MongoTemplate常用api学习

本文只介绍常用的api,尽量以最简单的形式学会mongoTemplate基础api的使用

一、新增

主要包含三个api:insert(一个或遍历插多个)、insertAll(批量多个)、save(插入或更新)

//这里简单演示,具体要插入的数据自己构建哈User user = new User();
mongoTemplate.insert(user,集合名);  //新增一个
mongoTemplate.save(user,集合名);    //根据主键id判断,如果数据库中已有id就更新,没有就新增List<User> list = new ArrayList<>();
mongoTemplate.insert(list,集合名);     //新增多个(遍历插入)
mongoTemplate.insertAll(list,集合名);  //新增多个(批量插入,效率高)

二、删除

从这里开始就要引入CriteriaQuery的概念 

Criteria是条件逻辑(仅包含where部分),支持链式编程,一般写法如下:
.where(第一个字段).is(精确匹配)
.and(其余条件).xxx(匹配条件)

常见匹配条件有这些:

.lt(value)   <value的
.lte(value)   ≤value的
.eq(value)   =value的
.gte(value)   ≥value的
.gt(value)   >value的
.in(a,b,c..)     元素符合a,b,c等等中的其中一个
.nin(a,b,c...)    不符合a,b,c等等的任何一个
.exist(value)    存在value字段的
.regex(String re)    正则表达式匹配

Query是完整的查询条件,在query可以添加其他逻辑(即limit,order by等等),支持链式编程,有以下功能:

.skip(long skip)  跳过文档的数量,配合limit做分页(类似offset和limit)
.limit(int limit)   限制返回多少条
.with(Sort sort)    设置排序

简单说一下排序怎么用哈,举个例子
.with(Sort.by(Sort.Direction.DESC,"classNo")),就是按classNO字段降序排序,我相信你懂了


最终mongoTemplate api通常要Query作为参数,构建方法有两种:
①先创建Criteria,处理完传入Query
②先new一个空Query,再手动add Criteria条件

//方法1
Criteria criteria = Criteria.where("name").is("hzj").and("id").is("0936");     //链式构造where条件
Query query = new Query(criteria);       //创建查询条件,把where条件传进去//方法2
Query query = new Query();
query.addCriteria(Criteria.where("name").is("hzj"));
query.addCriteria(Criteria.where("id").is("0936"));

好继续说删除,如下。这里User.class可以不写哈(如果写了就是严格匹配,删除符合查询条件且符合实体类映射的文档,如果不写就是删除符合查询条件的)

Query query = new Query(Criteria.where("name").is("John"));
mongoTemplate.remove(query, User.class,集合名);

 三、修改

需要构建一个update对象,声明你要改哪些地方
传query(匹配要改的文档),update(改什么),集合名

Query query = new Query(Criteria.where("name").is("John"));
Update update = new Update().set("age", 26);
//更新第一个匹配的文档
mongoTemplate.updateFirst(query, update, 集合名);
//更新所有匹配的文档
mongoTemplate.updateMulti(query, update, 集合名);

update提供的常见方法如下:

Update update = new Update();
// 设置字段值
update.set("field", value);
// 递增数值
update.inc("count", 1);
// 添加元素到数组
update.push("items", item);
// 从数组移除元素
update.pull("items", item);
// 重命名字段
update.rename("oldName", "newName");
// 取消设置字段
update.unset("field");

四、查找

使用findOne函数,只查一条文档;

// 创建查询条件
Criteria criteria = Criteria.where("age").gt(20);
Query query = new Query(criteria);User user = mongoTemplate.findOne(query, User.class,集合名);

如果要查多条文档就用find函数

// 创建查询条件
Criteria criteria = Criteria.where("age").gt(20);
Query query = new Query(criteria);// 添加排序
query.with(Sort.by(Sort.Direction.DESC, "age"));//查询符合条件的多个记录
List<User> users = mongoTemplate.find(query, User.class,集合名);
//查询符合记录的条数
int count = mongoTemplate.count(query, User.class,集合名);

(如果你有主键id,也可以用findById函数,传参依次是id、返参.class、集合名) 

五、聚合管道

有点厉害,这个可以取代query,也可以做联表用,先介绍联表怎么做:

在mongodb中使用aggregate聚合进行联表(你可以理解为sql中的left join)

LookupOperation lookup = LookupOperation.newLookup().from("要关联的集合名")      // 对应 SQL 的 FROM 表.localField("当前集合字段")  // 对应 SQL JOIN 的左边字段.foreignField("关联集合字段") // 对应 SQL JOIN 的右边字段.as("输出字段名");          // 关联结果存放的字段名Aggregation aggregation = Aggregation.newAggregation(lookup);
AggregationResults<Document> results = mongoTemplate.aggregate(aggregation, 集合名, Document.class
);

 可作where条件

// 等同于 find() 中的查询条件
Aggregation.match(Criteria.where("status").is("A").and("qty").gt(10))

可做select用

// 选择包含/排除字段,可重命名字段,计算新字段
Aggregation.project().and("name").as("productName")  // 重命名.and("price").multiply(1.1).as("priceWithTax")  // 计算.andExclude("_id")  // 排除字段

可做group by用

// 按category分组,计算每组的统计值
Aggregation.group("category").count().as("count")  // 计数.sum("qty").as("totalQty")  // 求和.avg("price").as("avgPrice")  // 平均值.max("price").as("maxPrice")  // 最大值

可做order by用

Aggregation.sort(Sort.Direction.DESC, "totalQty", "avgPrice")

可做分页用

Aggregation.skip(10),
Aggregation.limit(5)

还有展开数组,多维度聚合,图搜索等功能,这里先不说(还没咋学哈哈),后续再补 

如果多阶段如下
// 统计各部门各年龄段的平均工资
Aggregation agg = Aggregation.newAggregation(Aggregation.match(Criteria.where("salary").gt(3000)),  // 阶段1:筛选Aggregation.group("department", "age")                // 阶段2:分组.avg("salary").as("avgSalary"),Aggregation.sort(Sort.Direction.DESC, "avgSalary"),   // 阶段3:排序Aggregation.limit(10)                                // 阶段4:限制结果
);AggregationResults<Document> results = mongoTemplate.aggregate(agg, 集合名, Document.class
);

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/news/908073.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

006网上订餐系统技术解析:打造高效便捷的餐饮服务平台

网上订餐系统技术解析&#xff1a;打造高效便捷的餐饮服务平台 在数字化生活方式普及的当下&#xff0c;网上订餐系统成为连接餐饮商家与消费者的重要桥梁。该系统以菜品分类、订单管理等模块为核心&#xff0c;通过前台展示与后台录入的分工协作&#xff0c;为管理员和会员提…

网络攻防技术五:网络扫描技术

文章目录 一、网络扫描的基础概念二、主机发现三、端口扫描1、端口号2、端口扫描技术3、端口扫描隐秘策略 四、操作系统识别五、漏洞扫描六、简答题1. 主机扫描的目的是什么&#xff1f;请简述主机扫描方法。2. 端口扫描的目的是什么&#xff1f;请简述端口扫描方法及扫描策略。…

生成JavaDoc文档

生成 JavaDoc 文档 1、快速生成 文档 注解 2、常见的文档注解 3、脚本生成 doc 文档 4、IDEA工具栏生成 doc 文档 第一章 快速入门 第01节 使用插件 在插件工具当中&#xff0c;找到插件 javaDoc 使用方式&#xff0c;在代码区域&#xff0c;直接点击右键。选择 第02节 常用注…

大数据-276 Spark MLib - 基础介绍 机器学习算法 Bagging和Boosting区别 GBDT梯度提升树

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; 大模型篇章已经开始&#xff01; 目前已经更新到了第 22 篇&#xff1a;大语言模型 22 - MCP 自动操作 FigmaCursor 自动设计原型 Java篇开…

【HarmonyOS 5】如何优化 Harmony-Cordova 应用的性能?

以下是针对 ‌Harmony-Cordova 应用性能优化‌的完整方案&#xff0c;结合鸿蒙原生特性和Cordova框架优化策略&#xff1a; ‌⚡一、渲染性能优化‌ ‌减少布局嵌套层级‌ 使用扁平化布局&#xff08;如 Grid、GridRow&#xff09;替代多层 Column/Row 嵌套&#xff0c;避免冗…

数据库管理-第332期 大数据已死,那什么当立?(20250602)

数据库管理332期 2025-06-02 数据库管理-第332期 大数据已死&#xff0c;那什么当立&#xff1f;&#xff08;20250602&#xff09;1 概念还是技术2 必然的大数据量3 离线到实时4 未来总结 数据库管理-第332期 大数据已死&#xff0c;那什么当立&#xff1f;&#xff08;202506…

相机--RGBD相机

教程 分类原理和标定 原理 视频总结 双目相机和RGBD相机原理 作用 RGBD相机RGB相机深度&#xff1b; RGB-D相机同时获取两种核心数据&#xff1a;RGB彩色图像和深度图像&#xff08;Depth Image&#xff09;。 1. RGB彩色图像 数据格式&#xff1a; 标准三通道矩阵&#…

神经符号集成-三篇综述

讲解三篇神经符号集成的综述&#xff0c;这些综述没有针对推荐系统的&#xff0c;所以大致过一下&#xff0c;下一篇帖子会介绍针对KG的两篇综述。综述1关注的是系统集成和数据流的宏观模式“是什么”&#xff1b;综述3关注的是与人类理解直接相关的中间过程和决策逻辑的透明度…

window/linux ollama部署模型

模型部署 模型下载表: deepseek-r1 win安装ollama 注意去官网下载ollama,这个win和linux差别不大,win下载exe linux安装ollama 采用docker方式进行安装: OLLAMA_HOST=0.0.0.0:11434 \ docker run -d \--gpus all \-p 11434:11434 \--name ollama \-v ollama:/root/.ol…

计算A图片所有颜色占B图片红色区域的百分比

import cv2 import numpy as npdef calculate_overlap_percentage(a_image_path, b_image_path):# 读取A组和B组图像a_image cv2.imread(a_image_path)b_image cv2.imread(b_image_path)# 将图像从BGR转为HSV色彩空间&#xff0c;便于颜色筛选a_hsv cv2.cvtColor(a_image, c…

每日算法 -【Swift 算法】盛最多水的容器

盛最多水的容器&#xff1a;Swift 解法与思路分析 &#x1f4cc; 问题描述 给定一个长度为 n 的整数数组 height&#xff0c;每个元素表示在横坐标 i 处的一条垂直线段的高度。任意两条线段和 x 轴构成一个容器&#xff0c;该容器可以装水&#xff0c;水量的大小由较短的那条…

云原生安全基础:Linux 文件权限管理详解

&#x1f525;「炎码工坊」技术弹药已装填&#xff01; 点击关注 → 解锁工业级干货【工具实测|项目避坑|源码燃烧指南】 在云原生环境中&#xff0c;Linux 文件权限管理是保障系统安全的核心技能之一。无论是容器化应用、微服务架构还是基础设施即代码&#xff08;IaC&#xf…

TypeScript 中的字面量类型(Literal Types)

在 TypeScript 中&#xff0c;字面量类型&#xff08;Literal Types&#xff09;是一种特殊的类型&#xff0c;它允许你将变量的类型限制为某个具体的值&#xff08;如特定的字符串、数字或布尔值&#xff09;&#xff0c;而不仅仅是宽泛的类型&#xff08;如 string、number&a…

晶台光耦在手机PD快充上的应用

光耦&#xff08;光电隔离器&#xff09;作为关键电子元件&#xff0c;在手机PD快充中扮演信号隔离与传输的“安全卫士”。其通过光信号实现电气隔离&#xff0c;保护手机电路免受高电压损害&#xff0c;同时支持实时信号反馈&#xff0c;优化充电效率。 晶台品牌推出KL817、KL…

python学习打卡day43

DAY 43 复习日 作业&#xff1a; kaggle找到一个图像数据集&#xff0c;用cnn网络进行训练并且用grad-cam做可视化 浙大疏锦行 数据集使用猫狗数据集&#xff0c;训练集中包含猫图像4000张、狗图像4005张。测试集包含猫图像1012张&#xff0c;狗图像1013张。以下是数据集的下…

大数据与数据分析【数据分析全栈攻略:爬虫+处理+可视化+报告】

- 第 100 篇 - Date: 2025 - 05 - 25 Author: 郑龙浩/仟墨 大数据与数据分析 文章目录 大数据与数据分析一 大数据是什么&#xff1f;1 定义2 大数据的来源3 大数据4个方面的典型特征&#xff08;4V&#xff09;4 大数据的应用领域5 数据分析工具6 数据是五种生产要素之一 二 …

uniapp 开发企业微信小程序,如何区别生产环境和测试环境?来处理不同的服务请求

在 uniapp 开发企业微信小程序时&#xff0c;区分生产环境和测试环境是常见需求。以下是几种可靠的方法&#xff0c;帮助你根据环境处理不同的服务请求&#xff1a; 一、通过条件编译区分&#xff08;推荐&#xff09; 使用 uniapp 的 条件编译 语法&#xff0c;在代码中标记…

青少年编程与数学 02-020 C#程序设计基础 15课题、异常处理

青少年编程与数学 02-020 C#程序设计基础 15课题、异常处理 一、异常1. 异常的分类2. 异常的作用小结 二、异常处理1. 异常处理的定义2. 异常处理的主要组成部分3. 异常处理的作用小结 三、C#异常处理1. 异常的基本概念2. 异常处理的关键字3. 异常处理的流程4. 自定义异常5. 异…

云原生时代 Kafka 深度实践:05性能调优与场景实战

5.1 性能调优全攻略 Producer调优 批量发送与延迟发送 通过调整batch.size和linger.ms参数提升吞吐量&#xff1a; props.put(ProducerConfig.BATCH_SIZE_CONFIG, 16384); // 默认16KB props.put(ProducerConfig.LINGER_MS_CONFIG, 10); // 等待10ms以积累更多消息ba…

在 Dify 项目中的 Celery:异步任务的实现与集成

Celery 是一个强大而灵活的分布式任务队列系统&#xff0c;旨在帮助应用程序在后台异步运行耗时的任务&#xff0c;提高系统的响应速度和性能。在 Dify 项目中&#xff0c;Celery 被广泛用于处理异步任务和定时任务&#xff0c;并与其他工具&#xff08;如 Sentry、OpenTelemet…