MongoDB 极简入门实践

1. 为什么用 MongoDB？

传统的计算机应用大多使用关系型数据库来存储数据，比如大家可能熟悉的 MySQL、Sqlite 等等，它的特点是数据以表（table）的形式储存起来的。数据库由一张张排列整齐的表格构成，就好像一个 Excel 表单一样，每个表格会有若干列，比如一个学生信息表，可能包含学号、姓名、性别、入学年份、高考成绩、籍贯等等。而表格的每一排，则是一个个学生的具体信息。在企业级应用和前互联网时代，关系型数据库几乎是不二选择。关系型数据库的特点是有整齐划一的组织，很方便对数据进行描述、插入、搜索。

想象有一个传统的网上服装商店吧，它的主要的数据可能是储存在一张叫 products 的表单里，表单可能包含这些列：商品编号（ID）、名称（Name）、商家（brand）、主目录（cate）、子目录（sub-cat）、零售价（price）、是否促销（promotion）等等。如果有一个用户想要查找所有价格低于 300 元的正在促销的鞋子的编号和名称，则可以执行类似于以下的 SQL 语句：

SELECT ID, name
FROM products
WHERE cate='shoes'
AND price<300 and
AND promotion=true;

SQL 具备了强大了的深度查询能力，能满足各式各样的查询要求。而如果要对数据进行添加和删除，成本也是非常低的。这些是 SQL 的优势之一，但随着互联网的兴起以及数据形式的多样化，四平八稳的 SQL 表单在一些领域渐渐显现出它的劣势。让我们通过一个例子来说明。考虑一个博客后台系统，如果我们用关系型数据库为每篇博客（article）建一个表单的话，这个表单大概会包括以下这些列：

ID	Title	Description	Author	Content	Likes
A_1	Title1	Political Article	Joe	Content 1	12
A_2	Title2	Humorous Story	Sam	Content 2	50

这时候用 SQL 数据库来存储是非常方便的，但假如我们要为每篇文章添加评论功能，会发现每篇文章可能要多篇评论，而且这个数目是动态变化的，而且每篇评论还包括好几项内容：评论的人、评论的时间、以及评论内容。这时候要将这些内容都塞进上述的那个表，就显得很困难。通常的做法是为评论（comment）单独建一个表：

ID	Author	Time	Content	Article
C_1	Anna	2014-12-26 08:23	Really good articles!	A_1
C_2	David	2014-12-25 09:30	I like it!	A_1

类似地，每篇文章可能会有若干标签（tags）。标签本身又是一个表单：

ID	Category	Tags	Content	Article
T_1	Anna	2014-12-26 08:23	Really good articles!	A_1
T_2	David	2014-12-25 09:30	I like it!	A_2

而博客的表格则要通过 foreign key 跟这些相关联的表格联系起来(可能还包括作者、出版社等其它表格)。这样一来，当我们做查询的时候，比如说，“找出评论数不少于 3 的标签为‘政治评论’的作者为 Sam 的文章”，就会涉及到复杂的跨表查询，需要大量使用 join 语句。这种跨表查询不仅降低了查询速度，而且这些语句写起来也不简单。

那么，如果用 MongoDB 数据库来实现，可以如何设计数据模型呢？很简单，像下面这样：

 _id: POST_IDtitle: TITLE_OF_POST, description: POST_DESCRIPTION,author: POST_BY,tags: [TAG1, TAG2, TAG3],likes: TOTAL_LIKES, comments: [ {user:'COMMENT_BY',message: TEXT,dateCreated: DATE_TIME,},{user:'COMMENT_BY',message: TEXT,dateCreated: DATE_TIME,}]

在 MongoDB 里，每篇博客文章以一个文档（document）的形式保存起来，而文档内部包含了很多项目，比如 title tags 等，每一个项目都是 key-value 的形式，即有一个项目的名字，比如title ，以及它的值 TITLE_OF_POST。而重要的是，一个 key 可以有多个 values ，他们用 [] 括起来。

这种“宽松”的数据存储形式非常灵活，MongoDB 不限制每个 key 对应的 values 的数目。比如有的文章没有评论，则它的值就是一个空集，完全没有问题；有的文章评论很多，也可以无限制地插入。更灵活的是，MongoDB 不要求同一个集合（collection 相当于 SQL 的 table）里面的不同 document 有相同的 key，比如除了上述这种文档组织，有的文档所代表的文章可能没有 likes 这个项目，再比如有的文章可能有更多的项目，比如可能还有 dislikes 等等。这些不同的文档都可以灵活地存储在同一个集合下，而且查询起来也异常简单，因为都在一个文档里，不用进行各种跨文档查询。而这种 MongoDB 式的存储也方便了数据的维护，对于一篇博客文章来说，所有的相关数据都在这个 document 里面，不用去考虑一个数据操作需要 involve 多少个表格。

当然，除了上述的优点，MongoDB 还有不少别的优势，比如 MongoDB 的数据是用 JSON（JavaScript Object Notation）存储的(就是上面的这种 key-value 的形式)，适用于而几乎所有的 Web 应用，存储的数据和应用的数据的格式是高度一致的，不需经过转换。

2. 关于这篇文章

这个极简教程，或者说笔记，并不是一个覆盖 MongoDB 方方面面的教程。所谓极简的意思，就是只选取那些最重要、最常用的内容进行基于实例的介绍，从而让读者能够在最短的时间内快速上手，并且能顺利地进行后续的纵深的学习。

具体地说，这个教程的特点是：

不求全面，只求实用。只覆盖最核心的部分；
以大量例子为导向；
一边阅读一边动手操作的话，大约只需要 2 小时的时间；

阅读这篇文章不需要有特别的基础，但最好知道数据库的基本概念，如果本身熟悉 SQL 那就更好啦。

3. 安装与环境

3.1 使用 MongoDB Atlas + Compass（推荐）

MongoDB 提供了一个叫做 Atlas 的云服务，可以直接在云上架设 Server，然后我们可以在本地远程连接 Server。这样做的好处是，用户不必下载、安装和架设本地的 MongoDB 服务器。对于初学者而言，这个方式要更简单，可以最大程度地避免安装过程中的各种坑。

简单步骤如下：

1. Start Mongo Atlas：https://www.mongodb.com/cloud/atlas，基本上按默认设置走即可
2. 设置完毕后，点击 connect，并点选通过 MongoDB Compass 连接服务器。按提示下载 Compass
3. 用之前 Atlas 里面设置的账号密码登录 Compass，然后点击左下角的 MongoSH Beta，就可以输入命令行了

3.2 本地架设 server

MongoDB 可以在 Windows、Linux、Mac OS X 等主流平台运行，而且下载和安装非常简单，非常友好。这篇文档的例子采用 MongoDB 2.6 版本，均在 OS X 测试过，有充足的理由相信，在其它平台也能顺利运行。

Windows的安装和设置可以参考：http://www.w3cschool.cc/mongodb/mongodb-window-install.html；

Linux的安装和设置可以参考：http://www.w3cschool.cc/mongodb/mongodb-linux-install.html；

Mac OS X 下的安装和设置：

1. 在 https://www.mongodb.org/ 下载适合你的 Mac 的 MongoDb;
2. 下载得到的文件是一个 zip 文件，解压，然后放到你想到的文件夹，比如 /Users/Steven/MongoDB;
3. 创建一个你喜欢的文件夹来存储你的数据，比如 /User/Steven/myData;
4. 打开 Terminal，cd 到 2 里面那个文件夹 /Users/Steven/MongoDB，再 cd bin;
5. 输入 ./mongod --dbpath /User/Steven/myData，等到出现类似“waiting for connections on port 27017”，说明MongoDB服务器已架设好，而数据将储存在 myData 里面；
6. 新打开一个 Terminal，cd /Users/Steven/MongoDB/bin，然后运行 ./mongo; 顺利的话它将出现一个 interactive shell 让你进行各种操作，而你的数据将储存在 myData 里

如果以上的各个步骤都运行顺利，就可以跳到下一节啦。

4. 创建集合和删除集合

在上一节执行完步骤 6 后，你会看到命令行里显示：connecting to: test，这里的 test 是默认的数据库。这里我们可以新建一个数据库。在命令行里打入：

use tutorial

这样就新建了一个叫做 tutorial 的数据库。你可以执行

show databases

来显示当前的数据库。不过这时候由于我们的新数据库是空的，所以会显示类似这样的：

admin  (empty)
local  0.078GB

我们试着往我们的数据库里添加一个集合（collection），MongoDB 里的集合和 SQL 里面的表格是类似的：

db.createCollection('author')

顺利的话会显示：

{ "ok" : 1 }

表示创建成功。

你可以再回头执行：

show databases

这时候我们的 tutorial 集合已经位列其中。你可以再执行

show collections

可以看到创建的集合 author 也在其中。

我们暂时不需要 author 这个集合，所以我们可以通过执行：

db.author.drop()

来将其删除。这时候你再执行 show collections，就再也看不到我们的 author 了。

这一节要记住的点主要只有一个：集合（collection）类似于 SQL 的表格（table），类似于 Excel 的一个个表格。

5. 插入

想象一个精简版的“豆瓣电影”。我们需要创建一个数据库，来存储每部电影的信息，电影的信息包括：

电影名字
导演
主演(可能多个)
类型标签(可能多个)
上映日期
喜欢人数
不喜欢人数
用户评论(可能多个)

显然我们需要先创建一个叫电影的集合：

db.createCollection('movie')

然后，我们就可以插入数据了：

db.movie.insert({title: 'Forrest Gump', directed_by: 'Robert Zemeckis',stars: ['Tom Hanks', 'Robin Wright', 'Gary Sinise'],tags: ['drama', 'romance'],debut: new Date("1994-07-06T00:00:00"),likes: 864367,dislikes: 30127,comments: [ {user:'user1',message: 'My first comment',dateCreated: new Date("2020-10-15T00:00:00"),like: 0 },{user:'user2',message: 'My first comment too!',dateCreated: new Date("2019-04-15T00:00:00"),like: 0 }]
}
)

请注意，这里插入数据之前，我们并不需要先声明 movie 这个集合里面有哪些项目。我们直接插入就可以了~这一点和 SQL 不一样，SQL 必须先声明一个 table 里面有哪些列，而 MongoDB 不需要。

把上面的例子复制进命令行应该可以顺利运行，但我强烈建议你手动打一下，或者输入一部你自己喜欢的电影。insert 操作有几点需要注意：

1. 不同 key-value 需要用逗号隔开，而 key:value 中间是用冒号；
2. 如果一个 key 有多个 value，value 要用 []。哪怕当前只有一个 value，也加上 [] 以备后续的添加；
3. 整个“数据块”要用 {} 括起来；

如果你在 insert 之后看到 WriteResult({ "nInserted" : 1 })，说明写入成功。

这个时候你可以用查询的方式来返回数据库中的数据：

db.movie.find().pretty()

这里 find() 里面是空的，说明我们不做限制和筛选，类似于 SQL 没有 WHERE 语句一样。而 pretty() 输出的是经格式美化后的数据，你可以自己试试没有 pretty() 会怎么样。

仔细观察 find() 的结果，你会发现多了一个叫 '_id' 的东西，这是数据库自动创建的一个 ID 号，在同一个数据库里，每个文档的 ID 号都是不同的。

我们也可以同时输入多个数据：

db.movie.insert([{title: 'Fight Club', directed_by: 'David Fincher',stars: ['Brad Pitt', 'Edward Norton', 'Helena Bonham Carter'],tags: 'drama',debut: new Date("1999-10-15T00:00:00"),likes: 224360,dislikes: 40127,comments: [ {user:'user3',message: 'My first comment',dateCreated: new Date("2020-10-15T01:00:00"),like: 0 },{user:'user2',message: 'My first comment too!',dateCreated: new Date("2020-11-15T01:00:00"),like: 14 },{user:'user7',message: 'Good Movie!',dateCreated: new Date("2020-10-15T08:00:00"),like: 2}]
},
{title: 'Seven', directed_by: 'David Fincher',stars: ['Morgan Freeman', 'Brad Pitt',  'Kevin Spacey'],tags: ['drama','mystery','thiller'],debut: new Date("1995-10-22T01:00:00"),likes: 134370,dislikes: 1037,comments: [ {user:'user3',message: 'Love Kevin Spacey',dateCreated: new Date("2020-12-15T01:00:00"),like: 0 },{user:'user2',message: 'Good works!',dateCreated: new Date("2020-10-15T11:22:33"),like: 14 },{user:'user7',message: 'Good Movie!',dateCreated: new Date("2020-08-15T01:00:00"),like: 2}]
}
])

顺利的话会显示：

{ acknowledged: true,insertedIds: { '0': ObjectId("5ffafff5f136fdd9f4ca1492"),'1': ObjectId("5ffafff5f136fdd9f4ca1493") } }

表面我们成功地插入了两个数据。注意批量插入的格式是这样的：db.movie.insert([{ITEM1},{ITEM2}])。几部电影的外面需要用 [] 括起来。

请注意，虽然 collection 的插入不需要先声明，但表达相同意思的 key，名字要一样，比如，如果我们在一个文档里用 directed_by 来表示导演，则在其它文档也要保持同样的名字(而不是 director 之类的)。不同的名字不是不可以，技术上完全可行，但会给查询和更新带来困难。

好了，到这里，我们就有了一个叫 tutorial 的数据库，里面有一个叫 movie 的集合，而 movie 里面有三个记录。接下来我们就可以对其进行查询了。

6. 查询

在上一节我们已经接触到最简单的查询 db.movie.find().pretty()。MongoDB 支持各种各样的深度查询功能。先来一个最简单的例子，找出大卫芬奇（David Fincher）导演的所有电影：

db.movie.find({'directed_by':'David Fincher'}).pretty()

将返回《搏击俱乐部》和《七宗罪》两部电影。这种搜索和 SQL 的 WHERE 语句是很相似的。

也可以设置多个条件。比如找出大卫芬奇导演的, 摩根弗里曼主演的电影：

db.movie.find({'directed_by':'David Fincher', 'stars':'Morgan Freeman'}).pretty()

这里两个条件之间，是 AND 的关系，只有同时满足两个条件的电影才会被输出。同理，可以设置多个的条件，不赘述。

条件之间也可以是或的关系，比如找出罗宾怀特或摩根弗里曼主演的电影：

db.movie.find(
{$or: [  {'stars':'Robin Wright'}, {'stars':'Morgan Freeman'}]
}).pretty()

注意这里面稍显复杂的各种括号。

还可以设置一个范围的搜索，比如找出 50 万人以上赞的电影：

db.movie.find({'likes':{$gt:500000}}).pretty()

同样要注意略复杂的括号。注意，在这些查询里，key 的单引号都是可选的，也就是说，上述语句也可以写成：

db.movie.find({likes:{$gt:500000}}).pretty()

类似地，少于二十万人赞的电影：

db.movie.find({likes:{$lt:200000}}).pretty()

类似的运算符还有：$lte（小于或等于）、$gte（大于或等于）、$ne（不等于）。

注意，对于包含多个值的 key，同样可以用 find 来查询。比如：

db.movie.find({'tags':'romance'})

将返回《阿甘正传》，虽然其标签既有 romance，又有 drama，但只要符合一个就可以了。

如果你确切地知道返回的结果只有一个，也可以用 findOne：

db.movie.findOne({'title':'Forrest Gump'})

如果有多个结果，则会按磁盘存储顺序返回第一个。请注意，findOne() 自带 pretty 模式，所以不能再加 pretty()，将报错。

如果结果很多而你只想显示其中一部分，可以用 limit() 和 skip()，前者指明输出的个数，后者指明从第二个结果开始数。比如：

db.movie.find().limit(2).skip(1).pretty()

则跳过第一部，从第二部开始选取两部电影。

7. 局部查询

第五节的时候我们讲了 find 的用法，但对于符合条件的条目，我们都是返回整个 JSON 文件的。这类似于 SQL 里面的 SELECT *。有的时候，我们需要的，仅仅是部分数据，这个时候，find 的局部查询的功能就派上用场了。先来看一个例子，返回 tags 为 drama 的电影的名字和首映日期。

db.movie.find({'tags':'drama'},{'debut':1,'title':1}).pretty()

数据库将返回：

{"_id" : ObjectId("549cfb42f685c085f1dd47d4"),"title" : "Forrest Gump","debut" : ISODate("1994-08-05T16:00:00Z")
}
{"_id" : ObjectId("549cff96f685c085f1dd47d6"),"title" : "Fight Club","debut" : ISODate("1999-11-14T16:00:00Z")
}
{"_id" : ObjectId("549cff96f685c085f1dd47d7"),"title" : "Seven","debut" : ISODate("1995-10-21T16:00:00Z")
}

这里 find 的第二个参数是用来控制输出的，1 表示要返回，而 0 则表示不返回。默认值是 0，但 _id 是例外，因此如果你不想输出 _id，需要显式地声明：

db.movie.find({'tags':'drama'},{'debut':1,'title':1,'_id':0}).pretty()

8. 更新

很多情况下你需要更新你的数据库，比如有人对某部电影点了个赞，那么你需要更新相应的数据库。比如有人对《七宗罪》点了个赞，而它本来的赞的个数是 134370，那么你需要更新到 134371。可以这样操作：

db.movie.updateOne({title:'Seven'}, {$set:{likes:134371}})

第一个大括号里表明要选取的对象，第二个表明要改动的数据。请注意上述的操作相当不现实，因为你首先要知道之前的数字是多少，然后加一，但通常你不读取数据库的话，是不会知道这个数（134370）的。MongoDB 提供了一种简便的方法，可以对现有条目进行增量操作。假设又有人对《七宗罪》点了两个赞，则可以：

db.movie.updateOne({title:'Seven'}, {$inc:{likes:2}})

如果你查询的话，会发现点赞数变为 134373 了，这里用的是 $inc。除了增量更新，MongoDB 还提供了很多灵活的更新选项。

注意如果有多部符合要求的电影。则默认只会更新第一个。如果要多个同时更新，要用 updateMany，像下面这样：

db.movie.updateMany({}, {$inc:{likes:10}})

所有电影的赞数都多了 10.

注意，以上的更新操作会替换掉原来的值，所以如果你是想在原有的值的基础上增加一个值的话，则应该用 $push，比如，为《七宗罪》添加一个 popular 的 tags。

db.movie.updateOne({'title':'Seven'}, {$push:{'tags':'popular'}})

我们查询一下 db.movie.find({'title':'Seven'},{'tags':1,'title':1}，你会发现《七宗罪》现在有四个标签：

"tags" : ["drama","mystery","thiller","popular"
],

9. 删除

删除的句法和 find 很相似，比如，要删除标签为 romance 的电影，则：

db.movie.deleteOne({'tags':'romance'})

考虑到我们数据库条目异常稀少，就不建议你执行这条命令了。同样地，该命令只删除满足条件的第一条记录。如果要删除满足条件的所有记录，则使用 deleteMany

10. 索引和排序

为文档中的一些 key 加上索引（index）可以加快搜索速度。这一点不难理解，假如没有索引，我们要查找名字为 Seven 的电影，就必须在所有文档里逐个搜索。而如果对名字这个 key 加上索引值，则电影名这个字符串和数字建立了映射，这样在搜索的时候就会快很多。排序的时候也是如此，不赘述。MongoDB 里面为某个 key 加上索引的方式很简单，比如我们要对导演这个 key 加索引，则可以：

db.movie.ensureIndex({directed_by:1})

这里的 1 是升序索引，如果要降序索引，用 -1。

MongoDB 支持对输出进行排序，比如按名字排序：

db.movie.find().sort({'title':1}).pretty()

同样地，1 是升序，-1 是降序。默认是 1。

db.movie.getIndexes()

将返回所有索引，包括其名字。而

db.movie.dropIndex('index_name')

将删除对应的索引。

11. 聚合

MongoDB 支持类似于 SQL 里面的 GROUP BY 操作。比如当有一张学生成绩的明细表时，我们可以找出每个分数段的学生各有多少。为了实现这个操作，我们需要稍加改动我们的数据库。执行以下三条命令：

db.movie.updateOne({title:'Seven'},{$set:{grade:1}})
db.movie.updateOne({title:'Forrest Gump'},{$set:{grade:1}})
db.movie.updateOne({title:'Fight Club'},{$set:{grade:2}})

这几条是给每部电影加一个虚拟的分级，前两部是归类是一级，后一部是二级。

这里你也可以看到 MongoDB 的强大之处：可以动态地后续添加各种新项目。

我们先通过聚合来找出总共有几种级别。

db.movie.aggregate([{$group:{_id:'$grade'}}])

输出：

{ "_id" : 2 }
{ "_id" : 1 }

注意这里的 2 和 1 是指级别，而不是每个级别的电影数。这个例子看得清楚些：

db.movie.aggregate([{$group:{_id:'$directed_by'}}])

这里按照导演名字进行聚合。输出：

{ "_id" : "David Fincher" }
{ "_id" : "Robert Zemeckis" }

接着我们要找出，每个导演的电影数分别有多少：

db.movie.aggregate([{$group:{_id:'$directed_by',num_movie:{$sum:1}}}])

将会输出：

{ "_id" : "David Fincher", "num_movie" : 2 }
{ "_id" : "Robert Zemeckis", "num_movie" : 1 }

注意 $sum 后面的 1 表示只是把电影数加起来，但我们也可以统计别的数据，比如两位导演谁的赞比较多：

 db.movie.aggregate([{$group:{_id:'$directed_by',num_likes:{$sum:'$likes'}}}])

输出：

{ "_id" : "David Fincher", "num_likes" : 358753 }
{ "_id" : "Robert Zemeckis", "num_likes" : 864377 }

注意这些数据都纯属虚构啊！

除了 $sum，还有其它一些操作。比如：

db.movie.aggregate([{$group:{_id:'$directed_by',num_movie:{$avg:'$likes'}}}])

统计平均的赞。

db.movie.aggregate([{$group:{_id:'$directed_by',num_movie:{$first:'$likes'}}}])

返回每个导演的电影中的第一部的赞数。

其它各种操作可以参考：http://docs.mongodb.org/manual/reference/operator/aggregation/group/ 。

12. All or Nothing?

MongoDB 支持单个文档内的原子化操作(atomic operation)，这是说，可以将多条关于同一个文档的指令放到一起，他们要么一起执行，要么都不执行。而不会执行到一半。有些场合需要确保多条执行一起顺次执行。比如一个场景：一个电商网站，用户查询某种商品的剩余数量，以及用户购买该种商品，这两个操作，必须放在一起执行。不然的话，假定我们先执行剩余数量的查询，这是假定为 1，用户接着购买，但假如这两个操作之间还加入了其它操作，比如另一个用户抢先购买了，那么原先购买用户的购买的行为就会造成数据库的错误，因为实际上这种商品已经没有存货了。但因为查询剩余数量和购买不是在一个“原子化操作”之内，因此会发生这样的错误。

MongoDB 提供了 findAndModify 的方法来确保 atomic operation。比如这样的：

db.movie.findAndModify({query:{'title':'Forrest Gump'},update:{$inc:{likes:10}}})

Query 是查找出匹配的文档，和 find 是一样的，而 update 则是更新 likes 这个项目。注意由于 MongoDB 只支持单个文档的 atomic operation，因此如果 query 出多于一个文档，则只会对第一个文档进行操作。

13. 文本搜索

除了前面介绍的各种深度查询功能，MongoDB 还支持文本搜索。对文本搜索之前，我们需要先对要搜索的 key 建立一个 text 索引。假定我们要对标题进行文本搜索，我们可以先这样：

db.movie.ensureIndex({title:'text'})

接着我们就可以对标题进行文本搜索了，比如，查找带有 "Gump" 的标题：

db.movie.find({$text:{$search:"Gump"}}).pretty()

注意 text 和 search 前面的$符号。

这个例子里，文本搜索作用不是非常明显。但假设我们要搜索的 key 是一个长长的文档，这种 text search 的方便性就显现出来了。

14. 正则表达式

MongoDB 还支持基于正则表达式的查询。这里简单举几个例子。比如，查找标题以 b 结尾的电影信息：

db.movie.find({title:{$regex:'.*b$'}}).pretty()

也可以写成：

db.movie.find({title:/.*b$/}).pretty()

查找含有 'Fight' 标题的电影：

db.movie.find({title:/Fight/}).pretty()

注意以上匹配都是区分大小写的，如果你要让其不区分大小写，则可以：

db.movie.find({title:{$regex:'fight.*b',$options:'$i'}}).pretty()

$i 是 insensitive 的意思。这样的话，即使是小写的 fight，也能搜到了。

db.movie.find({title: /fight.*b/i}).pretty()

当然，这样也是可以，这是 JS 正则写法

15. 后记

至此，MongoDB 的最基本的内容就介绍得差不多了。如果有什么遗漏的以后我会补上来。如果你一路看到底完全了这个入门教程，恭喜你，你一定是一个有毅力的人。

把这个文档过一遍，不会让你变成一个 MongoDB 的专家。但如果它能或多或少减少你上手的时间，或者让你意识到 “MongoDB其实没那么复杂”，那么这个教程的目的也就达到啦。

作者：StevenSLXie

链接：https://github.com/StevenSLXie/Tutorials-for-Web-Developers

转载请包含此声明

????「点击关注」更多惊喜等待你！