MongoDBのUbuntuへのインストールとシェルとPythonで動作確認

MongoDBをUbuntuにインストールしてシェルとPython(PyMongoパッケージ)で簡単な動作確認をしました。インストール方法は「Install MongoDB Community Edition on Ubuntu」を、「Getting Started」を参照しています。

環境

種類	バージョン	内容
OS	Ubuntu18.04.01 LTS	仮想で動かしています
MongoDB	4.2.0	2019年9月に最新
Python	3.6.8	Pyenvで動かしています

手順

1. インストール

.debパッケージを使ってインストールします。

1.1. MongoDBの公開鍵インポート

ターミナルからMongoDBの公開鍵をインポート。

wget -qO - https://www.mongodb.org/static/pgp/server-4.2.asc | sudo apt-key add -

1.2. MongoDBのリストファイル作成

echo "deb [ arch=amd64 ] https://repo.mongodb.org/apt/ubuntu bionic/mongodb-org/4.2 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-4.2.list

1.3. パッケージDBの再読込

sudo apt-get update

1.4. MongoDBインストール

sudo apt-get install -y mongodb-org

2. MongoDB起動

2.1. MongoDB起動

mongodを起動

sudo service mongod start

2.2. ログファイルから起動確認

sudo cat /var/log/mongodb/mongod.log

ログファイルを見て、起動できているかを確認します。起動できている場合はデフォルトポート27017でリクエストを待っている旨が最後に出力されます。

2019-09-09T17:09:45.872+0900 I NETWORK  [initandlisten] waiting for connections on port 27017

3. Mongo Shellで簡単に試す

mongodを起動した状態でmongo shellを試します。

3.1. Local MongoDBにデフォルトPortで接続

デフォルトポート27017でLocalのMongoDBに接続します。

mongo

DBの表示をします。testはデフォルトデータベースの名前です。

$ db
test

DB変更。今回は未登録のDBmyNewDatabaseを指定し、DB登録と変更を同時を行う。

$ use myNewDatabase
switched to db myNewDatabase

myNewDatabaseのテーブルmyCollenctionに対してインサート。

$ db.myCollection.insertOne( { x: 1 } );
{
    "acknowledged" : true,
    "insertedId" : ObjectId("5cb9166e0424b2e17c7ce5eb")
}

テーブルから値を取得するクエリ実行。

$ db.myCollection.find().pretty()
{ "_id" : ObjectId("5cb9166e0424b2e17c7ce5eb"), "x" : 1 }

4. mongo Shellを少し深く試す

もう少しだけmongo Shellを深く試します。
inventoryというDBを登録します。

$ use inventory
switched to db inventory

4.1. Insert

複数行を一括でInsert。

$ db.inventory.insertMany([
   // MongoDB adds the _id field with an ObjectId if _id is not present
   { item: "journal", qty: 25, status: "A",
       size: { h: 14, w: 21, uom: "cm" }, tags: [ "blank", "red" ] },
   { item: "notebook", qty: 50, status: "A",
       size: { h: 8.5, w: 11, uom: "in" }, tags: [ "red", "blank" ] },
   { item: "paper", qty: 100, status: "D",
       size: { h: 8.5, w: 11, uom: "in" }, tags: [ "red", "blank", "plain" ] },
   { item: "planner", qty: 75, status: "D",
       size: { h: 22.85, w: 30, uom: "cm" }, tags: [ "blank", "red" ] },
   { item: "postcard", qty: 45, status: "A",
       size: { h: 10, w: 15.25, uom: "cm" }, tags: [ "blue" ] }
]);

{
    "acknowledged" : true,
    "insertedIds" : [
        ObjectId("5cb9184d0424b2e17c7ce5ec"),
        ObjectId("5cb9184d0424b2e17c7ce5ed"),
        ObjectId("5cb9184d0424b2e17c7ce5ee"),
        ObjectId("5cb9184d0424b2e17c7ce5ef"),
        ObjectId("5cb9184d0424b2e17c7ce5f0")
    ]
}

4.2. クエリ

クエリ系。

4.2.1. 全取得

検索条件なしで全取得。

$ db.inventory.find( {} )

{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ec"), "item" : "journal", "qty" : 25, "status" : "A", "size" : { "h" : 14, "w" : 21, "uom" : "cm" }, "tags" : [ "blank", "red" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ed"), "item" : "notebook", "qty" : 50, "status" : "A", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ee"), "item" : "paper", "qty" : 100, "status" : "D", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank", "plain" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ef"), "item" : "planner", "qty" : 75, "status" : "D", "size" : { "h" : 22.85, "w" : 30, "uom" : "cm" }, "tags" : [ "blank", "red" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5f0"), "item" : "postcard", "qty" : 45, "status" : "A", "size" : { "h" : 10, "w" : 15.25, "uom" : "cm" }, "tags" : [ "blue" ] }

4.2.2. 条件つきで検索

検索条件ありで検索。

$ db.inventory.find( { status: "D" } )

{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ee"), "item" : "paper", "qty" : 100, "status" : "D", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank", "plain" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ef"), "item" : "planner", "qty" : 75, "status" : "D", "size" : { "h" : 22.85, "w" : 30, "uom" : "cm" }, "tags" : [ "blank", "red" ] }

4.2.3. 深い階層部分に対する完全一致検索

深い階層部分に対して完全一致条件で検索。

$ db.inventory.find( { size: { h: 14, w: 21, uom: "cm" } } )

{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ec"), "item" : "journal", "qty" : 25, "status" : "A", "size" : { "h" : 14, "w" : 21, "uom" : "cm" }, "tags" : [ "blank", "red" ] }

4.2.4. 深い階層部分に対する条件つき検索

深い階層部分に対して通常の条件つき検索。

$ db.inventory.find( { "size.uom": "in" } )

{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ed"), "item" : "notebook", "qty" : 50, "status" : "A", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ee"), "item" : "paper", "qty" : 100, "status" : "D", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank", "plain" ] }

4.2.5. 配列型深い階層部分に対する検索

$ db.inventory.find( { tags: "red" } )

{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ec"), "item" : "journal", "qty" : 25, "status" : "A", "size" : { "h" : 14, "w" : 21, "uom" : "cm" }, "tags" : [ "blank", "red" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ed"), "item" : "notebook", "qty" : 50, "status" : "A", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ee"), "item" : "paper", "qty" : 100, "status" : "D", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank", "plain" ] }
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ef"), "item" : "planner", "qty" : 75, "status" : "D", "size" : { "h" : 22.85, "w" : 30, "uom" : "cm" }, "tags" : [ "blank", "red" ] }

4.2.6. 配列型深い階層部分に対する完全一致検索

$ db.inventory.find( { tags: ["red", "blank"] } )
{ "_id" : ObjectId("5cb9184d0424b2e17c7ce5ed"), "item" : "notebook", "qty" : 50, "status" : "A", "size" : { "h" : 8.5, "w" : 11, "uom" : "in" }, "tags" : [ "red", "blank" ] }

4.3. DB削除

今回登録して使ったDBinventoryを削除します。
db.dropDatabaseで削除し、show dbsでなくなっていることを確認します。

$ db.dropDatabase()
{ "dropped" : "inventory", "ok" : 1 }

$ show dbs
admin          0.000GB
config         0.000GB
local          0.000GB
myNewDatabase  0.000GB

4.4. シェル終了

シェルを終了します。

$ exit

5. Pythonラッパー PyMongo

5.1. インストール

pipを使ってPythonラッパーのPyMongoをインストールします。python仮想環境の管理はvenvを使っています。Pythonバージョンと仮想環境管理は記事「UbuntuにpyenvとvenvでPython開発環境構築」を参照ください。
PyMongo3.9.0がインストールされました。

pip install pymongo

jupyterを使ってPyMongoを動かします。

jupyter lab

5.2. Jupyter上でPython実行

ここからJupyter上でPythonを実行していきます。
「2.1. MongoDB起動」を事前にしています。

5.2.1. MongoDBへ接続

ローカルのMongoDBにデフォルトポートで接続し、クライアントを作成します。

from pymongo import MongoClient
client = MongoClient()

5.2.2. DBの取得/作成

今回はtest_databaseというDBを作成します。作成済の場合は、取得されるだけです。db = client['test-database']のような書き方もOK。

db = client.test_database

コマンドlist_database_namesを使えば、どんなDBがあるかを確認できます。

client.list_database_names()

5.2.3. コレクションの取得

コレクションを取得します。collection = db['test-collection']のような書き方もOK。

collection = db.test_collection

5.2.4. Insert

JSON形式でデータを準備してinsert_one関数でInsert。

import datetime
post = {"author": "Mike",
        "text": "My first blog post!",
        "tags": ["mongodb", "python", "pymongo"],
        "date": datetime.datetime.utcnow()}
posts = db.posts
post_id = posts.insert_one(post).inserted_id

find_one関数を使って結果確認をします。

import pprint
pprint.pprint(posts.find_one())

結果が出力されます。

{'_id': ObjectId('5d7a4f7055f20912298f04d4'),
 'author': 'Mike',
 'date': datetime.datetime(2019, 9, 12, 13, 59, 11, 121000),
 'tags': ['mongodb', 'python', 'pymongo'],
 'text': 'My first blog post!'}

find_one関数は、以下のように条件を追加することもできます。

pprint.pprint(posts.find_one({"author": "Mike"}))

5.2.5. Bulk Inserts(一括挿入)

insert_many関数を使ってBulk Inserts(一括挿入します)

new_posts = [{"author": "Mike",
               "text": "Another post!",
               "tags": ["bulk", "insert"],
               "date": datetime.datetime(2009, 11, 12, 11, 14)},
              {"author": "Eliot",
               "title": "MongoDB is fun",
               "text": "and pretty easy too!",
               "date": datetime.datetime(2009, 11, 10, 10, 45)}]
result = posts.insert_many(new_posts)
result.inserted_ids

5.2.6. クエリと複数結果

find関数を使うとCursorインスタンス

全検索だとすべてを取得できますし、

for post in posts.find():
    pprint.pprint(post)

条件を指定してももちろんOK。

for post in posts.find({"author": "Mike"}):
    pprint.pprint(post)

5.2.7. カウント

count_documents関数で結果をカウントします。

# 条件指定なし
posts.count_documents({})

# 条件指定
posts.count_documents({"author": "Mike"})

5.2.8. クエリ応用

少しクエリの応用です。ここでは条件演算子で<=を使い、結果をソートします。詳しくはOperatorsを参照ください。

d = datetime.datetime(2009, 11, 12, 12)
for post in posts.find({"date": {"$lt": d}}).sort("author"):
    pprint.pprint(post)

5.2.9. Indexing

インデックスの追加です。ここではユニークインデックスを追加しています。

from pymongo import ASCENDING
result = db.profiles.create_index([('user_id', ASCENDING)], unique=True)
sorted(list(db.profiles.index_information()))

6. MongoDB停止

ターミナル上からMongoDBの停止です。

sudo service mongod stop