一： 下載
上MongoDB官網 ，我們發現有32bit和64bit，這個就要看你係統了，不過這裏有兩點注意：
①：根據業界規則，偶數爲“穩定版”（如：1.6.X，1.8.X），奇數爲“開發版”（如：1.7.X，1.9.X)，這兩個版本的區別相信大家都知道吧。
②：32bit的mongodb最大隻能存放2G的數據，64bit就沒有限制。
我這裏就下載"2.0.2版本，32bit“，ok，下載之後我就放到”E盤“，改下文件夾名字爲”mongodb“。
二：啓動
①：啓動之前，我們要給mongodb指定一個文件夾，這裏取名爲”db",用來存放mongodb的數據。（放到安裝目錄下最好）
進入命令行：進到mongodb的安裝目錄
輸入 mongod --dbpath=mongodb安裝目錄中的db目錄（剛纔自己建立的那個）
三：最後要看下是否開啓成功，mongodb採用27017端口，那麼我們就在瀏覽器裏面鍵入“http://localhost:27017/”，
打開後，mongodb告訴我們在27017上Add
1000可以用http模式查看mongodb的管理信息。
——————————————————————————————————————————————————————————————————————————————
mongodb基本操作
——————————————————————————————————————————————————————————————————————————
客戶端登陸：命令行中進入mongodb的安裝目錄
輸入 mongo
默認登陸到test數據庫
插入操作：db.person.insert({"name":"jack","age":20})
db.person.insert({"name":"joe","age":25})
查找操作
我們將數據插入後，肯定是要find出來，不然插了也白插，這裏要注意兩點：
① “_id"：
這個字段是數據庫默認給我們加的GUID，目的就是保證數據的唯一性。
② 嚴格的按照Bson的形式書寫文檔，不過也沒關係，錯誤提示還是很強大的。
db.person.find（{"name"："joe"}）查單個
db.person.find（）查所有
更新操作：
update方法的第一個參數爲“查找的條件”，第二個參數爲“更新的值”，學過C#，相信還是很好理解的。
db.person.update({"name":"joe"},{"name":"joe","age":30})
刪除操作：
remove中如果不帶參數將刪除所有數據，呵呵，很危險的操作，在mongodb中是一個不可撤回的操作，三思而後行。
db.person.remove({"name":"joe"})刪除這個
db.person.remove()刪除所有
***************************************************************************************************************************************************************************************
細說增刪查改
**********************************************************************************************************************************************************************************
看過上一篇，相信大家都會知道如何開啓mongodb了，這篇就細說下其中的增刪查改，首先當我們用上一篇同樣的方式打開mongodb，突然
傻眼了，擦，竟然開啓不了，仔細觀察“劃線區域“的信息，發現db文件夾下有一個類似的”lock
file”阻止了mongodb的開啓，接下來我們要做的就
是幹掉它，之後，開啓成功，關於mongodb的管理方式將在後續文章分享。
一： Insert操作
上一篇也說過,文檔是採用“K-V”格式存儲的，如果大家對JSON比較熟悉的話，我相信學mongodb是手到擒來，我們知道JSON裏面Value
可能是“字符串”，可能是“數組”，又有可能是內嵌的一個JSON對象，相同的方式也適合於BSON。
常見的插入操作也就兩種形式存在：“單條插入”和“批量插入”。
①
單條插入
先前也說了，mongo命令打開的是一個javascript
shell。所以js的語法在這裏面都行得通，看起來是不是很牛X。
打開命令行：鏈接客戶端
var
single={"name":"jack","password":"12345","age":20,"address":{"province":"anhui","city":"hefei"},"favourite":["apple",banana]}
db.user.insert(single)
single.name="joe"
single.age=25
single.address={"province":"jiangsu","city":"nanjiang"}
single.favourite=["money","mm"]
db.user.insert(single)
查看
db.user.find（）
出來剛纔添加的兩個
② 批量插入
這玩意跟“單條插入”的差異相信大家應該知道，由於mongodb中沒有提供給shell的“批量插入方法”，沒關係，各個語言的driver都打通
了跟mongodb內部的批量插入方法，因爲該方法是不可或缺的，如果大家非要模擬下批量插入的話，可以自己寫了for循環，裏面就是insert。
二：Find操作
日常開發中，我們玩查詢，玩的最多的也就是二類：
①：
>, >=, <, <=, !=, =。
②：And，OR，In，NotIn
這些操作在mongodb裏面都封裝好了，下面就一一介紹：
<1>"$gt", "$gte",
"$lt", "$lte", "$ne", "沒有特殊關鍵字"，這些跟上面是一一對應的，舉幾個例子。
db.user.find({"age":{$gt:22}})查出來大於22歲的
db.user.find({"age":{$lt:22}})查出來大於22歲的
<2> "無關鍵字“, "$or", "$in"，"$nin"
同樣我也是舉幾個例子
db.user.find($or:[{"address.province":"anhui"},{"address.province":"jiangsu"}])
db.user.find({address.province:{$in:'["anhui","guangdong"]}})
<3> 在mongodb中還有一個特殊的匹配，那就是“正則表達式”，這玩意威力很強的。
<4>
有時查詢很複雜，很蛋疼，不過沒關係，mongodb給我們祭出了大招，它就是$where，爲什麼這麼說，是因爲$where中的value
就是我們非常熟悉，非常熱愛的js來助我們一馬平川。
db.user.find({$where:function(){return
this.name=='jack'}})
三：Update操作
更新操作無非也就兩種，整體更新和局部更新，使用場合相信大家也清楚。
<1> 整體更新
不知道大家可還記得，我在上一篇使用update的時候，其實那種update是屬於整體更新。
var model
=db.user.findOne({"name":"jack"})
model.age=30
db.user.update({"name":"jack",model})更新了變量中國保存的model值
<2> 局部更新
有時候我們僅僅需要更新一個字段，而不是整體更新，那麼我們該如何做呢？easy的問題，mongodb中已經給我們提供了兩個
修改器： $inc 和 $set。
① $inc修改器
$inc也就是increase的縮寫，學過sql server
的同學應該很熟悉，比如我們做一個在線用戶狀態記錄，每次修改會在原有的基礎上
自增$inc指定的值，如果“文檔”中沒有此key，則會創建key，下面的例子一看就懂。
沒更新前是30
執行
db.user.update({"name":"jack"},{$inc:{"age":30}})年齡增加三十
更新後爲六十
② $set修改器
啥也不說了，直接上代碼
db.user.update({"name":"jack"},{$set:{"age":30}})更新完當前值成爲指定的值
<3> upsert操作
這個可是mongodb創造出來的“詞”，大家還記得update方法的第一次參數是“查詢條件”嗎？，那麼這個upsert操作就是說：如果我
沒有查到，我就在數據庫裏面新增一條，其實這樣也有好處，就是避免了我在數據庫裏面判斷是update還是add操作，使用起來很簡單
將update的第三個參數設爲true即可。
db.user.update({"name":"jackson"},{$inc:{"age":30}}，true)執行後數據庫中多了這條記錄
<4> 批量更新
在mongodb中如果匹配多條，默認的情況下只更新第一條，那麼如果我們有需求必須批量更新，那麼在mongodb中實現也是很簡單
的，在update的第四個參數中設爲true即可。例子就不舉了。
四: Remove操作
這個操作在上一篇簡單的說過，這裏就不贅述了。
*********************************************************************************************************************************************************************************************************
細說高級操作
**********************************************************************************************************************************************************************************************************
今天跟大家分享一下mongodb中比較好玩的知識，主要包括：聚合，遊標。
一： 聚合
常見的聚合操作跟sql server一樣，有：count，distinct，group，mapReduce。
<1> count
count是最簡單，最容易，也是最常用的聚合工具，它的使用跟我們C#裏面的count使用簡直一模一樣。
db.person.find()結果爲全部數據
db.person.count()結果爲全部數據的長度
db.person.count({"age":20})結果爲年齡是20歲的人數
<2> distinct
這個操作相信大家也是非常熟悉的，指定了誰，誰就不能重複，直接上圖。
db.person.find()結果爲全部數據
db.person.distinct("age")數據爲全部的數據的單條記錄（一個記錄只有一條記錄）
<3> group
在mongodb裏面做group操作有點小複雜，不過大家對sql server裏面的group比較熟悉的話還是一眼
能看的明白的，其實group操作本質上形成了一種“k-v”模型，就像C#中的Dictionary，好，有了這種思維，
我們來看看如何使用group。
下面舉的例子就是按照age進行group操作，value爲對應age的姓名。下面對這些參數介紹一下：
key：
這個就是分組的key，我們這裏是對年齡分組。
initial:
每組都分享一個”初始化函數“，特別注意：是每一組，比如這個的age=20的value的list分享一個
initial函數，age=22同樣也分享一個initial函數。
$reduce: 這個函數的第一個參數是當前的文檔對象，第二個參數是上一次function操作的累計對象，第一次
爲initial中的{”perosn“：[]}。有多少個文檔，
$reduce就會調用多少次。
效果圖參考：（百度雲盤）group圖片.png
看到上面的結果，是不是有點感覺，我們通過age查看到了相應的name人員，不過有時我們可能有如下的要求：
①：想過濾掉age>25一些人員。
②：有時person數組裏面的人員太多，我想加上一個count屬性標明一下。
針對上面的需求，在group裏面還是很好辦到的，因爲group有這麼兩個可選參數: condition 和
finalize。
condition:
這個就是過濾條件。
finalize:這是個函數，每一組文檔執行完後，多會觸發此方法，那麼在每組集合裏面加上count也就是它的活了。
效果圖參考：（百度雲盤）group圖片2.png
<4> mapReduce
這玩意算是聚合函數中最複雜的了，不過複雜也好，越複雜就越靈活。
mapReduce其實是一種編程模型，用在分佈式計算中，其中有一個“map”函數，一個”reduce“函數。
① map：
這個稱爲映射函數，裏面會調用emit(key,value)，集合會按照你指定的key進行映射分組。
② reduce：
這個稱爲簡化函數，會對map分組後的數據進行分組簡化，注意：在reduce(key,value)中的key就是
emit中的key，vlaue爲emit分組後的emit(value)的集合，這裏也就是很多{"count":1}的數組。
③ mapReduce:
這個就是最後執行的函數了，參數爲map，reduce和一些可選參數。具體看圖可知：
效果圖參考：（百度雲盤）group圖片3.png
從圖中我們可以看到如下信息：
result: "存放的集合名“；
input:傳入文檔的個數。
emit：此函數被調用的次數。
reduce：此函數被調用的次數。
output:最後返回文檔的個數。
最後我們看一下“collecton”集合裏面按姓名分組的情況。
效果圖參考：（百度雲盤）group圖片4.png
二：遊標
mongodb裏面的遊標有點類似我們說的C#裏面延遲執行，比如：
var
list=db.person.find();
針對這樣的操作，list其實並沒有獲取到person中的文檔，而是申明一個“查詢結構”，等我們需要的時候通過
for或者next()一次性加載過來，然後讓遊標逐行讀取，當我們枚舉完了之後，遊標銷燬，之後我們在通過list獲取時，
發現沒有數據返回了。
var list=db.person.find();
list.forEach(function(x){
print(x.name);
})
結果：
hxx
hxc
zjl
xx
直接輸入list沒有數據顯示
當然我們的“查詢構造”還可以搞的複雜點，比如分頁，排序都可以加進去。
var
single=db.person.find().sort({"name",1}).skip(2).limit(2);
那麼這樣的“查詢構造”可以在我們需要執行的時候執行，大大提高了不必要的花銷。
****************************************************************************************************************************************************************************************
索引操作
****************************************************************************************************************************************************************************************
今天分享下mongodb中關於索引的基本操作，我們日常做開發都避免不了要對程序進行性能優化，而程序的操作無非就是CURD，通常我們
又會花費50%的時間在R上面，因爲Read操作對用戶來說是非常敏感的，處理不好就會被人唾棄，呵呵。
從算法上來說有5種經典的查找，具體的可以參見我的算法速成系列，這其中就包括我們今天所說的“索引查找”，如果大家對sqlserver比較瞭解
的話，相信索引查找能給我們帶來什麼樣的性能提升吧。
我們首先插入10w數據，上圖說話
db.person.remove()
for(var i=0;i<10000;i++){
//(功能爲插入一萬條數據)
var rand=parseInt(i*Math.random());
db.person.insert({"name":"hxc"+i,"age":i})
}
一：性能分析函數（explain）
好了，數據已經插入成功，既然我們要做分析，肯定要有分析的工具，幸好mongodb中給我們提供了一個關鍵字叫做“explain",那麼怎麼用呢？
還是看圖，注意，這裏的name字段沒有建立任何索引，這裏我就查詢一個“name10000”的姓名。
db.person.find({"name":"hxc"+10000})查找到這個數據
db.person.find({"name":"hxc"+10000}).explain()
使用explain
結果
{
"coursor":"BasincCursor",
"nscanned":10000,
"nscannedObjets":10000,
"n":1,
"millis":114,
........
}
仔細看紅色區域，有幾個我們關心的key。
cursor:
這裏出現的是”BasicCursor",什麼意思呢，就是說這裏的查找採用的是“表掃描”，也就是順序查找，很悲催啊。
nscanned:
這裏是10w，也就是說數據庫瀏覽了10w個文檔，很恐怖吧，這樣玩的話讓人受不了啊。
n:
這裏是1，也就是最終返回了1個文檔。
millis:
這個就是我們最最最....關心的東西，總共耗時114毫秒。
二：建立索引（ensureIndex）
在10w條這麼簡單的集合中查找一個文檔要114毫秒有一點點讓人不能接收，好，那麼我們該如何優化呢？mongodb中給
我們帶來了索引查找，看看能不能讓我們的查詢一飛沖天.....
db.person.ensureIndex({"name":1})
//1表示按照name進行升序
db.person.find({"name":"hxc"+10000}).explan()//在此查看與這次查詢相關的參數
這裏我們使用了ensureIndex在name上建立了索引。”1“：表示按照name進行升序，”-1“：表示按照name進行降序。
我的神啊，再來看看這些敏感信息。
cursor:
這裏出現的是”BtreeCursor"，這麼牛X，mongodb採用B樹的結構來存放索引，索引名爲後面的“name_1"。
nscanned:
我擦，數據庫只瀏覽了一個文檔就OK了。
n:
直接定位返回。
millis:
看看這個時間真的不敢相信，秒秒殺。
通過這個例子相信大家對索引也有了感官方面的認識了吧。
三：唯一索引
和sqlserver一樣都可以建立唯一索引，重複的鍵值自然就不能插入，在mongodb中的使用方法是：
db.person.ensureIndex({"name":1},{"unique":true})。
！！！！！！！！！！再執行姓名相同的數據插入時就報錯
四：組合索引
有時候我們的查詢不是單條件的，可能是多條件，比如查找出生在‘1989-3-2’名字叫‘jack’的同學，那麼我們可以建立“姓名”和"生日“
的聯合索引來加速查詢。
db.person.ensureIndex({"name":1,"birthday":1})
命令行中執行這兩句語句 可以實現組合索引
db.person.ensoureIndex({"birthday":1,"name":1})
看到上圖，大家或者也知道name跟birthday的不同，建立的索引也不同，升序和降序的順序不同都會產生不同的索引，
那麼我們可以用getindexes來查看下person集合中到底生成了那些索引。
db.person.getIndexs()
此時我們肯定很好奇，到底查詢優化器會使用哪個查詢作爲操作，呵呵，還是看看效果圖
看完上圖我們要相信查詢優化器，它給我們做出的選擇往往是最優的，因爲我們做查詢時，查詢優化器會使用我們建立的這些索引來創建查詢方案，
如果某一個先執行完則其他查詢方案被close掉，這種方案會被mongodb保存起來，當然如果非要用自己指定的查詢方案，這也是
可以的，在mongodb中給我們提供了hint方法讓我們可以暴力執行。
後面的hint語句內是自己建立的索引
db.person.find({"birthday":"1989-3-2","name":"jack"}).hint({"birthday":1,"name":1}).explain()
五： 刪除索引
可能隨着業務需求的變化，原先建立的索引可能沒有存在的必要了，可能有的人想說沒必要就沒必要唄，但是請記住，索引會降低CUD這三
種操作的性能，因爲這玩意需要實時維護，所以啥問題都要綜合考慮一下，這裏就把剛纔建立的索引清空掉來演示一下:dropIndexes的使用。
db.person.dropIndexes("name_1")
db.person.dropIndexes("name_1_birthday_1")
db.person.dropIndexes("birthday_1_name_1")
db.person.getIndexes()
**************************************************************************************************************************************************************************************************
**************************************************************************************************************************************************************************************************
主從複製
我們知道sql
server能夠做到讀寫分離，雙機熱備份和集羣部署，當然mongodb也能做到，實際應用中我們不希望數據庫採用單點部署，
如果碰到數據庫宕機或者被毀滅性破壞那是多麼的糟糕。
2: 從上面的圖形中我們可以分析出這種架構有如下的好處：
<1> 數據備份。
<2> 數據恢復。
<3> 讀寫分離。
3：下面我們就一一實踐
實際應用中我們肯定是多服務器部署，限於自己懶的裝虛擬機，就在一臺機器上實踐了。
第一步：我們把mongodb文件夾放在D盤和E盤，模擬放在多服務器上。
第二步：啓動D盤上的mongodb，把該數據庫指定爲主數據庫，其實命令很簡單：>mongodb
--dbpath='XXX' --master，
端口還是默認的27017.
第三步：同樣的方式啓動E盤上的mongodb，指定該數據庫爲從屬數據庫，命令也很簡單，當然我們要換一個端口，比如：8888。
source
表示主數據庫的地址。
>mongod
--dbpath=xxxx --port=8888 --slave --source=127.0.0.1:27017
第四步：從圖中的紅色區域我們發現了一條：“applied 1
operations"這樣的語句，並且發生的時間相隔10s，也就說明從屬數據庫每10s
就向主數據庫同步數據，同步依據也就是尋找主數據庫的”OpLog“日誌，可以在圖中紅色區域內發現”sync_pullOpLog“字樣。
接下來我們要做的就是測試，驚訝的發現數據已經同步更新，爽啊。
4：
如果我還想增加一臺從屬數據庫，但是我不想在啓動時就指定，而是後期指定，那麼mongodb可否做的到呢？答案肯定是可以的。
我們的主或者從屬數據庫中都有一個叫做local的集合，主要是用於存放內部複製信息。
好，那麼我們就試一下，我在F盤再拷貝一份mongodb的運行程序，cmd窗口好多啊，大家不要搞亂了。
輸入 mongod --dpath=F:\mongodb\db --port
5555 --slave
看上面的log，提示沒有主數據庫，沒關係，某一天我們良心發現，給他後期補貼一下，哈哈，再開一個cmd窗口，語句也就是
在sources中add一個host地址，最後發現數據也同步到127.0.0.1:5555這臺從屬數據庫中....
命令行執行如下：
use local
db.sources.insert({"host":"ip地址：端口"})
5: 讀寫分離
這種手段在大一點的架構中都有實現，在mongodb中其實很簡單，在默認的情況下，從屬數據庫不支持數據的讀取，但是沒關係，
在驅動中給我們提供了一個叫做“slaveOkay"來讓我們可以顯示的讀取從屬數據庫來減輕主數據庫的性能壓力，這裏就不演示了。
二：副本集
這個也是很牛X的主從集羣，不過跟上面的集羣還是有兩點區別的。
<1>: 該集羣沒有特定的主數據庫。
<2>:
如果哪個主數據庫宕機了，集羣中就會推選出一個從屬數據庫作爲主數據庫頂上，這就具備了自動故障恢復功能，很牛X的啊。
好，我們現在就來試一下，首先把所有的cmd窗口關掉重新來，清掉db下的所有文件。
第一步: 既然我們要建立集羣，就得取個集羣名字，這裏就取我們的公司名shopex,
--replSet表示讓服務器知道集羣下還有其他數據庫，
這裏就把D盤裏面的mongodb程序打開，端口爲2222。指定端口爲3333是shopex集羣下的另一個數據庫服務器。
mongod --dpaht=d:mongodb\db --port 2222
--replSet 集羣名字/ip:端口
示例： mongod --dpaht=d:mongodb\db
--port 2222 --replSet shopex/127.0.0.1:3333
第二步:
既然上面說3333是另一個數據庫服務器，不要急，現在就來開，這裏把E盤的mongodb程序打開。
mongod --dpaht=e:mongodb\db --port 3333
--replSet shopex/127.0.0.1:2222
第三步：
ok，看看上面的日誌紅色區域，似乎我們還沒有做完，是的，log信息告訴我們要初始化一下“副本集“，既然日誌這麼說，那我也就
這麼做，隨便連接一下哪個服務器都行，不過一定要進入admin集合。
命令行：
mongo 127.0.0.1:2222/admin
db.runCommand({"replSetInitiate":{
"_id":"shopex",
"members":[{"_id":1,"host":"127.0.0.1:2222"}，{"_id":1,"host":"127.0.0.1:2222"}
]}})
第四步： 開啓成功後，我們要看看誰才能成爲主數據庫服務器，可以看到端口爲2222的已經成爲主數據庫服務器。
第五步：我們知道sql server裏面有一個叫做仲裁服務器，那麼mongodb中也是有的，跟sql
server一樣，仲裁只參與投票選舉，這裏我們
把F盤的mongodb作爲仲裁服務器，然後指定shopex集羣中的任一個服務器端口，這裏就指定2222。
mongod --dpaht=f:mongodb\db --port 4444
--replSet shopex/127.0.0.1:2222
然後我們在admin集合中使用rs.addArb()追加即可。
命令行：
mongo 127.0.0.1:2222/admin
rs.addArd("127.0.0.1:4444")
追加好了之後，我們使用rs.status()來查看下集羣中的服務器狀態，圖中我們可以清楚的看到誰是主，還是從，還是仲裁。
不是說該集羣有自動故障恢復嗎？那麼我們就可以來試一下，在2222端口的cmd服務器按Ctrl+C來KO掉該服務器，立馬我們發現
在3333端口的從屬服務器即可頂上，最後大家也可以再次使用rs.status()來看下集羣中服務器的狀態。
********************************************************************************************************************************************************************************************************************************
********************************************************************************************************************************************************************************************************************************
在mongodb裏面存在另一種集羣，就是分片技術，跟sql
server的表分區類似，我們知道當數據量達到T級別的時候，我們的磁盤，內存
就喫不消了，針對這樣的場景我們該如何應對。
一：分片
mongodb採用將集合進行拆分，然後將拆分的數據均攤到幾個片上的一種解決方案。
下面我對這張圖解釋一下：
人臉：
代表客戶端，客戶端肯定說，你數據庫分片不分片跟我沒關係，我叫你幹啥就幹啥，沒什麼好商量的。
mongos：
首先我們要了解”片鍵“的概念，也就是說拆分集合的依據是什麼？按照什麼鍵值進行拆分集合....
好了，mongos就是一個路由服務器，它會根據管理員設置的“片鍵”將數據分攤到自己管理的mongod集羣，數據
和片的對應關係以及相應的配置信息保存在"config服務器"上。
mongod:
一個普通的數據庫實例，如果不分片的話，我們會直接連上mongod。
二： 實戰
首先我們準備4個mongodb程序，我這裏是均攤在C，D，E，F盤上，當然你也可以做多個文件夾的形式。
1：開啓config服務器
先前也說了，mongos要把mongod之間的配置放到config服務器裏面，理所當然首先開啓它，我這裏就建立2222端口。
mongod --dpath=c:\mongodb\bin --port
2222
2: 開啓mongos服務器
這裏要注意的是我們開啓的是mongos，不是mongod，同時指定下config服務器，這裏我就開啓D盤上的mongodb，端口3333。
mongos --port 3333
--configdb=127.0.0.1:2222
3：啓動mongod服務器
對分片來說，也就是要添加片了，這裏開啓E，F盤的mongodb，端口爲：4444，5555。
e盤： mongod --dpath=e:\mongodb\bin --port
4444
f盤： mongod --dpath=f:\mongodb\bin
--port 5555
4： 服務配置
哈哈，是不是很興奮，還差最後一點配置我們就可以大功告成。
<1>
先前圖中也可以看到，我們client直接跟mongos打交道，也就說明我們要連接mongos服務器，然後將4444，5555的mongod
交給mongos,添加分片也就是addshard()。
命令行：
mongo 127.0.0.1:3333/admin
db.runCommand({"addshard":"127.0.0.1:4444",allowLocal:true})
回車提示ok
db.runCommand({"addshard":"127.0.0.1:5555",allowLocal:true})
回車提示ok
<2>片已經集羣了，但是mongos不知道該如何切分數據，也就是我們先前所說的片鍵，在mongodb中設置片鍵要做兩步
①：開啓數據庫分片功能，命令很簡單
enablesharding(),這裏我就開啓test數據庫。
②：指定集合中分片的片鍵，這裏我就指定爲person.name字段。
根據以上的設置
db.runCommand({"enablesharding":"test"})
db.runCommand({"shardcollection":"test.person","key":{"name":1}})
5: 查看效果
好了，至此我們的分片操作全部結束，接下來我們通過mongos向mongodb插入10w記錄，然後通過printShardingStatus命令
查看mongodb的數據分片情況。
這裏主要看三點信息：
① shards：
我們清楚的看到已經別分爲兩個片了，shard0000和shard0001。
② databases:
這裏有個partitioned字段表示是否分區，這裏清楚的看到test已經分區。
③ chunks：
這個很有意思，我們發現集合被砍成四段：
無窮小 —— jack0，jack0
——jack234813，jack234813——jack9999，jack9999——無窮大。
分區情況爲：3：1，從後面的 on
shardXXXX也能看得出。