在docs命令中执行数据操作

MySQL数据库

先启动MySQL服务器  net start mysql

进入MySQL服务器MySQL -uroot -p（这里写你的数据库密码） （-P是从哪个端口进）

我第一次操作是就是因为电脑上 有 MySQL  MySQL57 MySQLla 三个服务 引起端口冲突

导致 我 找不到相应的数据

数据库操作

create database   创建数据库

show databases   显示MySQL服务上的数据库

use  数据库          使用数据库

数据表操作

create table  表名（）  创建数据表   

例如  create table  user(id int,name char,age int)  

desc   表名            获取表的结构

show tables          显示当前数据库中的 表

drop table  表名    删除数据表

rename  table 原表名 to 新表名   修改数据表的名称

表中数据操作

insert into userone (id,name) values (1,"bbb");   添加数据

select * from 表名;                                               查询数据表中的全部数据

select username from  userone;                         查询一列

select * from userone username="avc";              按条件查询  查询一条数据

update userone set password="qqq" where username="111";       更新某一条数据数据

delete from userone where username="111";      删除某一条数据

mongodb数据库

要使用mongodb数据库 首先要

安装 mongodb 数据库

npm install mongodb

启动mongodb服务

net start mongodb 

进入 mongodb数据库

mongo

show dbs          显示mongodb中的所有数据库

use 数据库名    创建数据库 

db.dropDatabase(数据库名字)    删除数据库 

db                     查看当前的数据库

db.createCollection("数据库名称")   创建集合

show tables/collections       显示集合

db.集合名称.drop()             删除集合

db.person.insert({"name":"gg","age":12});  插入数据】

db.person.save({"name":"aa","age":12})    插入数据    如果插入当前集合id值相同的  save  不会报错   而insert会报错

db.person.remove({内容})               删除数据

db.person.find()                              查询当前集合所有的数据

db.person.find({"age":{$lt:12}})       带符号的 查询      大于 $gt  小于 $lt   不等于$ne  

小于或等于$lte     大于或等于   $gte  

db.person.update({条件}，{内容}，true，false)     更新数据

带修改器的更新文档

   db.person.update({条件}，{$set:{内容},true,true})

第三个true 如果没有查询条件的数据  执行插入的操作

第四个 true 批量修改  false反之

$inc 用于数字类型 可以为指定键对应的值进行加减操作 

mongodb与mysql相比的优缺点

与关系型数据库相比，MongoDB的优点：

①弱一致性（最终一致），更能保证用户的访问速度：

举例来说，在传统的关系型数据库中，一个COUNT类型的操作会锁定数据集，这样可以保证得到“当前”情况下的精确值。这在某些情况下，例 如通过ATM查看账户信息的时候很重要，但对于Wordnik来说，数据是不断更新和增长的，这种“精确”的保证几乎没有任何意义，反而会产生很大的延 迟。他们需要的是一个“大约”的数字以及更快的处理速度。

②文档结构的存储方式，能够更便捷的获取数据。

对于一个层级式的数据结构来说，如果要将这样的数据使用扁平式的，表状的结构来保存数据，这无论是在查询还是获取数据时都十分困难。

③内置GridFS，支持大容量的存储。

  GridFS是一个出色的分布式文件系统，可以支持海量的数据存储。  内置了GridFS了MongoDB，能够满足对大数据集的快速范围查询。④内置Sharding。提供基于Range的Auto Sharding机制：一个collection可按照记录的范围，分成若干个段，切分到不同的Shard上。

⑤第三方支持丰富。(这是与其他的NoSQL相比，MongoDB也具有的优势)

现在网络上的很多NoSQL开源数据库完全属于社区型的，没有官方支持，给使用者带来了很大的风险。而开源文档数据库MongoDB背后有商业公司10gen为其提供供商业培训和支持。
而且MongoDB社区非常活跃，很多开发框架都迅速提供了对MongDB的支持。不少知名大公司和网站也在生产环境中使用MongoDB，越来越多的创新型企业转而使用MongoDB作为和Django，RoR来搭配的技术方案。

⑥性能优越：

在使用场合下，千万级别的文档对象，近10G的数据，对有索引的ID的查询不会比mysql慢，而对非索引字段的查询，则是全面胜出。 mysql实际无法胜任大数据量下任意字段的查询，而mongodb的查询性能实在让我惊讶。写入性能同样很令人满意，同样写入百万级别的数 据，mongodb比我以前试用过的couchdb要快得多，基本10分钟以下可以解决。补上一句，观察过程中mongodb都远算不上是CPU杀手。

与关系型数据库相比，MongoDB的缺点：

①mongodb不支持事务操作。  

所以事务要求严格的系统（如果银行系统）肯定不能用它。(这点和优点①是对应的)

②mongodb占用空间过大。

  关于其原因，在官方的FAQ中，提到有如下几个方面：
1、空间的预分配：为避免形成过多的硬盘碎片，mongodb每次空间不足时都会申请生成一大块的硬盘空间，而且申请的量从64M、128M、256M那 样的指数递增，直到2G为单个文件的最大体积。随着数据量的增加，你可以在其数据目录里看到这些整块生成容量不断递增的文件。

2、字段名所占用的空间：为了保持每个记录内的结构信息用于查询，mongodb需要把每个字段的key-value都以BSON的形式存储，如果 value域相对于key域并不大，比如存放数值型的数据，则数据的overhead是最大的。一种减少空间占用的方法是把字段名尽量取短一些，这样占用 空间就小了，但这就要求在易读性与空间占用上作为权衡了。我曾建议作者把字段名作个index，每个字段名用一个字节表示，这样就不用担心字段名取多长 了。但作者的担忧也不无道理，这种索引方式需要每次查询得到结果后把索引值跟原值作一个替换，再发送到客户端，这个替换也是挺耗费时间的。现在的实现算是 拿空间来换取时间吧。

3、删除记录不释放空间：这很容易理解，为避免记录删除后的数据的大规模挪动，原记录空间不删除，只标记“已删除”即可，以后还可以重复利用。

4、可以定期运行db.repairDatabase()来整理记录，但这个过程会比较缓慢

③MongoDB没有如MySQL那样成熟的维护工具，这对于开发和IT运营都是个值得注意的地方。

原文：http://www.cnblogs.com/calledspeed001/p/7100614.html