MongoDB基础之BSON数据类型

本博客参考MongoDB4.2官方文档。

MongoDB的文档类似于JSON,JSON是一种简单的额表示数据的方式,仅包含6种数据类型,分别是:null、布尔、数字、字符串、数组和对象。

虽然这些类型的表现已经足够强大,但是对于绝大多数应用来说还需要另外一些不可或缺的类型。例如,日期类型、数字类型(只有一种,没法区分整型和浮点)、正则表达式等。

MongoDB在保留JSON基本的键值对特性的基础上,添加了其他一些数据类型。在不同的编程语言下这些类型的表示有些差异。下面列出MongoDB通常支持的一些类型,同时说明了在shell中这些类型的表示方法。

每种BSON类型都具有整数和字符串标识符,如下表所示:

一、类型详解

下面针对一些常用的数据类型进行详细说明。

1、Double(64位浮点数)

shell中的数字都是这种类型。

{ “x” : 3.14 }
{ “x” : 3 }

2、String(字符串)

BSON字符串是UTF-8。通常,在序列化和反序列化BSON时,每种编程语言的驱动程序都会从语言的字符串格式转换为UTF-8。可以轻松地将大多数国际字符存储在BSON字符串中。此外,MongoDB的$regex查询在正则表达式字符串中支持UTF-8。

字符串类型可以使用sort()方法进行排序,但是sort()是由C++的strcmpAPI实现的,排序可能会错误的处理某些字符。

3、Array(数组)

数组是一组值,既可以既可以偶组为有序对象来操作,也可以作为无序对象操作。

数组可以包含不同数据类型的元素,实际上,常规键值对支持的值都可以作为数组的元素,甚至是套嵌数组。

文档中的数组有个特性,就是MongoDB能理解其结构,并指导如何深入数组内部对其内容进行操作。这样就能用内容对数组进行查询和构建索引了。

MongoDB可以使用原子更新修改数组中的内容。

值的集合或者列表可以表示成数组。

{ “x” : [“a”, “b”, “c”]}

4、Binary data(二进制数据)

二进制数据可以由任意字节的串组成。不过shell中无法使用。

5、Undefined(未定义)

文档中也可以使用未定义类型undefined。4.2版本中已经显示过时。

{ “x” : unddefined }

6、ObjectId

ObjectId使用12字节的存储空间,每个字节两位十六进制数字,是一个24位的字符串。

在早期版本中,这些字节是有特定的结构的:开头的4个字节是标准的Unix时间戳,编码了从新纪元开始的秒数;接下来的3个字节存储了机器ID;随后则是2个字节的进程ID;最后3个字节存储了进程局部的计数器,每次生成对象ID计数器都会加1。时间戳、机器ID和进程ID组合起来,提供了秒级别的唯一性。时间戳在前,意味着ObjectId大致会按照插入的顺序排序。可以将其作为索引提高效率,但不是绝对的,只是大致。这4个字节也隐含了文档创建的时间,绝大多数驱动都会公开一个方法从ObjectId获取这个信息。前9个字节保证了同一秒不同机器不同进程产生的ObjectId是唯一的,后3字节就是一个自动增加的计数器,保证了相同进程同一秒产生的ObjectId也是不一样的。同一秒钟允许每个进程拥有2563(16777216)个不同的ObjectId。

当前4.2版本中是这样介绍的,ObjectId各个段含义如下:

前4个字节的值,表示自Unix纪元以来的秒数。中间5个字节是随机值。最后3个字节是计数器,以随机值开始。

{“x” : objectId() }

使用ObjectId有以下两个优点:

  • 1.在MongoDB shell中可以使用该ObjectId.getTimestamp()方法访问创建时间。
  • 2._id存储的ObjectId值的排序大致是按创建时间排序的。
> ObjectId("5b4c65a07a88f6e8893b70ef").getTimestamp()
ISODate("2018-07-16T09:30:08Z")

MongoDB中存储的文档必须有一个“_id”键,这个键可以是任何类型的,默认是ObjectId对象。在一个集合中,每个文档都有唯一的“_id”值,来确保集合里面每个文档都能被唯一标识。此唯一是在一个集合中保证全局唯一的。

ObjectId是“_id”的默认类型。它设计成轻量型,不同的机器都能用全局唯一的同种方法方便地生成它。这是MongoDB采用这种类型的主要原因。

如果插入文档的时候没有“_id”键,系统会自动创建一个。这件事可以由MongoDB服务器来做,也可以在客户端由驱动程序完成。

通常会将自动生成_id放在客户端让驱动程序来完成,理由如下:

  • 1.ObjectId的生成是有开销的,在客户端生成可以减少数据库扩展的负担。
  • 2.在客户端生成ObjectId,驱动程序能够提供更加丰富的API。

7、Boolean(布尔)

布尔类型有两个值true和false。

{ “x” : true }

8、Date(日期)

日期类型存储的是从标准纪元开始的毫秒数,不存储时区。

{“x” : new Date() }

日期类型存储的日期大概为2.9亿年。毫秒数为负值,表示1970年之前的日期。

在JavaScript中,Date对象用做MongoDB的日期类型,创建一个新的Date对象时,调用new Date()而不是Date()。调用Date()实际上会返回对日期的字符串表示,而不是真正的Date对象。这不是MongoDB的特性,而是JavaScript本身的特性。

如果使用错误,就会导致日期和字符串混淆,字符串和日期不能互相匹配,最终会给删除、更新、查询等很多操作带来问题。

shell中的日期显示时使用本地时区设置。日期在数据中是以标准纪元开水的毫秒数的形式存储的,没有与之相关的时区信息。

9、Null

null用于表示空值或者不存在的字段。

{“x” : null }

10、Regular Expression(正则表达式)

文档中可以包含正则表达式,采用JavaScript的正则表达式语法。

{ “x” : /foobar/i }

11、JavaScript代码

文档中还可以包含JavaScript代码。

{“x”: function() { /*…*/} }

12、Symbol(符号)

shell不支持这种类型。shell将数据库里的符号类型转换成字符串。现在已经过时。

13、Timestamp(时间戳)

BSON有一个MongoDB内部使用的特殊的时间戳类型,和常的日期类型没有关系。

时间戳记值是64位值,其中:前32位是一个time_t值(自Unix时代以来的秒数),后32位是ordinal给定秒内操作的增量。

在单个mongod实例中,时间戳记值始终是唯一的。

在复制中,操作日志具有一个ts字段。该字段中的值反映了使用BSON时间戳值的操作时间。

注意时间戳类型只是在MongoDB内部使用。开发过程中使用的是日期类型。

14、数字

32-bit integer(32位整数)

shell中这个类型不可用,因为JavaScript仅支持64位浮点数,所以32位整数会被自动转换为为64位浮点数。

64-bit integer(64位整数)

shell中也不支持这个类型,shell中会使用一个特殊的内嵌文档来显示64位整数。

Double(64位浮点数)

JavaScript中只有一种数字类型。MongoDB中有3种数字类型,shell必须绕过JavaScript的限制。默认情况下,shell中的数字都被MongoDB当作是双精度数。这就意味着如果从数据库张总获得一个32位整数,修改文档后,将文档存回数据库的时候,这个整数也被转换成了浮点数,即便是保持这个整数原封不动存回去,也是这样的。所以尽量不要在shell下覆盖整个文档。

数字只能表示为双精度数,有些64位的整数并不能精确地表示为64位浮点数。所以要是存入一个64位整数,然后在shell中查看,它会显示一个内嵌文档,表示可能不准确。

例如,在集合中存入一个文档(不是在shell模式下存入的),其中myInterger键的值设为一个64位整数3,然后在shell中查看,如下:

>doc = db.nums.findOn();
{
	“_id” : ObjectId(“4c0beecfd096a2580fe6fa08”),
	“myInteger” : {
	“floatApprox” : 3
}
}

内嵌文档只表示shell显示的是一个64位浮点数近似表示的64位整数,若内嵌文档只有一个键的话,实际上这个值是准确的。

要是插入的64位整数不能精确地作为双精度数显示,shell会添加两个键,分别是“top”(表示高32位)和“bottom”(表示低32位)。

例如,插入9223372036854775807,shell显示如下:

>doc = db.nums.findOn();
{
	“_id” : ObjectId(“4c0beecfd096a2580fe6fa10”),
	“myInteger” : {
	“floatApprox” : 9223372036854776000,
	“top” :2147483647,
	“bottom” : 4294967295
}
}

floatApprox是一种特殊的内嵌文档,可以作为值和文档来操作。

>doc.myInteger.floatApprox
3
> doc.myInteger + 1
4

15、Man key(最大值)

BSON包括一个特殊类型,表示可能的最大值。shell中没有这个类型。

16、Min key(最小值)

BSON包括一个特殊类型,表示可能的最小值。shell中没有这个类型。

二、类型之间的比较和排序

比较不同BSON类型的值时,MongoDB使用以下比较顺序,从最低到最高:

MinKey(内部类型)、Null、数字(整数,整数,双精度数,小数)、符号,字符串、Object、数组、BinData、ObjectId、布尔、日期、时间戳、正则表达式、MaxKey(内部类型)

1、数值类型

为了进行比较,MongoDB将这些类型视为等效的,在进行比较之前,先将数字类型进行转换。

2、字符串

二进制比较法

默认情况下,MongoDB将字符串转换成二进制来进行比较。

Collation

Collation是3.4版本的新功能,Collation允许用户为字符串比较指定特定的语言规则。

Collation具有以下语法:

{
   locale: <string>,
   caseLevel: <boolean>,
   caseFirst: <string>,
   strength: <int>,
   numericOrdering: <boolean>,
   alternate: <string>,
   maxVariable: <string>,
   backwards: <boolean>
}

指定排序规则时,该locale字段为必填字段;所有其他排序规则字段都是可选的。

locale

用来选择语言环境,官方提供了全球很多国家的语言,在其中可以看到中文的选项值为zh,英文的值为en。其他值的选项,如下:

默认排序规则参数值取决于语言环境。以下默认参数在所有语言环境中都是一致的:

caseLevel : false
strength : 3
numericOrdering : false
maxVariable : punct

如果没有为集合或操作指定排序规则,则MongoDB使用先前版本中使用的简单二进制比较进行字符串比较。

3、Arrays

对于数组,小于比较或升序排序比较的是数组中的最小元素,大于比较或降序排序比较的是数组中的最大元素。

当字段是单元素数组与非数组字段进行比较时,比较的是数组的元素和非数组字段的值。空数组参与比较的话,会将空数组视为小于null或缺少此字段。

4、Objects

MongoDB对BSON对象的比较使用以下顺序:

  • 1.按照键值对在BSON对象中出现的顺序递归比较它们。
  • 2.比较关键字段名称。
  • 3.如果关键字段名称相等,则比较字段值。
  • 4.如果字段值相等,则比较下一个键/值对(返回步骤1)。没有下一个字段的对象小于有下一个字段的对象。

5、日期和时间戳

在3.0.0版本中进行了更改,将日期对象放在时间戳对象之前排序。

在早期的版本中是将两种对象放在一起进行比较的。

6、不存在的字段

MongoDB将不存在的字段视为是空的BSON对象。

例如:{}和{a : null}进行比较,那么在比较的时候,a字段和空文档将视为等价的。

7、BinData

MongoDB按BinData以下顺序排序:

  • 首先,比较数据的长度或大小。
  • 然后,按BSON的一字节子类型进行比较。
  • 最后,根据数据执行逐字节比较。

上一篇:MongoDB基础之入门

下一篇:

09-23 23:13