重点说一下数组查询。MongoDB 对数组的支持非常自然{ tags: 技术 }这种写法会自动匹配数组中包含该元素的文档不需要特殊的操作符。但如果要匹配数组中的多个元素就必须用$all。还有一个容易混淆的是$elemMatch它用于匹配数组中满足多个条件的同一个元素。// 假设有文档{ scores: [{ subject: 数学, score: 90 }, { subject: 语文, score: 85 }] } // 错误写法会匹配到数学 90 或语文 85 的文档但不要求是同一个元素 db.students.find({ scores.subject: 数学, scores.score: { $gt: 88 } }) // 正确写法要求同一个元素同时满足两个条件 db.students.find({ scores: { $elemMatch: { subject: 数学, score: { $gt: 88 } } } })这个区别在实际业务里非常关键。比如你要查数学成绩大于 88 分的学生如果用第一种写法可能会把数学 80 分但语文 90 分的学生也查出来因为两个条件分别匹配了不同的数组元素。这种 bug 很隐蔽测试的时候数据少不容易发现上线后数据量大了才暴露出来。3.3 更新操作的原子性与操作符更新文档用updateOne、updateMany和replaceOne。新手最容易犯的错误是直接传一个对象进去结果把整个文档替换掉了而不是只更新指定字段。// 错误示范会把文档替换成只有 name 字段 db.users.updateOne({ name: 张三 }, { name: 张三丰 }) // 正确写法用 $set 只更新指定字段 db.users.updateOne({ name: 张三 }, { $set: { name: 张三丰 } }) // 更新多条 db.users.updateMany({ age: { $lt: 30 } }, { $set: { status: 青年 } }) // 字段自增 db.users.updateOne({ name: 张三 }, { $inc: { age: 1 } }) // 数组追加元素 db.users.updateOne({ name: 张三 }, { $push: { tags: 运动 } }) // 数组去重追加 db.users.updateOne({ name: 张三 }, { $addToSet: { tags: 运动 } }) // 删除数组中的指定元素 db.users.updateOne({ name: 张三 }, { $pull: { tags: 运动 } }) // 删除字段 db.users.updateOne({ name: 张三 }, { $unset: { email: } })$addToSet和$push的区别值得强调$push是无条件追加哪怕元素已经存在也会再加一个$addToSet会先检查只有不存在时才添加。做标签系统的时候用$addToSet能天然避免重复省去了先查再判断的麻烦。还有一个upsert参数表示如果不存在就插入。这个在配置类数据、计数器场景下特别好用。// 如果找到匹配文档就更新找不到就插入一条新文档 db.counters.updateOne( { _id: page_views }, { $inc: { count: 1 } }, { upsert: true } )上面这个例子实现了一个页面访问计数器每次调用都会把count加 1如果计数器不存在就自动创建。这种写法比先查再插或更新要高效得多而且天然是原子操作不会出现并发问题。3.4 删除操作的谨慎使用删除命令有deleteOne和deleteMany还有一个remove是旧版写法。删除操作不可逆执行前一定要确认条件是否正确。// 删除单条 db.users.deleteOne({ name: 张三 }) // 删除多条 db.users.deleteMany({ age: { $lt: 18 } }) // 删除集合内所有文档保留集合本身和索引 db.users.deleteMany({}) // 删除集合连同索引一起删除 db.users.drop()deleteMany({})和drop()的区别很多人搞不清楚。前者只删数据集合的索引、分片配置都还在后者把整个集合连根拔起索引也没了。如果你只是想清空数据但保留表结构用deleteMany({})如果确定这个集合不要了用drop()更快因为它不需要逐条删除。注意在生产环境执行删除操作前先用同样的条件跑一次find确认查出来的文档就是你想删的。这个习惯帮我避免了好几次误删事故。另外deleteMany如果条件写错了比如{}写成了{ status: null }可能会删掉大量不该删的数据所以条件一定要反复确认。4. 索引管理与查询性能优化4.1 索引的创建与查看索引是 MongoDB 性能优化的第一手段没有之一。一个没有索引的查询在数据量大了之后就是灾难。创建索引的命令很简单但索引的设计才是真正考验功力的地方。// 创建单字段升序索引 db.users.createIndex({ name: 1 }) // 创建单字段降序索引 db.users.createIndex({ createdAt: -1 }) // 创建复合索引 db.users.createIndex({ age: 1, name: -1 }) // 创建唯一索引 db.users.createIndex({ email: 1 }, { unique: true }) // 创建稀疏索引只索引存在该字段的文档 db.users.createIndex({ phone: 1 }, { sparse: true }) // 创建 TTL 索引文档在指定时间后自动过期删除 db.sessions.createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 }) // 查看集合所有索引 db.users.getIndexes() // 查看索引大小 db.users.stats().indexSizes // 删除指定索引 db.users.dropIndex(name_1) // 删除除 _id 外的所有索引 db.users.dropIndexes()复合索引的字段顺序非常关键它遵循最左前缀原则。比如你建了{ age: 1, name: -1 }这个索引那么{ age: 1 }的查询能用上索引但{ name: -1 }的查询用不上。所以设计复合索引时要把最常用于筛选的字段放在前面。TTL 索引是个很实用的特性特别适合会话管理、临时验证码、日志清理这些场景。设置expireAfterSeconds后MongoDB 会有一个后台线程定期扫描并删除过期文档。注意这个删除不是精确到秒的通常有几十秒的延迟所以对时效性要求极高的场景要留出余量。4.2 用 explain 分析查询执行计划光建索引还不够你得知道查询到底有没有用上索引。explain命令就是干这个的。// 查看查询执行计划 db.users.find({ age: { $gt: 25 } }).explain(executionStats)执行结果里重点看几个字段字段含义关注点stage查询阶段COLLSCAN是全表扫描IXSCAN是索引扫描totalDocsExamined扫描的文档总数越接近返回条数越好totalKeysExamined扫描的索引键总数越小越好executionTimeMillis执行耗时毫秒结合数据量判断nReturned返回的文档数与扫描数对比如果stage显示COLLSCAN说明没走索引数据量大了就会很慢。如果totalDocsExamined远大于nReturned说明索引选择性不好或者查询条件没有充分利用索引。实操心得我一般会对比totalDocsExamined和nReturned的比值如果超过 10:1就说明索引效率有问题需要优化。理想情况下这个比值应该接近 1:1也就是扫描多少就返回多少。4.3 索引使用的常见误区索引不是越多越好每个索引都会占用存储空间而且会拖慢写入速度因为每次插入、更新、删除都要维护所有相关索引。我见过一个集合建了十几个索引写入性能惨不忍睹。几个常见的索引误区给低选择性字段建索引比如性别字段只有男/女两个值建了索引还不如不建因为扫描索引的开销可能比直接全表扫描还大。复合索引字段顺序随意前面说过的最左前缀原则顺序错了索引就废了。忽略索引覆盖如果查询只需要返回索引里包含的字段MongoDB 可以直接从索引返回结果不用回表查文档这叫覆盖查询。比如建了{ name: 1, age: 1 }索引查询db.users.find({ name: 张三 }, { name: 1, age: 1, _id: 0 })就能走覆盖查询。在数组字段上建复合索引数组字段的索引是多键索引一个文档会在索引里出现多次复合索引里如果有多个数组字段会导致索引条目爆炸式增长。5. 聚合管道与数据处理实战5.1 聚合管道的基本概念聚合管道是 MongoDB 最强大的数据处理工具它把一系列处理阶段串联起来每个阶段的输出作为下一个阶段的输入像流水线一样处理数据。理解聚合管道关键是把每个阶段想象成一个加工车间数据从一头进去经过一道道工序从另一头出来就是成品。db.orders.aggregate([ { $match: { status: completed } }, { $group: { _id: $userId, total: { $sum: $amount } } }, { $sort: { total: -1 } }, { $limit: 10 } ])上面这个例子做了四件事先筛选出已完成的订单然后按用户分组求和再按总金额降序排列最后取前 10 名。如果用传统 SQL 写大概是SELECT userId, SUM(amount) FROM orders WHERE status completed GROUP BY userId ORDER BY SUM(amount) DESC LIMIT 10。对比一下能看出来聚合管道的写法更直观数据流向一目了然。5.2 常用聚合阶段详解$match和$group是最常用的两个阶段。$match尽量放在管道最前面因为它能减少后续阶段处理的数据量而且如果$match用到了索引还能直接利用索引加速。// $group 常用累加器 db.sales.aggregate([ { $group: { _id: $productId, totalSales: { $sum: $amount }, // 求和 avgPrice: { $avg: $price }, // 平均值 maxPrice: { $max: $price }, // 最大值 minPrice: { $min: $price }, // 最小值 count: { $sum: 1 }, // 计数 firstSale: { $first: $date }, // 分组内第一条 lastSale: { $last: $date } // 分组内最后一条 } } ])$project用于控制输出字段可以重命名字段、计算新字段、排除字段。db.users.aggregate([ { $project: { _id: 0, fullName: { $concat: [$firstName, , $lastName] }, ageGroup: { $cond: { if: { $lt: [$age, 30] }, then: 青年, else: 中年 } }, email: 1 } } ])$unwind用于展开数组把一条包含数组的文档拆成多条文档每条包含数组中的一个元素。这个阶段在处理标签、评论、订单明细这类嵌套数据时特别有用。// 原文档{ _id: 1, tags: [A, B, C] } db.articles.aggregate([ { $unwind: $tags } ]) // 结果{ _id: 1, tags: A }, { _id: 1, tags: B }, { _id: 1, tags: C }$lookup实现类似 SQL 的左连接可以在一个集合里关联查询另一个集合的数据。db.orders.aggregate([ { $lookup: { from: users, localField: userId, foreignField: _id, as: userInfo } }, { $unwind: $userInfo }, { $project: { userInfo.name: 1, amount: 1 } } ])注意$lookup虽然方便但性能开销比较大尤其是关联的集合数据量很大时。如果频繁使用$lookup可能说明数据模型设计有问题需要考虑是否应该把关联数据内嵌到主文档里。MongoDB 的设计哲学是文档内嵌优先关联查询次之这一点和关系型数据库的思维很不一样。5.3 聚合性能优化技巧聚合管道的性能优化有几个原则第一$match和$limit尽量往前放。$match放前面能减少数据量$limit放前面能减少后续处理。但要注意如果$limit放在$sort前面结果可能不是你想要的因为排序还没做就截断了。第二$group之前尽量先用$match过滤。$group需要把所有数据加载到内存里做分组数据量大了会触发内存限制。MongoDB 默认的聚合内存限制是 100MB超过会报错。如果确实需要处理大量数据可以开启allowDiskUse选项让 MongoDB 把中间结果写到磁盘上。db.orders.aggregate([ { $match: { status: completed } }, { $group: { _id: $userId, total: { $sum: $amount } } } ], { allowDiskUse: true })第三善用索引。$match、$sort这些阶段如果能用上索引性能会有数量级的提升。可以用explain查看聚合的执行计划确认是否走了索引。6. 数据库状态监控与问题排查6.1 查看数据库和集合状态日常运维中经常需要查看数据库的运行状态比如数据大小、索引大小、连接数等。// 查看数据库统计信息 db.stats() // 查看集合统计信息 db.users.stats() // 查看集合的存储大小 db.users.dataSize() // 查看当前数据库的连接数 db.serverStatus().connections // 查看当前正在执行的操作 db.currentOp() // 查看慢查询日志 db.getProfilingStatus()db.stats()返回的信息很丰富包括集合数量、文档总数、数据大小、存储大小、索引数量等。其中dataSize是数据本身的逻辑大小storageSize是实际占用的磁盘空间后者通常比前者大因为 MongoDB 会预留一些空间。indexSize是索引占用的空间如果这个值很大说明索引建多了需要考虑精简。6.2 慢查询分析与优化MongoDB 有一个 profiling 功能可以记录执行时间超过指定阈值的操作。默认情况下 profiling 是关闭的需要手动开启。// 开启 profiling记录超过 100ms 的操作 db.setProfilingLevel(1, { slowms: 100 }) // 查看 profiling 状态 db.getProfilingStatus() // 查看最近的慢查询 db.system.profile.find().sort({ ts: -1 }).limit(10) // 关闭 profiling db.setProfilingLevel(0)profiling 级别有三个0 表示关闭1 表示只记录慢操作2 表示记录所有操作。生产环境一般用级别 1阈值设 100ms 到 200ms 之间。级别 2 会记录所有操作对性能有影响只在排查特定问题时临时开启。查看慢查询日志时重点看millis执行耗时、planSummary执行计划、docsExamined扫描文档数、nreturned返回文档数这几个字段。如果docsExamined远大于nreturned说明索引效率低如果planSummary是COLLSCAN说明没走索引。6.3 常见故障与排查思路问题一连接数满了报错信息通常是too many connections。先用db.serverStatus().connections查看当前连接数和最大连接数。如果确实满了要么调大最大连接数通过启动参数maxIncomingConnections要么排查是不是有连接泄漏。连接泄漏常见于应用程序没有正确关闭连接或者连接池配置过大。问题二查询突然变慢先看是不是数据量增长了导致全表扫描变慢用explain确认执行计划。如果之前走索引现在不走了可能是索引被删了或者查询条件变了导致索引失效。还有一种可能是锁竞争用db.currentOp()查看是否有长时间运行的操作阻塞了其他查询。问题三磁盘空间不足用db.stats()查看数据大小和索引大小判断是数据本身占满了还是索引占满了。如果是索引占满了考虑删除不必要的索引。如果是数据占满了考虑归档历史数据或者分片。另外MongoDB 删除数据后不会立即释放磁盘空间需要执行db.runCommand({ compact: 集合名 })来整理碎片但这个操作会阻塞其他操作要在业务低峰期执行。问题四副本集同步延迟用rs.status()查看副本集状态重点关注optimeDate和lastHeartbeat字段。如果从节点落后主节点太多可能是网络问题也可能是从节点性能不足。还有一种常见原因是主节点写入量太大从节点来不及同步这时候需要考虑增加从节点或者优化写入。7. 数据导入导出与备份恢复7.1 使用 mongoimport 和 mongoexportmongoimport和mongoexport是处理 JSON、CSV 数据的利器适合小规模数据迁移和备份。# 导出集合为 JSON 文件 mongoexport --dbmyapp --collectionusers --outusers.json # 导出为 CSV 格式 mongoexport --dbmyapp --collectionusers --typecsv --fieldsname,age,email --outusers.csv # 导入 JSON 文件 mongoimport --dbmyapp --collectionusers --fileusers.json # 导入 CSV 文件 mongoimport --dbmyapp --collectionusers --typecsv --headerline --fileusers.csv # 带认证的导出 mongoexport --urimongodb://admin:password192.168.1.100:27017/myapp --collectionusers --outusers.json--headerline参数表示 CSV 文件的第一行是字段名导入时会自动用这些字段名。如果不加这个参数MongoDB 会用field1、field2这样的默认名导入后还得手动改很麻烦。注意mongoexport导出的是文本格式对于二进制数据比如图片、文件支持不好而且导出过程中如果数据有变化可能导出的不是一致性快照。生产环境的大规模备份应该用mongodump。7.2 使用 mongodump 和 mongorestoremongodump和mongorestore是 MongoDB 官方的备份恢复工具导出的是 BSON 格式保留了数据类型和索引信息适合完整的数据库备份。# 备份整个数据库 mongodump --dbmyapp --out/backup/ # 备份指定集合 mongodump --dbmyapp --collectionusers --out/backup/ # 备份所有数据库 mongodump --out/backup/ # 恢复数据库 mongorestore --dbmyapp /backup/myapp/ # 恢复时删除原有数据 mongorestore --dbmyapp --drop /backup/myapp/ # 从归档文件恢复 mongorestore --archive/backup/myapp.archive --gzip--drop参数表示恢复前先删除现有集合确保恢复后的数据和备份完全一致。如果不加这个参数恢复操作是合并模式已有的文档会被覆盖但备份里没有的文档会保留可能导致数据不一致。--gzip参数可以在备份时压缩大幅减少磁盘占用。对于文本数据为主的集合压缩率通常能达到 70% 以上。备份命令加上--gzip恢复时也要加否则会报格式错误。7.3 备份策略与注意事项备份不是简单地跑个mongodump就完事了有几个关键点需要考虑备份频率根据数据重要性和变化频率决定。核心业务数据建议每天至少一次全量备份加上实时的增量备份通过 oplog。非核心数据可以降低频率。备份保留一般保留最近 7 天的每日备份加上最近 4 周的每周备份加上最近 12 个月的每月备份。这个策略能覆盖大多数误删、数据损坏的场景。备份验证备份完一定要验证最直接的方法是在测试环境恢复一次确认数据完整可用。我见过太多备份成功但恢复失败的案例问题往往出在备份文件损坏或者版本不兼容。备份存储不要和数据库放在同一台机器上否则机器挂了备份也没了。建议放到独立的存储设备或者对象存储里。实操心得mongodump在备份过程中会对数据库产生一定压力尤其是数据量大的时候。建议在业务低峰期执行并且加上--numParallelCollections参数控制并行度避免把数据库压垮。另外如果数据库开启了认证备份命令也要带上认证信息否则会连接失败。8. 命令行效率提升技巧8.1 自定义函数与脚本加载mongosh支持 JavaScript你可以定义自己的函数来简化重复操作。比如经常需要按某个条件统计文档数可以定义一个辅助函数。// 定义快捷查询函数 function findByName(name) { return db.users.find({ name: name }).toArray() } // 定义分页查询函数 function paginate(collection, query, page, pageSize) { return db[collection] .find(query) .skip((page - 1) * pageSize) .limit(pageSize) .toArray() } // 使用 findByName(张三) paginate(users, { age: { $gt: 25 } }, 1, 10)如果函数比较多可以写到一个.js文件里然后用load()加载。// 加载外部脚本 load(/path/to/my_helpers.js)这个技巧在写复杂的数据处理脚本时特别有用你可以把常用的查询、统计、数据转换逻辑封装成函数需要的时候直接调用不用每次都敲一遍。8.2 批量操作与循环处理命令行里可以直接写循环批量处理数据。// 批量更新给所有年龄大于 30 的用户加标签 db.users.find({ age: { $gt: 30 } }).forEach(function(user) { db.users.updateOne( { _id: user._id }, { $addToSet: { tags: 资深 } } ) }) // 批量删除删除 30 天前的日志 var cutoff new Date(Date.now() - 30 * 24 * 60 * 60 * 1000) db.logs.deleteMany({ createdAt: { $lt: cutoff } }) // 分批处理大量数据 var batchSize 1000 var processed 0 var cursor db.largeCollection.find({ status: pending }) while (cursor.hasNext()) { var doc cursor.next() // 处理逻辑 db.largeCollection.updateOne( { _id: doc._id }, { $set: { status: processed } } ) processed if (processed % batchSize 0) { print(已处理 processed 条) } } print(处理完成共 processed 条)用forEach遍历游标时要注意如果数据量很大游标可能会超时。MongoDB 默认的游标超时时间是 10 分钟如果处理时间超过这个限制游标会被自动关闭。解决办法是设置noCursorTimeout选项或者分批处理。// 设置游标不超时 db.largeCollection.find({ status: pending }, { noCursorTimeout: true })注意noCursorTimeout要谨慎使用如果程序异常退出游标没有正确关闭会一直占用服务器资源。建议配合try-finally确保游标最终被关闭。8.3 输出格式化与结果处理命令行默认的输出格式有时候不够直观可以用pretty()让结果更易读。// 格式化输出 db.users.find().pretty() // 只返回指定字段 db.users.find({}, { name: 1, age: 1, _id: 0 }) // 统计数量 db.users.countDocuments({ age: { $gt: 25 } }) // 去重统计 db.users.distinct(age) // 结果排序 db.users.find().sort({ age: -1 }).limit(5) // 结果转为数组 var arr db.users.find().toArray() printjson(arr)countDocuments和estimatedDocumentCount的区别也值得说一下。countDocuments会精确统计但需要扫描数据慢estimatedDocumentCount直接读集合的元数据快但不精确。如果只是想知道大概数量用后者如果需要精确值用前者。9. 权限管理与安全操作9.1 用户与角色管理MongoDB 的用户是跟着数据库走的创建用户时要在目标数据库下操作。// 切换到 admin 库 use admin // 创建管理员用户 db.createUser({ user: admin, pwd: securePassword123, roles: [ { role: userAdminAnyDatabase, db: admin }, { role: readWriteAnyDatabase, db: admin } ] }) // 在业务库创建只读用户 use myapp db.createUser({ user: readonly, pwd: readonlyPass456, roles: [ { role: read, db: myapp } ] }) // 查看所有用户 db.system.users.find() // 修改用户密码 db.changeUserPassword(readonly, newPassword789) // 删除用户 db.dropUser(readonly) // 给用户添加角色 db.grantRolesToUser(readonly, [{ role: readWrite, db: myapp }]) // 撤销用户角色 db.revokeRolesFromUser(readonly, [{ role: readWrite, db: myapp }])MongoDB 内置了很多角色常用的有read只读、readWrite读写、dbAdmin数据库管理、userAdmin用户管理、clusterAdmin集群管理。生产环境要遵循最小权限原则应用程序连接数据库的账号只给必要的权限不要图省事直接用 admin 账号。9.2 安全配置检查清单除了用户权限还有几个安全相关的配置需要检查开启认证启动参数加上--auth或者在配置文件里设置security.authorization: enabled。没有开启认证的 MongoDB 实例任何人都能连接和操作极其危险。绑定 IP默认 MongoDB 只监听 127.0.0.1如果改成 0.0.0.0 监听所有网卡一定要配合防火墙规则只允许可信 IP 访问。禁用 HTTP 接口旧版本 MongoDB 有一个 HTTP 状态接口默认在 28017 端口会暴露一些数据库信息建议禁用。定期审计定期检查用户列表和权限分配删除不再使用的账号收回多余的权限。实操心得我见过不少项目在开发阶段为了方便直接裸奔不加认证上线时忘了加结果被扫描到导致数据泄露。建议从项目第一天就开启认证开发环境也不例外养成习惯就不会忘。10. 个人实操体会与建议说了这么多命令和技巧最后分享几点我在实际工作中总结出来的体会。第一命令行的熟练度直接决定排查问题的速度。线上出问题的时候往往没有时间让你慢慢查文档能不能快速敲出正确的命令决定了故障恢复的时间。建议把常用的命令整理成自己的速查表定期复习。第二理解原理比记住命令更重要。MongoDB 的命令很多但核心概念就那么几个文档模型、索引、聚合管道、副本集、分片。理解了这些概念遇到新命令也能快速推断出用法。第三生产环境的操作要谨慎再谨慎。删除、更新、修改索引这些操作执行前一定要确认条件最好先在测试环境验证。我个人的习惯是任何可能影响多行数据的操作都先用find跑一遍确认结果然后再执行。第四善用explain和 profiling。这两个工具能帮你发现绝大多数性能问题。不要等到用户投诉了才去查平时就养成定期检查慢查询的习惯。第五备份是最后的底线。不管你的技术多好总有出错的时候备份是唯一能让你在出错后还有退路的东西。备份策略要根据业务重要性来定但无论如何一定要有备份而且要定期验证备份可用。这些经验都是踩坑踩出来的希望能帮你少走一些弯路。MongoDB 的命令行工具功能远不止我上面写的这些还有很多高级特性比如变更流、事务、分片管理等等等你有了一定基础之后可以继续深入。
1. 为什么命令行才是 MongoDB 的真正主战场很多人第一次接触 MongoDB 都是从图形化工具开始的点几下鼠标就能建库建表、插入数据看起来确实方便。但真到了生产环境尤其是需要批量处理数据、排查线上问题、写自动化脚本的时候图形界面反而成了累赘。我见过太多人本地开发用图形工具玩得飞起一上服务器就懵了因为服务器上根本没有图形界面只有黑乎乎的命令行。MongoDB 的命令行工具mongosh旧版本叫mongo才是真正贯穿开发、测试、运维全流程的核心武器。它不只是一个连接数据库的客户端更是一个完整的 JavaScript 运行环境你可以直接在里面对数据库做任何操作还能写循环、定义函数、加载外部脚本。这篇文章就是把我这些年用 MongoDB 命令行踩过的坑、总结出来的高频操作、以及那些文档里不会明说的细节一次性讲清楚。不管你是刚接触 MongoDB 的新手还是已经用了一段时间但总觉得命令行不够顺手的老手下面这些内容都能让你直接抄作业。我会从最基础的连接开始一路讲到聚合管道、索引管理、性能排查这些进阶操作每个命令都配上实际场景和参数解释保证你看完就能用。2. 连接与基础环境操作2.1 连接数据库的几种姿势连接 MongoDB 的命令行客户端最基础的写法是直接输入mongosh它会默认连接到本地的mongodb://127.0.0.1:27017。但实际工作中你面对的往往是远程服务器、副本集或者带认证的实例这时候就需要指定完整的连接字符串。# 连接本地默认实例 mongosh # 连接指定主机和端口 mongosh mongodb://192.168.1.100:27017 # 带用户名密码认证的连接 mongosh mongodb://admin:password123192.168.1.100:27017/admin # 连接副本集指定副本集名称 mongosh mongodb://192.168.1.100:27017,192.168.1.101:27017/mydb?replicaSetrs0这里有个细节很多人会搞混认证数据库和业务数据库是两回事。上面第三个例子里/admin表示用 admin 库里的用户做认证但认证成功后你默认进入的还是 admin 库。如果你想直接进入业务库需要在连接字符串里把业务库名字写在认证信息后面或者连上之后手动use切换。注意密码里如果包含、:、/这些特殊字符必须做 URL 编码否则连接字符串会被解析错。比如密码是pss:word要写成p%40ss%3Aword。这个坑我在实际项目里见过好几次排查半天才发现是密码编码问题。连接成功之后你会看到一个test或者的提示符说明已经进入了交互式命令行环境。这个环境支持 JavaScript 语法你可以按上下箭头翻历史命令按 Tab 键自动补全体验和普通 shell 差不多。2.2 数据库与集合的日常操作进入命令行后第一件事通常是看看当前有哪些数据库然后切换到目标库。这些操作看似简单但有几个容易忽略的点。// 查看所有数据库 show dbs // 切换到指定数据库不存在则创建 use myapp // 查看当前所在数据库 db // 查看当前库下所有集合 show collections // 删除当前数据库 db.dropDatabase() // 删除指定集合 db.users.drop()show dbs只会列出有数据的数据库如果你刚use了一个新库但还没插入任何数据它是不会出现在列表里的。这是新手经常困惑的地方以为自己的库没建成功其实只是空的库不显示而已。创建集合有两种方式一种是直接往一个不存在的集合里插入数据MongoDB 会自动创建另一种是用db.createCollection()显式创建这种方式可以指定一些参数比如是否是固定集合、最大大小等。// 隐式创建插入数据时自动建集合 db.articles.insertOne({ title: 测试文章, createdAt: new Date() }) // 显式创建指定为固定集合最大 10MB最多 5000 条文档 db.createCollection(logs, { capped: true, size: 10485760, max: 5000 })固定集合capped collection这个特性值得单独说一下。它的特点是写入速度极快而且当空间满了之后会自动覆盖最老的文档非常适合做日志、监控数据这类只需要保留最近一段时间的场景。但它的缺点也很明显文档不能删除不能修改大小更新操作也受限。所以用之前要想清楚数据模型是否匹配。3. 文档增删改查的核心命令3.1 插入数据的三种方式与选择MongoDB 插入文档有三个命令insertOne、insertMany和insert。前两个是推荐用法语义清晰insert是旧版兼容写法可以插一条也可以插多条但不推荐在新项目里用。// 插入单条文档 db.users.insertOne({ name: 张三, age: 28, email: zhangsanexample.com, tags: [技术, 阅读], createdAt: new Date() }) // 批量插入多条文档 db.users.insertMany([ { name: 李四, age: 32, email: lisiexample.com }, { name: 王五, age: 25, email: wangwuexample.com }, { name: 赵六, age: 40, email: zhaoliuexample.com } ])批量插入的时候有个参数叫ordered默认是true表示按顺序插入一旦中间某条出错后面的就全部停止。如果你希望即使有失败的也继续插入剩下的可以设置ordered: false。db.users.insertMany( [ { _id: 1, name: A }, { _id: 1, name: B }, // _id 重复会报错 { _id: 2, name: C } ], { ordered: false } )上面这个例子如果ordered: true只有第一条会插入成功如果ordered: false第一条和第三条都会插入成功第二条报错但不影响其他。这个细节在做数据迁移或者批量导入的时候特别有用能避免因为个别脏数据导致整个批次失败。实操心得批量插入的数据量很大时比如几万条不要一次性全塞进insertMany内存会爆。建议分批每批 1000 到 5000 条用循环处理。我一般用 2000 条一批兼顾效率和内存占用。3.2 查询条件的写法与组合技巧查询是日常用得最多的操作find命令的基本用法很简单但条件组合的写法有很多门道。// 查询所有文档 db.users.find() // 等值查询 db.users.find({ name: 张三 }) // 多条件 AND db.users.find({ name: 张三, age: 28 }) // 条件查询年龄大于 25 db.users.find({ age: { $gt: 25 } }) // 条件查询年龄在 25 到 35 之间 db.users.find({ age: { $gte: 25, $lte: 35 } }) // 包含查询tags 数组里包含技术 db.users.find({ tags: 技术 }) // 数组内多条件tags 同时包含技术和阅读 db.users.find({ tags: { $all: [技术, 阅读] } }) // 或查询 db.users.find({ $or: [{ age: { $lt: 25 } }, { age: { $gt: 35 } }] }) // 字段存在性查询 db.users.find({ email: { $exists: true } }) // 正则查询名字以张开头 db.users.find({ name: /^张/ })这里重点说一下数组查询。MongoDB 对数组的支持非常自然{ tags: 技术 }这种写法会自动匹配数组中包含该元素的文档不需要特殊的操作符。但如果要匹配数组中的多个元素就必须用$all。还有一个容易混淆的是$elemMatch它用于匹配数组中满足多个条件的同一个元素。// 假设有文档{ scores: [{ subject: 数学, score: 90 }, { subject: 语文, score: 85 }] } // 错误写法会匹配到数学 90 或语文 85 的文档但不要求是同一个元素 db.students.find({ scores.subject: 数学, scores.score: { $gt: 88 } }) // 正确写法要求同一个元素同时满足两个条件 db.students.find({ scores: { $elemMatch: { subject: 数学, score: { $gt: 88 } } } })这个区别在实际业务里非常关键。比如你要查数学成绩大于 88 分的学生如果用第一种写法可能会把数学 80 分但语文 90 分的学生也查出来因为两个条件分别匹配了不同的数组元素。这种 bug 很隐蔽测试的时候数据少不容易发现上线后数据量大了才暴露出来。3.3 更新操作的原子性与操作符更新文档用updateOne、updateMany和replaceOne。新手最容易犯的错误是直接传一个对象进去结果把整个文档替换掉了而不是只更新指定字段。// 错误示范会把文档替换成只有 name 字段 db.users.updateOne({ name: 张三 }, { name: 张三丰 }) // 正确写法用 $set 只更新指定字段 db.users.updateOne({ name: 张三 }, { $set: { name: 张三丰 } }) // 更新多条 db.users.updateMany({ age: { $lt: 30 } }, { $set: { status: 青年 } }) // 字段自增 db.users.updateOne({ name: 张三 }, { $inc: { age: 1 } }) // 数组追加元素 db.users.updateOne({ name: 张三 }, { $push: { tags: 运动 } }) // 数组去重追加 db.users.updateOne({ name: 张三 }, { $addToSet: { tags: 运动 } }) // 删除数组中的指定元素 db.users.updateOne({ name: 张三 }, { $pull: { tags: 运动 } }) // 删除字段 db.users.updateOne({ name: 张三 }, { $unset: { email: } })$addToSet和$push的区别值得强调$push是无条件追加哪怕元素已经存在也会再加一个$addToSet会先检查只有不存在时才添加。做标签系统的时候用$addToSet能天然避免重复省去了先查再判断的麻烦。还有一个upsert参数表示如果不存在就插入。这个在配置类数据、计数器场景下特别好用。// 如果找到匹配文档就更新找不到就插入一条新文档 db.counters.updateOne( { _id: page_views }, { $inc: { count: 1 } }, { upsert: true } )上面这个例子实现了一个页面访问计数器每次调用都会把count加 1如果计数器不存在就自动创建。这种写法比先查再插或更新要高效得多而且天然是原子操作不会出现并发问题。3.4 删除操作的谨慎使用删除命令有deleteOne和deleteMany还有一个remove是旧版写法。删除操作不可逆执行前一定要确认条件是否正确。// 删除单条 db.users.deleteOne({ name: 张三 }) // 删除多条 db.users.deleteMany({ age: { $lt: 18 } }) // 删除集合内所有文档保留集合本身和索引 db.users.deleteMany({}) // 删除集合连同索引一起删除 db.users.drop()deleteMany({})和drop()的区别很多人搞不清楚。前者只删数据集合的索引、分片配置都还在后者把整个集合连根拔起索引也没了。如果你只是想清空数据但保留表结构用deleteMany({})如果确定这个集合不要了用drop()更快因为它不需要逐条删除。注意在生产环境执行删除操作前先用同样的条件跑一次find确认查出来的文档就是你想删的。这个习惯帮我避免了好几次误删事故。另外deleteMany如果条件写错了比如{}写成了{ status: null }可能会删掉大量不该删的数据所以条件一定要反复确认。4. 索引管理与查询性能优化4.1 索引的创建与查看索引是 MongoDB 性能优化的第一手段没有之一。一个没有索引的查询在数据量大了之后就是灾难。创建索引的命令很简单但索引的设计才是真正考验功力的地方。// 创建单字段升序索引 db.users.createIndex({ name: 1 }) // 创建单字段降序索引 db.users.createIndex({ createdAt: -1 }) // 创建复合索引 db.users.createIndex({ age: 1, name: -1 }) // 创建唯一索引 db.users.createIndex({ email: 1 }, { unique: true }) // 创建稀疏索引只索引存在该字段的文档 db.users.createIndex({ phone: 1 }, { sparse: true }) // 创建 TTL 索引文档在指定时间后自动过期删除 db.sessions.createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 }) // 查看集合所有索引 db.users.getIndexes() // 查看索引大小 db.users.stats().indexSizes // 删除指定索引 db.users.dropIndex(name_1) // 删除除 _id 外的所有索引 db.users.dropIndexes()复合索引的字段顺序非常关键它遵循最左前缀原则。比如你建了{ age: 1, name: -1 }这个索引那么{ age: 1 }的查询能用上索引但{ name: -1 }的查询用不上。所以设计复合索引时要把最常用于筛选的字段放在前面。TTL 索引是个很实用的特性特别适合会话管理、临时验证码、日志清理这些场景。设置expireAfterSeconds后MongoDB 会有一个后台线程定期扫描并删除过期文档。注意这个删除不是精确到秒的通常有几十秒的延迟所以对时效性要求极高的场景要留出余量。4.2 用 explain 分析查询执行计划光建索引还不够你得知道查询到底有没有用上索引。explain命令就是干这个的。// 查看查询执行计划 db.users.find({ age: { $gt: 25 } }).explain(executionStats)执行结果里重点看几个字段字段含义关注点stage查询阶段COLLSCAN是全表扫描IXSCAN是索引扫描totalDocsExamined扫描的文档总数越接近返回条数越好totalKeysExamined扫描的索引键总数越小越好executionTimeMillis执行耗时毫秒结合数据量判断nReturned返回的文档数与扫描数对比如果stage显示COLLSCAN说明没走索引数据量大了就会很慢。如果totalDocsExamined远大于nReturned说明索引选择性不好或者查询条件没有充分利用索引。实操心得我一般会对比totalDocsExamined和nReturned的比值如果超过 10:1就说明索引效率有问题需要优化。理想情况下这个比值应该接近 1:1也就是扫描多少就返回多少。4.3 索引使用的常见误区索引不是越多越好每个索引都会占用存储空间而且会拖慢写入速度因为每次插入、更新、删除都要维护所有相关索引。我见过一个集合建了十几个索引写入性能惨不忍睹。几个常见的索引误区给低选择性字段建索引比如性别字段只有男/女两个值建了索引还不如不建因为扫描索引的开销可能比直接全表扫描还大。复合索引字段顺序随意前面说过的最左前缀原则顺序错了索引就废了。忽略索引覆盖如果查询只需要返回索引里包含的字段MongoDB 可以直接从索引返回结果不用回表查文档这叫覆盖查询。比如建了{ name: 1, age: 1 }索引查询db.users.find({ name: 张三 }, { name: 1, age: 1, _id: 0 })就能走覆盖查询。在数组字段上建复合索引数组字段的索引是多键索引一个文档会在索引里出现多次复合索引里如果有多个数组字段会导致索引条目爆炸式增长。5. 聚合管道与数据处理实战5.1 聚合管道的基本概念聚合管道是 MongoDB 最强大的数据处理工具它把一系列处理阶段串联起来每个阶段的输出作为下一个阶段的输入像流水线一样处理数据。理解聚合管道关键是把每个阶段想象成一个加工车间数据从一头进去经过一道道工序从另一头出来就是成品。db.orders.aggregate([ { $match: { status: completed } }, { $group: { _id: $userId, total: { $sum: $amount } } }, { $sort: { total: -1 } }, { $limit: 10 } ])上面这个例子做了四件事先筛选出已完成的订单然后按用户分组求和再按总金额降序排列最后取前 10 名。如果用传统 SQL 写大概是SELECT userId, SUM(amount) FROM orders WHERE status completed GROUP BY userId ORDER BY SUM(amount) DESC LIMIT 10。对比一下能看出来聚合管道的写法更直观数据流向一目了然。5.2 常用聚合阶段详解$match和$group是最常用的两个阶段。$match尽量放在管道最前面因为它能减少后续阶段处理的数据量而且如果$match用到了索引还能直接利用索引加速。// $group 常用累加器 db.sales.aggregate([ { $group: { _id: $productId, totalSales: { $sum: $amount }, // 求和 avgPrice: { $avg: $price }, // 平均值 maxPrice: { $max: $price }, // 最大值 minPrice: { $min: $price }, // 最小值 count: { $sum: 1 }, // 计数 firstSale: { $first: $date }, // 分组内第一条 lastSale: { $last: $date } // 分组内最后一条 } } ])$project用于控制输出字段可以重命名字段、计算新字段、排除字段。db.users.aggregate([ { $project: { _id: 0, fullName: { $concat: [$firstName, , $lastName] }, ageGroup: { $cond: { if: { $lt: [$age, 30] }, then: 青年, else: 中年 } }, email: 1 } } ])$unwind用于展开数组把一条包含数组的文档拆成多条文档每条包含数组中的一个元素。这个阶段在处理标签、评论、订单明细这类嵌套数据时特别有用。// 原文档{ _id: 1, tags: [A, B, C] } db.articles.aggregate([ { $unwind: $tags } ]) // 结果{ _id: 1, tags: A }, { _id: 1, tags: B }, { _id: 1, tags: C }$lookup实现类似 SQL 的左连接可以在一个集合里关联查询另一个集合的数据。db.orders.aggregate([ { $lookup: { from: users, localField: userId, foreignField: _id, as: userInfo } }, { $unwind: $userInfo }, { $project: { userInfo.name: 1, amount: 1 } } ])注意$lookup虽然方便但性能开销比较大尤其是关联的集合数据量很大时。如果频繁使用$lookup可能说明数据模型设计有问题需要考虑是否应该把关联数据内嵌到主文档里。MongoDB 的设计哲学是文档内嵌优先关联查询次之这一点和关系型数据库的思维很不一样。5.3 聚合性能优化技巧聚合管道的性能优化有几个原则第一$match和$limit尽量往前放。$match放前面能减少数据量$limit放前面能减少后续处理。但要注意如果$limit放在$sort前面结果可能不是你想要的因为排序还没做就截断了。第二$group之前尽量先用$match过滤。$group需要把所有数据加载到内存里做分组数据量大了会触发内存限制。MongoDB 默认的聚合内存限制是 100MB超过会报错。如果确实需要处理大量数据可以开启allowDiskUse选项让 MongoDB 把中间结果写到磁盘上。db.orders.aggregate([ { $match: { status: completed } }, { $group: { _id: $userId, total: { $sum: $amount } } } ], { allowDiskUse: true })第三善用索引。$match、$sort这些阶段如果能用上索引性能会有数量级的提升。可以用explain查看聚合的执行计划确认是否走了索引。6. 数据库状态监控与问题排查6.1 查看数据库和集合状态日常运维中经常需要查看数据库的运行状态比如数据大小、索引大小、连接数等。// 查看数据库统计信息 db.stats() // 查看集合统计信息 db.users.stats() // 查看集合的存储大小 db.users.dataSize() // 查看当前数据库的连接数 db.serverStatus().connections // 查看当前正在执行的操作 db.currentOp() // 查看慢查询日志 db.getProfilingStatus()db.stats()返回的信息很丰富包括集合数量、文档总数、数据大小、存储大小、索引数量等。其中dataSize是数据本身的逻辑大小storageSize是实际占用的磁盘空间后者通常比前者大因为 MongoDB 会预留一些空间。indexSize是索引占用的空间如果这个值很大说明索引建多了需要考虑精简。6.2 慢查询分析与优化MongoDB 有一个 profiling 功能可以记录执行时间超过指定阈值的操作。默认情况下 profiling 是关闭的需要手动开启。// 开启 profiling记录超过 100ms 的操作 db.setProfilingLevel(1, { slowms: 100 }) // 查看 profiling 状态 db.getProfilingStatus() // 查看最近的慢查询 db.system.profile.find().sort({ ts: -1 }).limit(10) // 关闭 profiling db.setProfilingLevel(0)profiling 级别有三个0 表示关闭1 表示只记录慢操作2 表示记录所有操作。生产环境一般用级别 1阈值设 100ms 到 200ms 之间。级别 2 会记录所有操作对性能有影响只在排查特定问题时临时开启。查看慢查询日志时重点看millis执行耗时、planSummary执行计划、docsExamined扫描文档数、nreturned返回文档数这几个字段。如果docsExamined远大于nreturned说明索引效率低如果planSummary是COLLSCAN说明没走索引。6.3 常见故障与排查思路问题一连接数满了报错信息通常是too many connections。先用db.serverStatus().connections查看当前连接数和最大连接数。如果确实满了要么调大最大连接数通过启动参数maxIncomingConnections要么排查是不是有连接泄漏。连接泄漏常见于应用程序没有正确关闭连接或者连接池配置过大。问题二查询突然变慢先看是不是数据量增长了导致全表扫描变慢用explain确认执行计划。如果之前走索引现在不走了可能是索引被删了或者查询条件变了导致索引失效。还有一种可能是锁竞争用db.currentOp()查看是否有长时间运行的操作阻塞了其他查询。问题三磁盘空间不足用db.stats()查看数据大小和索引大小判断是数据本身占满了还是索引占满了。如果是索引占满了考虑删除不必要的索引。如果是数据占满了考虑归档历史数据或者分片。另外MongoDB 删除数据后不会立即释放磁盘空间需要执行db.runCommand({ compact: 集合名 })来整理碎片但这个操作会阻塞其他操作要在业务低峰期执行。问题四副本集同步延迟用rs.status()查看副本集状态重点关注optimeDate和lastHeartbeat字段。如果从节点落后主节点太多可能是网络问题也可能是从节点性能不足。还有一种常见原因是主节点写入量太大从节点来不及同步这时候需要考虑增加从节点或者优化写入。7. 数据导入导出与备份恢复7.1 使用 mongoimport 和 mongoexportmongoimport和mongoexport是处理 JSON、CSV 数据的利器适合小规模数据迁移和备份。# 导出集合为 JSON 文件 mongoexport --dbmyapp --collectionusers --outusers.json # 导出为 CSV 格式 mongoexport --dbmyapp --collectionusers --typecsv --fieldsname,age,email --outusers.csv # 导入 JSON 文件 mongoimport --dbmyapp --collectionusers --fileusers.json # 导入 CSV 文件 mongoimport --dbmyapp --collectionusers --typecsv --headerline --fileusers.csv # 带认证的导出 mongoexport --urimongodb://admin:password192.168.1.100:27017/myapp --collectionusers --outusers.json--headerline参数表示 CSV 文件的第一行是字段名导入时会自动用这些字段名。如果不加这个参数MongoDB 会用field1、field2这样的默认名导入后还得手动改很麻烦。注意mongoexport导出的是文本格式对于二进制数据比如图片、文件支持不好而且导出过程中如果数据有变化可能导出的不是一致性快照。生产环境的大规模备份应该用mongodump。7.2 使用 mongodump 和 mongorestoremongodump和mongorestore是 MongoDB 官方的备份恢复工具导出的是 BSON 格式保留了数据类型和索引信息适合完整的数据库备份。# 备份整个数据库 mongodump --dbmyapp --out/backup/ # 备份指定集合 mongodump --dbmyapp --collectionusers --out/backup/ # 备份所有数据库 mongodump --out/backup/ # 恢复数据库 mongorestore --dbmyapp /backup/myapp/ # 恢复时删除原有数据 mongorestore --dbmyapp --drop /backup/myapp/ # 从归档文件恢复 mongorestore --archive/backup/myapp.archive --gzip--drop参数表示恢复前先删除现有集合确保恢复后的数据和备份完全一致。如果不加这个参数恢复操作是合并模式已有的文档会被覆盖但备份里没有的文档会保留可能导致数据不一致。--gzip参数可以在备份时压缩大幅减少磁盘占用。对于文本数据为主的集合压缩率通常能达到 70% 以上。备份命令加上--gzip恢复时也要加否则会报格式错误。7.3 备份策略与注意事项备份不是简单地跑个mongodump就完事了有几个关键点需要考虑备份频率根据数据重要性和变化频率决定。核心业务数据建议每天至少一次全量备份加上实时的增量备份通过 oplog。非核心数据可以降低频率。备份保留一般保留最近 7 天的每日备份加上最近 4 周的每周备份加上最近 12 个月的每月备份。这个策略能覆盖大多数误删、数据损坏的场景。备份验证备份完一定要验证最直接的方法是在测试环境恢复一次确认数据完整可用。我见过太多备份成功但恢复失败的案例问题往往出在备份文件损坏或者版本不兼容。备份存储不要和数据库放在同一台机器上否则机器挂了备份也没了。建议放到独立的存储设备或者对象存储里。实操心得mongodump在备份过程中会对数据库产生一定压力尤其是数据量大的时候。建议在业务低峰期执行并且加上--numParallelCollections参数控制并行度避免把数据库压垮。另外如果数据库开启了认证备份命令也要带上认证信息否则会连接失败。8. 命令行效率提升技巧8.1 自定义函数与脚本加载mongosh支持 JavaScript你可以定义自己的函数来简化重复操作。比如经常需要按某个条件统计文档数可以定义一个辅助函数。// 定义快捷查询函数 function findByName(name) { return db.users.find({ name: name }).toArray() } // 定义分页查询函数 function paginate(collection, query, page, pageSize) { return db[collection] .find(query) .skip((page - 1) * pageSize) .limit(pageSize) .toArray() } // 使用 findByName(张三) paginate(users, { age: { $gt: 25 } }, 1, 10)如果函数比较多可以写到一个.js文件里然后用load()加载。// 加载外部脚本 load(/path/to/my_helpers.js)这个技巧在写复杂的数据处理脚本时特别有用你可以把常用的查询、统计、数据转换逻辑封装成函数需要的时候直接调用不用每次都敲一遍。8.2 批量操作与循环处理命令行里可以直接写循环批量处理数据。// 批量更新给所有年龄大于 30 的用户加标签 db.users.find({ age: { $gt: 30 } }).forEach(function(user) { db.users.updateOne( { _id: user._id }, { $addToSet: { tags: 资深 } } ) }) // 批量删除删除 30 天前的日志 var cutoff new Date(Date.now() - 30 * 24 * 60 * 60 * 1000) db.logs.deleteMany({ createdAt: { $lt: cutoff } }) // 分批处理大量数据 var batchSize 1000 var processed 0 var cursor db.largeCollection.find({ status: pending }) while (cursor.hasNext()) { var doc cursor.next() // 处理逻辑 db.largeCollection.updateOne( { _id: doc._id }, { $set: { status: processed } } ) processed if (processed % batchSize 0) { print(已处理 processed 条) } } print(处理完成共 processed 条)用forEach遍历游标时要注意如果数据量很大游标可能会超时。MongoDB 默认的游标超时时间是 10 分钟如果处理时间超过这个限制游标会被自动关闭。解决办法是设置noCursorTimeout选项或者分批处理。// 设置游标不超时 db.largeCollection.find({ status: pending }, { noCursorTimeout: true })注意noCursorTimeout要谨慎使用如果程序异常退出游标没有正确关闭会一直占用服务器资源。建议配合try-finally确保游标最终被关闭。8.3 输出格式化与结果处理命令行默认的输出格式有时候不够直观可以用pretty()让结果更易读。// 格式化输出 db.users.find().pretty() // 只返回指定字段 db.users.find({}, { name: 1, age: 1, _id: 0 }) // 统计数量 db.users.countDocuments({ age: { $gt: 25 } }) // 去重统计 db.users.distinct(age) // 结果排序 db.users.find().sort({ age: -1 }).limit(5) // 结果转为数组 var arr db.users.find().toArray() printjson(arr)countDocuments和estimatedDocumentCount的区别也值得说一下。countDocuments会精确统计但需要扫描数据慢estimatedDocumentCount直接读集合的元数据快但不精确。如果只是想知道大概数量用后者如果需要精确值用前者。9. 权限管理与安全操作9.1 用户与角色管理MongoDB 的用户是跟着数据库走的创建用户时要在目标数据库下操作。// 切换到 admin 库 use admin // 创建管理员用户 db.createUser({ user: admin, pwd: securePassword123, roles: [ { role: userAdminAnyDatabase, db: admin }, { role: readWriteAnyDatabase, db: admin } ] }) // 在业务库创建只读用户 use myapp db.createUser({ user: readonly, pwd: readonlyPass456, roles: [ { role: read, db: myapp } ] }) // 查看所有用户 db.system.users.find() // 修改用户密码 db.changeUserPassword(readonly, newPassword789) // 删除用户 db.dropUser(readonly) // 给用户添加角色 db.grantRolesToUser(readonly, [{ role: readWrite, db: myapp }]) // 撤销用户角色 db.revokeRolesFromUser(readonly, [{ role: readWrite, db: myapp }])MongoDB 内置了很多角色常用的有read只读、readWrite读写、dbAdmin数据库管理、userAdmin用户管理、clusterAdmin集群管理。生产环境要遵循最小权限原则应用程序连接数据库的账号只给必要的权限不要图省事直接用 admin 账号。9.2 安全配置检查清单除了用户权限还有几个安全相关的配置需要检查开启认证启动参数加上--auth或者在配置文件里设置security.authorization: enabled。没有开启认证的 MongoDB 实例任何人都能连接和操作极其危险。绑定 IP默认 MongoDB 只监听 127.0.0.1如果改成 0.0.0.0 监听所有网卡一定要配合防火墙规则只允许可信 IP 访问。禁用 HTTP 接口旧版本 MongoDB 有一个 HTTP 状态接口默认在 28017 端口会暴露一些数据库信息建议禁用。定期审计定期检查用户列表和权限分配删除不再使用的账号收回多余的权限。实操心得我见过不少项目在开发阶段为了方便直接裸奔不加认证上线时忘了加结果被扫描到导致数据泄露。建议从项目第一天就开启认证开发环境也不例外养成习惯就不会忘。10. 个人实操体会与建议说了这么多命令和技巧最后分享几点我在实际工作中总结出来的体会。第一命令行的熟练度直接决定排查问题的速度。线上出问题的时候往往没有时间让你慢慢查文档能不能快速敲出正确的命令决定了故障恢复的时间。建议把常用的命令整理成自己的速查表定期复习。第二理解原理比记住命令更重要。MongoDB 的命令很多但核心概念就那么几个文档模型、索引、聚合管道、副本集、分片。理解了这些概念遇到新命令也能快速推断出用法。第三生产环境的操作要谨慎再谨慎。删除、更新、修改索引这些操作执行前一定要确认条件最好先在测试环境验证。我个人的习惯是任何可能影响多行数据的操作都先用find跑一遍确认结果然后再执行。第四善用explain和 profiling。这两个工具能帮你发现绝大多数性能问题。不要等到用户投诉了才去查平时就养成定期检查慢查询的习惯。第五备份是最后的底线。不管你的技术多好总有出错的时候备份是唯一能让你在出错后还有退路的东西。备份策略要根据业务重要性来定但无论如何一定要有备份而且要定期验证备份可用。这些经验都是踩坑踩出来的希望能帮你少走一些弯路。MongoDB 的命令行工具功能远不止我上面写的这些还有很多高级特性比如变更流、事务、分片管理等等等你有了一定基础之后可以继续深入。
