头歌 · NoSQL系列课程 · Neo4J / MongoDB 实验

这篇具有很好参考价值的文章主要介绍了头歌 · NoSQL系列课程 · Neo4J / MongoDB 实验。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

科研部建设中,覆盖歌云端实验平台对于Neoj4、MongoDB 的实验项目

目录

目录

​编辑

Neo4j  实验一、二

MonGoDB实验三、四

实验五六、redis


  文章来源地址https://www.toymoban.com/news/detail-729970.html

Neo4j  实验一、二

//NoSQL专项


1. 第1关:创建第一个Neo4j数据库节点
      CREATE (
       TomC:Person 
       {
         name:'Tom Cruise', 
         born:1962
       }
     )



2. 第2关:一次创建多个演员节点
   UNWIND [
        {name:'Tom Hanks',born:1956}, 
        {name:'Keanu Reeves',born:1964},
        {name:'Tom Cruise',born:1962}
    ] AS row

    CREATE (p:Person) 
    SET p.name=row.name, p.born=row.born 



3. 第3关:一次创建多个电影节点
UNWIND [
    {title:"You've Got Mail",       released:1998,tagline:'At odds in life... in love on-line.'}, 
    {title:'Sleepless in Seattle',  released:1993,tagline:'What if someone you never met, someone you never saw, someone you never knew was the only someone for you?'}, 
    {title:'The Da Vinci Code',     released:2006,tagline:'Break The Codes'}
] AS row
CREATE (m:Movie) SET m.title=row.title, m.released=row.released , m.tagline=row.tagline 




4. 第4关:查找所有标签为Person的节点
    MATCH (n:Person) 
    RETURN n

5. 第5关:查找名字为Tom Cruise的节点
    MATCH (n) 
    WHERE n.name = 'Tom Cruise' 
    RETURN n


6. 第6关:查找数据库中发行年在1990与2000之间的电影
    MATCH (n:Movie) 
    WHERE n.released > 1900 and n.released <2000
    RETURN n
查找数据库中发行年在1990与2000之间的电影。


7. 第7关:修改节点的属性
    MATCH(n)
    WHEREID(n)= 116  
    SET n.age = 40
    RETURN n
在数据库中查找   ID为116    的节点,修改或新建age属性,并赋值为40。
    MATCH(n)
    WHERE name(n)= 'Tom Cruise' 
    SET n.gender = 'male'
    SET n.roles = 'Forrest Gump' 
修改   名字为Tom Cruise的节点    的gender属性为male,roles属性为Forrest Gump。
    MATCH(n)
    WHERE n.name= 'Tom Cruise' 
    SET n.gender = 'male'
    SET n.roles = 'Forrest Gump' 


8. 第8关:为节点增加标签
    MATCH (n) 
    WHERE ID(n)= 116  
    SET n : Actor 
    RETURN n
在数据库中查找ID为116的节点,为节点n增加Actor标签。
    MATCH (n) 
    WHERE n.name = 'Tom Cruise'
    SET n : Actor 
为Tom Cruise节点增加标签Actor。




9. 第9关:删除节点属性
    MATCH (yyds{name:’Tiger’}) 
    REMOVE yyds.age 
    return yyds
在数据库中查找name为Tiger的节点,删除其age属性。
    MATCH (t) 
    where t.name = 'Tom Cruise'
    REMOVE t.gender
删除Tom Cruise节点的gender属性。





10. 第10关:删除节点标签
    MATCH (n)
    WHERE ID(n)= 116  
    REMOVE n : Actor
    RETURN n
在数据库中查找ID为116的节点,删除节点n的Actor标签。
    MATCH (n)
    WHERE n.name = 'Tom Cruise' 
    REMOVE n : Actor
删除Tom Cruise节点的Actor标签。









1. 第1关:增加节点与联系
    CREATE  
        (<node1>:<label1>)-
            [<relationship1>:<relationship-label>]->
        (<node2>:<label2>)
    RETURN <relationship>
功能:创建一个新节点node1,node2,并在两个节点间建立联系relationship1。
    CREATE
     (fb1:Student{name:"Tom"})-
        [like:LIKES]->
    (fb2:Student{name:"Jerry"})
在数据库中创建名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点,并在Tom和Jerry两个节点之间建立了联系,该联系的标签为LIKES。
    CREATE
     (fb1:Person{name:"Tom Hanks",born:1956})-
        [like:ACTED_IN]->
    (fb2:Movie{title:'The Da Vinci Code', released:2006 , tagline:'Break The Codes'})
1)增加标签为Person的节点,其name值为Tom Hanks,born值为1956。
2)增加标签为Movie的节点,其title为'The Da Vinci Code', released值为2006, tagline为'Break The Codes'。
3)在这两个节点之间建立标签为ACTED_IN的联系。







2. 第2关:为已有节点增加联系
    MATCH  
        (<node1>:<label1>), (<node2>:<label2>)
    WHERE 
        <condition>
    CREATE 
        (node1)-[<relationship1>:<relationship-label>]->(node2)
功能:匹配节点node1,node2,并在两个节点间建立联系relationship1。
    MATCH
        (fb1:Student{name:"Tom"}),(fb2:Student{name:"Jerry"})
    CREATE 
        (fb1)-[like:LIKES]->(fb2)
在数据库中查找名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点,并在Tom和Jerry两个节点之间建立了联系,该联系的标签为LIKES。
    MATCH
        (fb1:Person{name:"Tom Hanks"}),(fb2:Movie{title:'The Da Vinci Code'})
    CREATE 
        (fb1)-[like:ACTED_IN]->(fb2)
1)查找标签为Person的节点,其name值为Tom Hanks。
2)查找标签为Movie的节点,其title为'The Da Vinci Code'。
3)在这两个节点之间建立标签为ACTED_IN的联系。








3. 第3关:查找节点间联系
    MATCH  
    (<node1>:<label1>)-
        [<relationship1>:<relationship-label>]->
    (<node2>:<label2>)
    WHERE <condition>
    RETURN node1,node2,relationship1
功能:先匹配节点node1,node2及联系relationship1,然后返回node1,node2,relationship1。
示例如下:
    MATCH
        (fb1:Student{name:"Tom"})-
            [like:LIKES]->
        (fb2:Student{name:"Jerry"})
     RETURN fb1,fb2,like;
在数据库中查找名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点
以及Tom和Jerry两个节点之间的联系like,然后返回节点及联系
    MATCH
        (fb1:Person{})-
            [r:ACTED_IN]->
        (fb2:Movie{})
    where fb1.name = "Tom Hanks"
    RETURN r;
1)匹配标签为Person的节点,其name值为Tom Hanks。
2)匹配标签为Movie的节点。
3)返回符合条件节点之间标签为ACTED_IN的联系。


4. 第4关:删除节点间联系
    MATCH 
        (fb1:Student{name:"Tom"})- 
            [r:LIKES]-> 
        (fb2:Student{name:"Jerry"}) 
    DELETE r;
在数据库中查找名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点,以及Tom和Jerry两个节点之间的联系like,然后删除该联系。
    MATCH 
        (fb1:Person{name:"Tom Hanks"})- 
            [r:ACTED_IN]-> 
        (fb2:Movie{title:'The Da Vinci Code'}) 
    DELETE r;
请使用MATCH-CREATE语句,
1)查找标签为Person的节点,其name值为Tom Hanks。
2)查找标签为Movie的节点,其title为'The Da Vinci Code'。
3)删除这两个节点之间标签为ACTED_IN的联系。




5. 第5关:为联系增加属性
    MATCH  
       (<node1>:<label1>), (<node2>:<label2>)
    WHERE <condition>
    CREATE (node1)-[<relationship1>:<relationship-label>
      {property1:value1},
      ...
      {propertyn:valuen}]->
      (node2)
功能:匹配节点node1,node2,并在两个节点间建立联系relationship1。
    MATCH
        (fb1:Student{name:"Tom"}),(fb2:Student{name:"Jerry"})
     CREATE 
        (fb1)-
            [like:LIKES{startdate:'2000-1-1'}]->
        (fb2)
在数据库中查找名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点
并在Tom和Jerry两个节点之间建立了联系,该联系的标签为LIKES,开始时间是2000-1-1。
    MATCH
        (fb1:Person{name:"Tom Hanks"}),(fb2:Movie{title:'The Da Vinci Code'})
     CREATE 
        (fb1)-
            [r1:ACTED_IN{roles:['Dr. Robert Langdon']}]->
        (fb2)
请使用MATCH-CREATE语句,
1)查找标签为Person的节点,其name值为Tom Hanks。
2)查找标签为Movie的节点,其title为'The Da Vinci Code'。
3)在这两个节点之间建立标签为ACTED_IN的联系,联系属性是roles:['Dr. Robert Langdon']。







6. 第6关:修改联系属性
    MATCH  
       (<node1>:<label1>)-[<r>:<relationship-label>]->(<node2>:<label2>)
    WHERE <condition>
    SET r.property1 = value1,
      ...
      r.propertyn = valuen;
功能:匹配节点node1,node2及联系r,并未联系r设置一组属性及值
    MATCH
        (fb1:Student{name:"Tom"})-
            [r1:LIKES]->
        (fb2:Student{name:"Jerry"})
    SET
      r1.startdate = '2000-1-1'
在数据库中查找名称为Tom标签是Student的节点、名称为Jerry标签是Student的节点及联系like
该联系的标签为LIKES,设置like联系的属性开始时间是2000-1-1。
    MATCH
        (fb1:Person{name:"Tom Hanks"})-
            [r1:ACTED_IN]->
        (fb2:Movie{title:'The Da Vinci Code'})
    SET
      r1.roles = ['Dr. Robert Langdon']
1)查找标签为Person的节点,其name值为Tom Hanks。
2)查找标签为Movie的节点,其title为'The Da Vinci Code'。
3)查找两个节点之间标签为ACTED_IN的联系。
4)设置联系属性roles的值为['Dr. Robert Langdon']。




7. 第7关:删除联系属性
示例如下:
    MATCH
        (fb1:Student{name:"Tom"})-
            [like:LIKES]->
        (fb2:Student{name:"Jerry"})
    REMOVE
        like.startdate 
在数据库中查找名称为Tom标签是Student的节点、
名称为Jerry标签是Student的节点及联系like,
该联系的标签为LIKES,删除like联系的属性开始时间。
题目要求
    MATCH
        (fb1:Person{name:"Tom Hanks"})-
            [r1:ACTED_IN]->
        (fb2:Movie{title:'The Da Vinci Code'})
    REMOVE
        r1.roles
请使用MATCH-CREATE语句,
1)查找标签为Person的节点,其name值为Tom Hanks。
2)查找标签为Movie的节点,其title为'The Da Vinci Code'。
3)查找两个节点之间标签为ACTED_IN的联系。
4)删除联系属性roles。



8. 第8关:查找节点的邻接节点
查找联系的一般语法如下:
    MATCH  
       (<node1>:<label1>)-[<relationship1>:<relationship-label>]->(<node2>:<label2>)
    WHERE <condition>
    RETURN node1,node2
功能:先匹配节点node1,node2及联系relationship1,然后返回node1,node2。
node2即是node1的邻接节点。
示例如下:
    MATCH
    (fb1:Person{name:"Tom Hanks"})
        -[s:Study]->
    (fb2:Database)
    RETURN fb2;
在数据库中查找名称为Tom、标签是Student的节点,再查找Tom所学的数据库课程
    MATCH
        (n:Person{name:"Tom Hanks"})
            -[r1:ACTED_IN]->
        (m:Movie)
    RETURN m.title,r1.roles
    order by m.title
    limit 10
查询Tom Hanks参演过电影
返回电影title、及其角色roles
并按照title排序
最终结果返回前10个




9. 查找节点的共同邻接节点
    MATCH
        (fb1:Student{name:"Tom"})
            -[s:Study]->
                (r1:Database{name:"Neo4j"})
            <-[s:Study]-
        (fb2:Student)
     RETURN fb1,r1,fb2;
在数据库中查找名称为Tom、标签是Student的节点
再查找与Tom一起学习neo4j的学生。
    MATCH
        (fb1:Person{name:"Tom Hanks"})
            -[s1:ACTED_IN]->
                (m:Movie{})
            <-[r2:ACTED_IN]-
        (fb2:Person)
     RETURN m.title , fb2.name , r2.roles
     order by m.title , fb2.name
     limit 10
查询和Tom Hanks共同参演过电影的演员
返回电影title、共同参演的演员name及其角色roles
并按照title,name排序,最终结果返回前10个



10. 最短路径
    MATCH
        p=shortestPath(
            (fb1:Student{name:"Tom"})
                -[*1..4]-
            (fb2:Student{name:"Jerry"})
        )
    RETURN p;
在数据库中查找Tom和Jerry之间的最短路径。
    MATCH
        P=shortestPath(
            (fb1:Person{name:"Tom Hanks"})
                -[*1..4]-
            (fb2:Person{name:"Tom Cruise"})
        )
    RETURN P;
1)查询Tom Hanks和Tom Cruise之间5步之内的最短路径。









MonGoDB实验三、四



第1关:数据库创建
    创建或切换  use Testdb
    删除        db.dropDatabase()
    插入        db.Testdb.insert({_id:1,name:"王小明"})
在命令行操作
mongo
use mydb
db.mydb.insert({_id:1,name:"李小红"})







第2关:创建集合
先进入指定数据库,在 Testdb 数据库中创建创建固定集合 test ,整个集合空间大小512000KB,文档最大个数为1000个
    use Testdb
    db.createCollection("test", { capped : true, autoIndexId : true, size : 512000, max : 1000 } )
创建集合命令(推荐):db.集合名.insert()
(注意:一条数据用大括号“ {} ”括起来,多条数据用“ [] ”将所有数据括起来)
    db.mytest2.insert([{"name" : "王小明","sex":"男"},{"name" : "李小红","sex":"女"}])
MongoDB 中存储的文档 必须 有一个_id键
查询集合命令:db.集合名.find()
删除集合命令:db.集合名.drop()
创建数据库 Testdb2,创建集合 t_stu ,内容如图3所示
    mongo
    use Testdb2
    db.createCollection("t_stu", { capped : true, autoIndexId : true, size : 512000, max : 1000 } )    
    db.testdb2.insert([
        {"_id" :1,"name" : "小明","sex":"男","hobbies":["乒乓球","羽毛球"]},
        {"_id" :2,"name" : "小红","sex":"女","hobbies":["画画","唱歌"]}
    ])






第3关:文档操作一
插入文档命令:db.集合名.insert(文档)
数据定义为一个变量,之后再插入
    document=({_id:1,
        name: '王小明',
        sex: '男',
        hobbies: ['乒乓球','羽毛球'],
        birthday: '1996-02-14'
    });
    db.person.insert(document)  
update方法    
    db.person2.update({birthday:"1996-02-14"},{$set:{birthday:"1996"}})
.find(). pretty() 可以保持整齐格式输出

save方法
    db.person3.save({
        "_id" :1,
        "name" : "李小红",
        "sex" : "女",
        "hobbies" : [
                "画画",
                "唱歌",
                "跳舞"
        ],
        "birthday" : "1996-06-14"
    })
如果 save() 法也指定了_id,则对文档进行更新;
未指定_id则会执行插入功能,MongoDB 默认自动生成一个不重复的_id
    update() 方法仅适用于修改某条数据中的某个键值;
    save() 方法适用于修改整条数据。


mongo
use Testdb3 
    document=({
        _id:1,
        name: '张小华',
        sex: '男',
        phone: '12356986594',
        hobbies: [
                "打篮球",
                "踢足球",
                "唱歌"
        ]
    });
    db.stu1.insert(document)  
    db.stu2.insert(document)  
    db.stu3.insert(document)  

db.stu2.update({phone:"12356986594"},{$set:{phone:"18356971462"}})

    db.stu3.save({
        _id:1,
        name: '张晓晓',
        sex: '女',
        phone: '12365498704',
        hobbies: [
                "跳舞",
                "羽毛球",
                "唱歌"
        ]
    });



第4关:文档操作二
db.集合名称.find().pretty()
操作 	格式 	                        范例 	                                    关系数据库中类似的语句
等于 	{<key>:<value>} 	            db.stu1.find({"name":"李小红"}).pretty() 	where name = '李小红'
小于 	{<key>:{$lt:<value>}} 	        db.stu1.find({"age":{$lt:18}}).pretty() 	where age < 18
小于等于{<key>:{$lte:<value>}} 	        db.stu1.find({"age":{$lte:18}}).pretty() 	where age <= 18
大于 	{<key>:{$gt:<value>}} 	        db.stu1.find({"age":{$gt:18}}).pretty() 	where age > 18
大于等于{<key>:{$gte:<value>}} 	        db.stu1.find({"age":{$gte:18}}).pretty() 	where age >= 18
不等于 	{<key>:{$ne:<value>}} 	        db.stu1.find({"age":{$ne:18}}).pretty() 	where age != 18

and      db.stu1.find({"age":20, "sex":"男"}).pretty()
删除指定的数据                          db.stu1.remove({'age':20})
删除全部数据但是保留集合                 db.remove({})

定义多个数据
    document=([{
        name:'张小华',
        sex:'男',
        age:20,
        phone:'12356986594',
        hobbies:['打篮球','踢足球','唱歌']
    },{
        name:'李小红',
        sex:'女',
        age:18,
        phone:'12355487536',
        hobbies:['跳舞','唱歌']
    }])
插入集合    db.stu1.insert(document)


测试开始  放入echo内

echo "
document=([{
        _id:1,
        name:'西西',
        sex:'女',
        age:23,
        national:'汉族'
    },{
        _id:2,
        name:'东东',
        sex:'男',
        age:20,
        national:'苗族'
    },{
        _id:3,
        name:'北北',
        sex:'男',
        age:19,
        national:'汉族'
    },{
        _id:4,
        name:'南南',
        sex:'女',
        age:15,
        national:'傣族'
    }]);
db.stu1.insert(document);
db.stu2.insert(document);



db.stu1.find({'age':{\$gte:15},'sex':'女'});
db.stu1.find({'national':'苗族'});
db.stu1.find({'age':{\$lt:20},'sex':'男'});
db.stu2.remove({});

"
上述操作共有六条命令,请按要求填入右侧代码栏 Begin-End 中
每条命令以英文分号“ ;”号隔开
(由于测试需要,请在“ $ ” 前加 “ \ ” (转义符))。





第1关:数据的导入导出

导入数据
    mongoimport -d Testdb1 -c score --type csv --headerline --ignoreBlanks --file test.csv
-d Testdb1 :指定将数据导入到 Testdb1 数据库;
-c score :将数据导入到集合 score ,如果这个集合之前不存在,会自动创建一个
    (如果省略 --collection 这个参数,那么会自动新建一个以  CSV 文件名为名的集合);
--type csv :文件类型,这里是 CSV;
--headerline :这个参数很重要,加上这个参数后创建完成后的内容会以 CSV 文件第一行的内容为字段名
    (导入json文件不需要这个参数)
--ignoreBlanks :这个参数可以忽略掉 CSV 文件中的空缺值(导入json文件不需要这个参数);
--file 1.csv :这里就是 CSV 文件的路径了,需要使用绝对路径

导出数据
    mongoimport -d Testdb1 -c score --type csv --headerline --ignoreBlanks --file test.csv
    -d Testdb1 :指定将数据导入到 Testdb1 数据库;
    -c score :将数据导入到集合 score ,如果这个集合之前不存在,会自动创建一个
(如果省略 --collection 这个参数,那么会自动新建一个以  CSV 文件名为名的集合);
    --type csv :文件类型,这里是 CSV;
    --headerline :这个参数很重要,加上这个参数后创建完成后的内容会以 CSV 文件第一行的内容为字段名
(导入json文件不需要这个参数)
    --ignoreBlanks :这个参数可以忽略掉 CSV 文件中的空缺值(导入json文件不需要这个参数);
    --file 1.csv :这里就是 CSV 文件的路径了,需要使用绝对路径。

导出 json 格式文件:
        mongoexport -d Testdb1 -c score -o /file.json --type json
        -o /file.json :输出的文件路径/(根目录下)和文件名;
        --type json :输出的格式,默认为 json。

导出 csv 格式的文件:
        mongoexport -d Testdb1 -c score -o /file.json --type csv -f "_id,name,age,sex,major"
        -f :当输出格式为 csv 时,需要指定输出的字段名。



    將 /home/example 路径下的文件 student.csv 导入到数据库 mydb1 的 test 集合中;
mongoimport -d mydb1 -c test --type csv --headerline --ignoreBlanks --file /home/example/student.csv

    将数据库 mydb1 的 test 集合以 json 格式导出到 /home/test1.json 的 json 文件中;
mongoexport -d mydb1 -c test -o /home/test1.json --type json

    将数据库 mydb1 的 test 集合以 csv 格式导出到 /home/test1.csv 的 CSV 文件中。
mongoexport -d mydb1 -c test -o /home/test1.csv --type csv -f "_id,name,age,sex,major"









第2关:高级查询(一)
匹配所有    db.hobbies.find({hobbies:{$all:["唱歌","羽毛球"]}})
判断存在    $exists
mod运算     db.hobbies.find({age:{$mod:[7,4]}})
包含        db.hobbies.find({age:{$in:[17,20]}})
不包含      db.hobbies.find({age:{$nin:[17,20]}})
长度查询    db.hobbies.find({hobbies:{$size:2}})
结果排序    db.collection.find().sort({_id:1})     #将查询结果按照_id升序排序
           db.collection.find().sort({_id:-1})    #将查询结果按照_id降序排序



将 /home/example/person.json 文件导入到数据库 mydb2 中的 test 集合中
mongoimport -d mydb2 -c test --type json --file /home/example/person.json  

执行查询命令,查找  所有喜欢唱歌和跳舞的人的信息,      并按照_id升序排序
执行查询命令,查找  所有喜欢羽毛球和跳舞的人的信息,    并按照_id升序排序
执行查询命令,查找  有3个爱好的人的信息,               并按照_id升序排序
执行查询命令,查找  文档中存在 hobbies 字段的人的信息, 并按照_id升序排序
执行查询命令,查找  19岁和23岁的人的信息,              并按照_id升序排序
执行查询命令,查找  不是20岁的人的信息,                并按照_id升序排序
执行查询命令,查找  age 取模9等于2的人的信息,          并按照_id升序排序

echo "
db.test.find({hobbies:{\$all:['唱歌','跳舞']}})          .sort({_id:1});
db.test.find({hobbies:{\$all:['羽毛球','跳舞']}})        .sort({_id:1});
db.test.find({hobbies:{\$size:3}})                      .sort({_id:1});
db.test.find({hobbies:{\$exists:true}})                 .sort({_id:1});
db.test.find({age:{\$in:[19,23]}})                      .sort({_id:1});
db.test.find({age:{\$nin:[20]}})                        .sort({_id:1});
db.test.find({age:{\$mod:[9,2]}})                       .sort({_id:1}); 
"








第3关:高级查询(二)
或查询    db.student.find({$or:[{sex:"男"},{age:18}]})db.student.find({$or:[{sex:"男"},{age:18}]})
且查询    db.student.find({$and:[{age:{$gt:18}},{age:{$lt:21}}]})
取反      db.student.find({age:{$not:{$gte:20}}})
匹配      db.student.find({major:{$not:/^计.*/}})
数数      db.student.find({major:{$not:/^计.*/}}).count()



将 /home/example/person.json 文件导入到数据库 mydb3 中的 test 集合中。
    执行查询命令,查找  年龄为20岁男生的信息            ,并按照_id升序排序
    执行查询命令,查找  年龄为20岁或者性别为男生的信息   ,并按照_id升序排序
    执行查询命令,查找  name = 韩*开头的人的信息        ,并按照_id升序排序
    执行查询命令,查找  年龄19 =< age < 22的人的信息    ,并按照_id升序排序
    执行查询命令,查找  年龄age < 19或age >21的信息     ,并按照_id升序排序
    执行查询命令,查找  name != 韩*开头的人的信息       ,并按照_id升序排序
    执行查询命令,查找  name != 韩*开头的人             的个数
    执行查询命令,查找  年龄19 =< age < 22的人          的个数


mongoimport -d mydb3 -c test --type json --file /home/example/person.json
echo "
db.test.find({\$and:[{age:20},{sex:'男'}]})                     .sort({_id:1}); 
db.test.find({\$or: [{age:20},{sex:'男'}]})                     .sort({_id:1});
db.test.find({name:/^韩.*/})                                    .sort({_id:1}); 
db.test.find({\$and:[{age:{\$gte:19}},{age:{\$lt:22}}]})        .sort({_id:1});
db.test.find({\$or: [{age:{\$lt:19}} ,{age:{\$gt:21}}]})        .sort({_id:1});
db.test.find({name:{\$not:/^韩.*/}})                            .sort({_id:1}); 
db.test.find({name:{\$not:/^韩.*/}})                            .count();
db.test.find({\$and:[{age:{\$gte:19}},{age:{\$lt:22}}]})        .count();
"







第4关:游标

使用循环插入数据
    for(var i=0;i<10000;i++)db.items.insert({_id:i,text:"Hello MongoDB"+i})
申明游标,ind 的查询结果(_id<=5)赋值给了游标 cursor 变量
    var cursor=db.items.find({_id:{$lte:5}})


mongo
use mydb4

for(var i=0;i<10000;i++)db.test.insert({_id:i,title:"MongoDB"+i,content:"hello"+i});
exit

mongoexport -d mydb4 -c test -f _id.title,content -o /home/test/test4.csv --type csv

实验五六、redis




【实验5】


1.聚合管道操作符将文档定制格式输出(一)
mongo
use test1

db.educoder.insert({_id:1,course:'Python表达式问题求解实训',author:'李暾',tags:['Python基础','求解'],learning_num:1882})
db.educoder.insert({_id:2,course:'Java语言之基本语法',author:'余跃',tags:['Java基础','语法'],learning_num:814})
db.educoder.insert({_id:3,course:'Python面向对象编程实训',author:'李暾',tags:['Python基础','面向对象'],learning_num:143})
db.educoder.insert({_id:4,course:'Android综合实训之物联网移动应用开发(1)',author:'prophet5',tags:['Android','物联网','移动开发'],learning_num:207})

db.educoder.aggregate({\$project:{_id:0,course:1,learning_num:1}});
db.educoder.aggregate({\$match:{learning_num:1882}});




2.聚合管道操作符将文档定制格式输出(二)?
use test2

db.educoder.insert({_id:1,course:'Python表达式问题求解实训',author:'李暾',tags:['Python基础','求解'],learning_num:1882}) 
db.educoder.insert({_id:2,course:'Java语言之基本语法',author:'余跃',tags:['Java基础','语法'],learning_num:814}) 
db.educoder.insert({_id:3,course:'Python面向对象编程实训',author:'李暾',tags:['Python基础','面向对象'],learning_num:143}) 
db.educoder.insert({_id:4,course:'Android综合实训之物联网移动应用开发(1)',author:'prophet5',tags:['Android','物联网','移动开发'],learning_num:207}) 

db.educoder.aggregate({\$limit:3});
db.educoder.aggregate({\$sort:{learning_num:1}});
db.educoder.aggregate({\$skip:2});




3.第3关:聚合表达式对文档数据进行统计
use test3
 
db.educoder.insert([
{_id:1,course:'Python表达式问题求解实训',author:'李暾',tags:['Python基础','求解'],learning_num:1882},
{_id:2,course:'Java语言之基本语法',author:'余跃',tags:['Java基础','语法'],learning_num:814},
{_id:3,course:'Python面向对象编程实训',author:'李暾',tags:['Python基础','面向对象'],learning_num:143},
{_id:4,course:'Android综合实训之物联网移动应用开发(1)',author:'prophet5',tags:['Android','物联网','移动开发'],learning_num:207}])
BulkWriteResult({
        "writeErrors" : [ ],
        "writeConcernErrors" : [ ],
        "nInserted" : 4,
        "nUpserted" : 0,
        "nMatched" : 0,
        "nModified" : 0,
        "nRemoved" : 0,
        "upserted" : [ ]
})

db.educoder.aggregate([{\$group:{_id:'\$author',first_course:{\$first:'\$course'}}}]);
db.educoder.aggregate([{\$group:{_id:'\$author',learning_avg:{\$avg:'\$learning_num'}}}]);
db.educoder.aggregate([{\$unwind:'\$tags'},{\$group:{_id:'\$tags',course_num:{\$sum:1}}}]);








【实验6】  redis-cli启动服务器

1.Redis中的数据结构

set hello redis

lpush educoder-list hello
rpush educoder-list educoder
rpush educoder-list bye
rpop educoder-list

sadd educoder-set c
sadd educoder-set python
sadd educoder-set redis
srem educoder-set c

hset educoder-hash python language
hset educoder-hash ruby language
hset educoder-hash redis database
hdel educoder-hash ruby

zadd educoder-zset 200 jack
zadd educoder-zset 400 rose
zadd educoder-zset 100 lee


2. 使用 Python 与 Redis 交互

import redis
pool= redis.ConnectionPool(host='localhost',port=6379,decode_responses=True)
r=redis.Redis(connection_pool=pool)

def write_redis():
    r.set("test1", "hello")
    r.set("test2", "Redis")


3. 字符串、列表与集合
import redis
conn = redis.Redis()

def task_empty():
    return int(conn.llen("task_list"))==0

def get_task():
    task = conn.rpop("task_list")
    conn.set("current_task",task)

def get_unallocated_staff():
    staff=conn.srandmember("unallocated_staff")
    conn.smove("unallocated_staff","allocated_staff",staff)
    return staff

def allocate_task(staff):
    conn.append("current_task",':'+str(staff))
    conn.lpush("task_queue",conn.get("current_task"))
    conn.set("current_task","None")


4. 哈希与有序集合
import redis
conn = redis.Redis()

def set_task_info(task_id):
    conn.hset("task_status",task_id,"init")

def add_task_to_queue(task_id, priority):
    conn.zadd("task_queue",task_id,int(priority))
    set_task_info(task_id)

def get_task():
    task_list_by_priority=conn.zrevrange('task_queue',0,-1)
    current_task=task_list_by_priority[0]
    conn.zrem('task_queue',current_task)
    conn.hset("task_status",current_task,"processing")
    return current_task

到了这里,关于头歌 · NoSQL系列课程 · Neo4J / MongoDB 实验的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Neo4j:入门基础(二)~ 数据导入Neo4J RDF导入neo4j数据库

    neo4j导入数据的方式有以下几种: Cypher create 语句,为每一条数据写一个create Cypher load csv 语句,将数据转成CSV格式,通过LOAD CSV读取数据。 neo4j-admin import导入 官方提供的Java API - BatchInserter 大牛编写的 batch-import 工具 neo4j-apoc load.csv + apoc.load.relationship 针对实际业务场景,定制

    2023年04月24日
    浏览(74)
  • 【neo4j】neo4j的安装与使用

    https://www.oracle.com/java/technologies/downloads/ 按照步骤安装即可 配置环境变量 在系统变量中添加 path变量中添加 https://neo4j.com/deployment-center/ 下载后,在指定位置解压缩 与java相同,也需要设置环境变量。 终端输入neo4j.bat console 成功

    2024年02月03日
    浏览(59)
  • Neo4j:入门基础(二)~ 数据导入Neo4J

    neo4j导入数据的方式有以下几种: Cypher create 语句,为每一条数据写一个create Cypher load csv 语句,将数据转成CSV格式,通过LOAD CSV读取数据。 neo4j-admin import导入 官方提供的Java API - BatchInserter 大牛编写的 batch-import 工具 neo4j-apoc load.csv + apoc.load.relationship 针对实际业务场景,定制

    2024年02月09日
    浏览(58)
  • vue+neo4j(neo4j desktop安装和使用)

    官网下载安装 官方下载链接:https://neo4j.com/download/ 下载后会跳转到 Activation Key 页面,已经自动生成好密钥,复制后,粘贴到 Neo4j Deskto 的 Software Keys 输入框内即可完成激活 官方安装使用手册 https://neo4j.com/developer/neo4j-desktop/ 软件主界面,默认附带一个 Example Project ,自带一个

    2024年02月14日
    浏览(44)
  • 【neo4j忘记密码】neo4j忘记密码的处理方法

    小伙伴们大家好,我是javaPope,因为最近想要构建知识图谱,突然想起自己还安装过neo4j,当我满怀欣喜启动以后却发现,忘记密码了,呜呜呜,然后,废话不多说,怎们直接上教程: 找到neo4j.config文件,路径如下(以自己为准): D:neo4jconfneo4j.conf 将 dbms.security.auth_enable

    2024年02月11日
    浏览(47)
  • Neo4j | 保姆级教学之如何清空neo4j数据库

    要清空neo4j数据库,需要进行以下操作: 停止Neo4j服务器,关闭Neo4j的所有连接。 找到 Neo4j 数据库存储的目录,通常是 data/databases/ 。 删除该目录中的所有文件和子目录。 请注意,这将不可逆地删除数据库的所有内容,包括节点、关系和属性等数据。在执行这个操作之前,请

    2024年02月06日
    浏览(53)
  • neo4j网页无法打开,启动一会儿后自动关闭,查看neo4j status显示Neo4j is not running.

    公司停电,服务器未能幸免,发现无法访问此网站,http://0.0.0.0:7474 在此之前都还好着 发现neo4j启动后几秒自动挂掉 查看neo4j的报错日志 得到以下内容(缩减版) 错误信息 “User limit of inotify watches reached” 表明系统达到了 Linux 内核对 inotify 监控事件的限制。inotify 是 Linux 内

    2024年04月11日
    浏览(49)
  • neo4j community用neo4j.bat命令启动时遇到的困难

    1. neo4j : 无法将“neo4j”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写,如果包括路径,请确保路径正确,然后再试一次 用powershell和cmd运行都报错,此时是neo4j环境变量未配置成功的问题,需要多次删除并新建NEO4J_HOME才有效; 2.无法加载文件 D:n

    2024年04月15日
    浏览(51)
  • NEO4J的基本使用以及桌面版NEO4J Desktop导入CSV文件

    因为我也刚接触知识图谱,就是小白,本篇博客相当于一些入门级的Cypher语句的举例,然后具体说明一下NEO4J Desktop导入CSV文件是怎么实现的,以及他的一些基本操作,适合刚接触的小伙伴。如果大家对于NEO4J的配置有疑问的话可以参考文章NEO4J桌面版的配置和连接Pycharm_neo4

    2024年01月23日
    浏览(44)
  • neo4j

    -- 创建节点语句 CREATE ( node-name:label-name { Property1-name:Property1-Value ........ Propertyn-name:Propertyn-Value } ); 其中的node-name 是节点名称 label-name 是标签名称 propert1-name是属性名称和property-value是属性值 例如 单节点单标签 create (p:Person{name:\\\"alicy\\\"}); create (p:Person{name:\\\"Tom\\\", sex:\\\"男\\\"});   单节点

    2024年02月05日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包