装完MongoDB，第一件事是什么？很多人习惯点开可视化工具连上看一眼，但我在实际排障时发现，真正能救命的往往是命令行。数据库连不上、写入变慢、磁盘快满、查询走了全表扫描……这些问题进了图形界面反而不好定位，还是在命令行里敲几个命令来得直接。MongoDB的常用命令说多不多，说少不少，但是把这些基础命令理清楚，对日常开发、运维、面试都有实打实的价值。
这篇文章我会从最常用的库和集合操作讲起，再到文档增删改查、查询排序、索引、聚合，最后补上备份恢复和安全排查这些运维必用命令。每一类命令我都给了实际场景和踩坑提醒，照着敲一遍基本就能上手。适合刚接触MongoDB的开发者，也适合后端或运维同学拿来当速查手册。
1. 整体设计与思路拆解：为什么绕不开命令行
1.1 命令行才是MongoDB的第一手工具
MongoDB 进入 4.x 之后，官方把内置的 shell 逐渐迁移到了mongosh，老版的mongo命令虽然还能用，但新特性支持上已经明显落后。我记得最早用mongo连一个 4.4 实例时，想试一下新的聚合阶段竟然不支持，后来换了mongosh才顺畅。
很多人在 Windows 上装好 MongoDB，服务也启动了，结果打开控制台敲mongo发现命令找不到，第一反应是安装失败。其实多半是环境变量没配好，或者装的是新版只带mongosh。如果你也遇到这个问题，先别急着重装，看下安装目录里的 bin 文件夹，一般有两个可执行文件：
mongod：服务端进程，启动数据库实例用。mongosh：客户端 shell，连接操作数据库用。
提示：Windows 上如果在命令行直接敲
mongod报“不是内部或外部命令”，就是环境变量 PATH 没加对。把 MongoDB 安装目录下的 bin 路径加进去，重新开一个终端就好。
1.2 MongoDB命令体系的脉络
MongoDB 的数据模型是“库 → 集合 → 文档”的三层结构，所以命令也顺着这个逻辑分层：
- 数据库层：查看、创建、切换、删除数据库。
- 集合层：创建、查看、重命名、删除集合。
- 文档层：插入、查询、更新、删除文档。
- 索引与聚合：优化查询、批量统计。
- 运维管理：连接状态、服务信息、备份恢复。
理解了这条脉络，记命令就变得有规律了。用 SQL 来类比：库对应 database，集合对应 table，文档对应 row，但 MongoDB 的文档是灵活结构的 JSON 对象，不需要预先定义字段。这也是它和关系型数据库最不一样的地方。
1.3 环境准备与工具选择
工欲善其事，必先利其器。我建议本地至少准备两个环境：
- 一个完整的 MongoDB 服务端（社区版即可，4.4 或更高都行）。
- 一个顺手的客户端工具，比如 MongoDB Compass 或 Studio 3T，日常可视化管理用。
但请注意：图形化工具能帮你“看”，却不能帮你“查问题”。真正遇到连接数暴涨、慢查询、索引失效时，还是要靠命令行输出explain()、serverStatus()这些关键信息。所以重点还是把命令行基础打牢，工具反而不用太依赖。
2. 核心细节解析与实操要点：从库到集合再到文档
2.1 数据库级操作：use、db、show dbs、dropDatabase
MongoDB 的数据库操作很简单，核心就几个命令。
// 查看当前连接的库 db // 查看所有数据库（有数据的才会显示） show dbs // 切换或创建数据库 use mydb // 删除当前数据库 db.dropDatabase()这里藏着一个新手最容易踩的坑：use看起来是切换数据库，但如果你use一个不存在的库，MongoDB 并不会马上创建它。只有往这个库里写入第一条数据（比如插入一个文档或创建集合）之后，数据库才会真正落盘。所以你执行use newdb后再show dbs，发现 newdb 不在列表里，是正常的，不是安装有问题。
dropDatabase()是个危险操作，它会删除当前所在库里的全部数据，而且没有确认弹窗。我一般会在生产环境禁用这个命令的权限，只留审计专用的账号。如果你只是想清掉某个业务库再重建，建议先用db.stats()看看库大小，确认没误连。
2.2 集合级操作：createCollection、show collections、renameCollection、drop
集合相当于关系型数据库的表，但不需要在建表时定义字段结构。来看常用命令：
// 查看当前库下所有集合 show collections // 显式创建集合（通常在插入第一条文档时也会自动创建） db.createCollection("users") // 给集合加一个固定大小的限制（capped collection，常用于日志类场景） db.createCollection("logs", { capped: true, size: 1048576, max: 5000 }) // 重命名集合 db.users.renameCollection("members") // 删除集合（注意：整个集合连带索引一起删掉） db.members.drop()capped集合比较有意思，它有点像“环形队列”，满了以后会自动覆盖旧数据，非常适合日志、消息流的场景。但注意capped集合不能调用删除文档的普通方法（deleteMany等），只能整个集合 drop，这个特性在选型时要考虑清楚。
2.3 文档CRUD：insert、find、update、delete
文档操作是日常最高频的部分。我用一个 user 集合来演示。
插入文档
// 插入单条 db.users.insertOne({ name: "张三", age: 28, city: "北京" }) // 批量插入 db.users.insertMany([ { name: "李四", age: 24, city: "上海" }, { name: "王五", age: 32, city: "广州" } ])insertOne和insertMany都会自动生成_id字段。如果文档本身带了_id，MongoDB 会以你传入的为准。
注意：很多旧教程会写
db.users.insert(...)，新版本里insert被拆分为insertOne/insertMany。虽然insert仍然可用，但不建议在新代码里用，语义不清晰，而且批量插入的校验行为和insertMany有差异。
查询文档
// 查询全部 db.users.find() // 美化输出 db.users.find().pretty() // 按条件查询 db.users.find({ city: "北京" }) // 查询单条 db.users.findOne({ name: "张三" })find()返回的是一个游标（cursor），不是你想象的“结果数组”。在 shell 里它会自动打印前 20 条，然后输入it继续迭代。如果文档数特别多，直接查全量会把服务端内存打满，生产环境一定要加条件或分页。
更新文档
// 更新匹配到的第一个文档 db.users.updateOne( { name: "张三" }, { $set: { age: 29 } } ) // 更新所有匹配到的文档 db.users.updateMany( { city: "北京" }, { $inc: { age: 1 } } ) // 替换整个文档（注意：第二个参数直接写新文档，不是操作符） db.users.replaceOne( { name: "张三" }, { name: "张三", age: 29, city: "北京", tags: ["vip"] } )这里十分关键的一点：很多人第一次写更新时，会这样做：
db.users.updateOne({ name: "张三" }, { age: 29 })结果 MongoDB 直接把整个文档覆盖成了一个{ age: 29 }，name字段没了。因为 update 的第二个参数如果不带$操作符，会被当作“要替换的完整文档”处理。这个坑在面试里也经常出现，要特别小心。
删除文档
// 删除匹配到的第一个文档 db.users.deleteOne({ name: "张三" }) // 删除所有匹配到的文档 db.users.deleteMany({ city: "上海" }) // 清空集合（索引保留，但比 drop 慢） db.users.deleteMany({})删除操作在生产环境要谨慎，建议先find走一遍条件，再countDocuments确认条数，最后才执行删除。这个习惯能避免很多事故。
2.4 update操作符的细节补充
更新操作里最常用的操作符是$set、$unset、$inc、$push、$addToSet、$pull，每个都有特定用途：
$set：设置字段值，字段不存在会自动新增。$unset：删除字段。$inc：给数字字段加减，支持正负值。$push：往数组字段尾部追加元素。$addToSet：往数组字段追加元素，但要求元素不重复。$pull：从数组字段中删除匹配条件的元素。
看一个综合案例：
db.users.updateOne( { name: "王五" }, { $set: { city: "深圳" }, $unset: { oldCity: "" }, $inc: { loginCount: 1 }, $push: { hobbies: "摄影" }, $addToSet: { tags: "new-user" } } )多个操作符可以在一次 update 中组合执行，MongoDB 会在一趟操作里完成，性能比分开执行好很多。
3. 实操过程与核心环节实现：查询、索引与聚合
3.1 查询进阶：条件运算符与正则
find()里除了支持精确匹配，还能用条件运算符。举个订单查询的例子：
// 年龄大于30 db.users.find({ age: { $gt: 30 } }) // 年龄在25到30之间 db.users.find({ age: { $gte: 25, $lte: 30 } }) // 城市在给定列表内 db.users.find({ city: { $in: ["北京", "上海"] } }) // 字段存在且不为 null db.users.find({ email: { $exists: true, $ne: null } }) // 正则模糊匹配（类似 SQL 的 LIKE） db.users.find({ name: { $regex: "^张", $options: "i" } })$options: "i"表示忽略大小写，这个正则匹配在字段没有索引时会全集合扫描，数据量大的时候要慎用。
还有$where运算符允许写 JavaScript 表达式：
db.users.find({ $where: "this.age > 18 && this.city === '北京'" })但这个在早期版本里有性能和安全风险，现在的建议是能用查询运算符表达的尽量别用$where。我用它只干过一种事：排查文档里某个字段被写成了字符串数字（例如"28"），用类型转换对比找出来的。
3.2 排序、投影与分页
查询结果三个常用修饰：sort、projection、skip/limit。
// 按年龄升序，相同年龄按名字降序 db.users.find().sort({ age: 1, name: -1 }) // 只看 name 和 city 字段，不显示 _id db.users.find({}, { name: 1, city: 1, _id: 0 }) // 分页：跳过前10条，取10条 db.users.find().sort({ age: 1 }).skip(10).limit(10)分页这里有个常见性能误区：skip越深越慢，因为数据库得一条条跳过前面的文档。如果分页到第 10000 页，这个查询基本废了。大数据量分页更优的方案是用“上一页最后一条的排序字段”作为查询条件，俗称游标分页：
// 上一页最后一条 age=30，name="王五" db.users.find({ $or: [ { age: { $gt: 30 } }, { age: 30, name: { $gt: "王五" } } ] }).sort({ age: 1, name: 1 }).limit(10)游标分页在海量数据下的稳定性远好于skip，这是很多 MongoDB 高并发项目的实践结论。
3.3 索引策略：滴滴、摩拜都在用的性能关键
热词里提到“滴滴、摩拜都在用的索引”，确实，MongoDB 的查询性能很大程度上取决于索引设计。没有索引的查询会全集合扫描，数据量一旦到了百万级别，速度会断崖式下降。
看一组合适的索引命令：
// 创建普通单字段索引 db.users.createIndex({ city: 1 }) // 创建复合索引 db.users.createIndex({ city: 1, age: -1 }) // 查看索引 db.users.getIndexes() // 删除索引 db.users.dropIndex({ city: 1 }) // 全量删除非 _id 索引 db.users.dropIndexes()索引方向（1 升序、-1 降序）对单字段查询影响不大，但对复合索引的排序场景有明显影响。比如最常用的查询条件是{ city: "北京" }并按age倒序，那索引建{ city: 1, age: -1 }比{ city: 1, age: 1 }效率更高。
还有几个非常好用的索引类型：
- 唯一索引：
db.users.createIndex({ email: 1 }, { unique: true })，防止重复数据。 - 多键索引：字段是数组时自动创建的索引，适合标签、分类等场景。
- 文本索引：
db.articles.createIndex({ content: "text" })，中文分词支持有限，谨慎用。 - TTL 索引：
db.logs.createIndex({ createdAt: 1 }, { expireAfterSeconds: 86400 })，数据自动过期，很适合日志/验证码表。
索引不是越多越好，索引写放大很严重。每建一个索引，写入时都要同步更新索引树，所以写多读少的集合要控制索引数量。我通常一个集合保持 3-5 个核心索引，再多就要评估收益了。
3.4 聚合管道：常用统计命令的进阶用法
聚合是 MongoDB 里非常强大也容易劝退的部分。它和 SQL 的GROUP BY、JOIN对标，但用的是管道式写法。最常见的统计场景是“按城市统计用户数量”：
db.users.aggregate([ { $match: { age: { $gte: 18 } } }, { $group: { _id: "$city", count: { $sum: 1 } } }, { $sort: { count: -1 } }, { $limit: 10 } ])这个管道的执行顺序是：
$match先过滤出符合条件的文档（相当于 WHERE）。$group按城市分组，并计算计数（相当于 GROUP BY + COUNT）。$sort按计数倒序排序。$limit只取前 10 名。
$group里还可以做其他聚合操作，比如求平均年龄、最大值、累加数组：
db.users.aggregate([ { $group: { _id: "$city", avgAge: { $avg: "$age" }, maxAge: { $max: "$age" }, names: { $push: "$name" } }} ])如果需要关联两个集合，可以用$lookup：
db.orders.aggregate([ { $lookup: { from: "users", localField: "userId", foreignField: "_id", as: "userInfo" }}, { $unwind: "$userInfo" } ])$lookup类似 SQL 里的LEFT JOIN，但在性能上远没有关系型数据库的 join 优化成熟，能用冗余字段解决的尽量不要用$lookup。这是一个从业多年的经验教训：MongoDB 设计上鼓励“按查询建模”，别把关系数据库的范式思维硬套进来。
4. 常见问题与排查技巧实录
4.1 安装失败的常见问题：Windows 环境篇
从热搜词就能看出来，MongoDB 安装失败是很多人入门的第一道坎。我在 Windows 上装过很多次，最常见的失败原因就这几类：
问题1：服务启动失败
安装 MongoDB Community Server 后，如果服务起不来，第一步看 Windows 事件查看器里的 MongoDB 日志，十有八九是数据目录不存在或权限不足。启动前要手动创建数据目录：C:\data\db和日志目录C:\data\log。
问题2：端口被占用
MongoDB 默认端口 27017。可以用netstat -ano | findstr 27017查看端口占用，如果被其他程序占用，可以改用自定义端口启动：
mongod --port 27018 --dbpath C:\data\db问题3：mongod 一闪而过
在 cmd 里敲mongod服务进程一闪而过，通常是因为它启动失败后在日志里写了错误，但窗口关闭太快。这时候不要直接双击，用命令行前台启动看输出：
mongod --dbpath C:\data\db --logpath C:\data\log\mongod.log然后在另一个窗口查看日志文件，就能看到具体报错。
问题4：下载版本太新电脑带不动
MongoDB 新版对硬件和系统有要求，老机器跑 6.0 以上会比较吃力。如果只是学习，完全可以用 4.4.30 这个版本，很多热词也提到了这个版本号，它稳定、资料多、兼容性好。
4.2 未授权访问排查与安全加固
热词里“mongodb未授权访问漏洞”是真实存在的高发问题。MongoDB 老版本默认不开启认证，一旦端口暴露到公网，等于把数据库大门敞开。
排查方法很简单：
// 查看当前实例是否开了认证 db.serverStatus().security返回{ "authorization": "disabled" }说明没开认证，赶紧处理。
安全加固三板斧：
- 修改配置文件
mongod.conf，将bindIp从0.0.0.0改为内网 IP 或127.0.0.1。 - 开启认证。先在无认证状态创建管理员用户：
use admin db.createUser({ user: "admin", pwd: "强密码", roles: [{ role: "root", db: "admin" }] })然后在mongod.conf里加auth: true并重启服务。
- 定期用
show dbs检查有没有异常数据库，用db.adminCommand({ listDatabases: 1 })列出所有库。
4.3 慢查询定位与 explain 解读
命令敲多了会发现，explain()是调优的核心工具。用它会返回这条查询的执行计划，重点看三个指标：
planStage：执行节点类型，COLLSCAN是全表扫描，IXSCAN是走索引。docsExamined：扫描了多少文档。nReturned：实际返回多少文档。
例子：
db.users.find({ city: "北京", age: { $gt: 20 } }).explain("executionStats")如果看到docsExamined几百万，但nReturned只有几十，基本就是索引没建好。
还有一个特别容易忽略的点：sort操作如果没走索引，执行计划里会出现SORT阶段，内存排序超过 100MB 会报错。解决办法就是创建复合索引让排序直接走索引，避免内存排序。
检查系统是否有慢查询，可以开数据库分析器：
db.setProfilingLevel(1, 200) // 记录超过 200ms 的操作然后查db.system.profile.find()看慢操作详情。生产环境建议只开几分钟，长期开对性能有损耗。
4.4 备份与恢复：mongodump/mongorestore 实战
线上数据库一定要有备份习惯。最朴素的备份方式是用mongodump和mongorestore。我通常在凌晨低峰期做全量备份，保留最近 7 天。
# 全量备份 mongodump --host 127.0.0.1 --port 27017 --out /backup/mongo/$(date +%Y%m%d) # 只备份某个库 mongodump --db mydb --out /backup/mongo/$(date +%Y%m%d) # 只备份某个集合 mongodump --db mydb --collection users --out /backup/mongo/$(date +%Y%m%d) # 恢复整个备份 mongorestore --drop /backup/mongo/$(date +%Y%m%d) # 恢复某个库 mongorestore --db mydb --drop /backup/mongo/$(date +%Y%m%d)/mydb--drop表示恢复前先删除目标集合，避免新老数据混在一起。但如果目标库里正在跑业务，执行--drop前最好确认业务窗口。
备份文件是目录结构，按 “备份根目录/库名/集合名.bson” 存放。要直接查看备份数据，可以用bsondump工具先导成 JSON：
bsondump users.bson > users.json注意：mongodump 备份期间会产生读压力，大集合备份时不建议在业务高峰执行。如果数据量极大，可以考虑文件系统快照方式备份，但配置文件和数据目录必须放在同一快照中。
4.5 数据分析中的经典“坑”与应对
排查问题时我总结过几个高频出现的坑，值得单独列一下。
坑1：count 数据不准的问题
db.users.count()在分片集群或大结果集下可能不准确，官方建议用db.users.countDocuments({})，后者内部会做聚合操作，结果更可靠。
坑2：find().limit(0)和游标超时
limit(0)表示不限制数量，如果结果集很大，游标会在 10 分钟后超时。处理办法是设置batchSize或用allowDiskUse对聚合开启磁盘临时存储：
db.users.find().batchSize(1000)坑3：类型不一致导致索引失效
比如age字段有的存成了数字 28，有的存成了字符串"28"，这时候走索引可能出现意外排除。检查办法：
db.users.find({ age: { $type: "string" } }).count() db.users.find({ age: { $type: "int" } }).count()发现数量不均，就要考虑用$convert做数据清洗：
db.users.aggregate([ { $addFields: { ageNum: { $toInt: "$age" } } } ])坑4：忘记给日期字段建 TTL 索引
日志集合、验证码集合如果只靠定时任务删除，总会有漏网之鱼。TTL 索引是天然的“自动清理工”，提前设置好，少写几十行删除逻辑。
5. 到底怎么记命令才牢靠
很多人问过我：MongoDB 命令这么多，怎么记得住？我的方法是按场景记，而不是按命令记。看到“查一查”，立刻想到find()和explain()；看到“改字段”，立刻想到updateOne加$set；看到“统计报表”，立刻想到aggregate。把命令揉进真实业务场景里，比死记硬背管用得多。
日常运维时我还会写个小脚本，用db.serverStatus()把连接数、opcounters、mem 信息定期打印出来，哪一项指标不对劲一目了然。这种做法不需要额外监控平台，命令行就能搞定。
如果你刚开始接触 MongoDB，我建议从安装一个 4.4.30 的社区版开始，照着这篇文章的命令敲一遍，把自己最喜欢用的命令整理成一个速查笔记。命令这件事，关键不在背，而在反复用。用着用着，你会发现自己已经不需要看文档了。
)