MongoDbHelper

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
简介: MongoDbHelper

添加引用:MongoDB.Driver

using MongoDB.Bson;
using MongoDB.Driver;
using System;
using System.Collections.Generic;
using System.Configuration;
using System.Linq;
namespace YFMongoBD
{
    public class Db
    {
        private static readonly string connStr = "mongodb://192.168.0.1:27017/";//ConfigurationManager.ConnectionStrings["connStr"].ToString();
        private static readonly string dbName = "lhctest";// ConfigurationManager.AppSettings["dbName"].ToString();
        private static IMongoDatabase db = null;
        private static readonly object lockHelper = new object();
        private Db() { }
        public static IMongoDatabase GetDb()
        {
            if (db == null)
            {
                lock (lockHelper)
                {
                    if (db == null)
                    {
                        var client = new MongoClient(connStr);
                        db = client.GetDatabase(dbName);
                    }
                }
            }
            return db;
        }
    }
    public class MongoDbHelper
    {
        private IMongoDatabase db = null;
        public MongoDbHelper()
        {
            this.db = Db.GetDb();
        }
        public IMongoCollection<T> GetConnection<T>()
        {
             return db.GetCollection<T>(typeof(T).Name);
        }
    }
}

调用

using MongoDB.Bson.IO;
using MongoDB.Driver;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using YFMongoBD;
using Newtonsoft;
namespace TestMongoDB
{
    [MongoDB.Bson.Serialization.Attributes.BsonIgnoreExtraElements]//防止没有key时序列化报错
    public class  yfTestClass
    {
        public string id { set; get; }
        public string name { set; get; }
        public string value { set; get; }
        public string key5 { set; get; }
    }
    class Program
    {
        private static MongoDbHelper db = new MongoDbHelper();
        static void Main(string[] args)
        {
            var node = new yfTestClass();
            node.name = "ssss";
            node.value = "dddefwefew";
            node.id = DateTime.Now.ToString("yyyyMMddhhmmss");
            var connection = db.GetConnection<yfTestClass>();
            //增加
            //connection.InsertOne(node);
            //删除
            //connection.DeleteMany(aa=>aa.name== "dddefwefew");
            //修改
            //var update = Builders<yfTestClass>.Update.Set(s => s.key2, "keykeykey");
            //connection.UpdateMany(aa=>aa.id == "20170313044509", update);
            //查
            var list = connection.Find(u=>u.name=="ssss").SortBy(u=>u.id).ToList();
            var jsonstr = Newtonsoft.Json.JsonConvert.SerializeObject(list);
            Console.WriteLine(jsonstr);
            Console.ReadLine();
        }
    }
}
相关文章
|
14天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
9天前
|
缓存 并行计算 PyTorch
144_推理时延优化:Profiling与瓶颈分析 - 使用PyTorch Profiler诊断推理延迟,优化矩阵运算的独特瓶颈
在2025年的大模型时代,推理时延优化已经成为部署LLM服务的关键挑战之一。随着模型规模的不断扩大(从数亿参数到数千亿甚至万亿参数),即使在最先进的硬件上,推理延迟也常常成为用户体验和系统吞吐量的主要瓶颈。
341 147
|
9天前
|
机器学习/深度学习 存储 缓存
92_自我反思提示:输出迭代优化
在大型语言模型(LLM)应用日益普及的今天,如何持续提升模型输出质量成为了业界关注的核心问题。传统的提示工程方法往往依赖一次性输入输出,难以应对复杂任务中的多轮优化需求。2025年,自我反思提示技术(Self-Reflection Prompting)作为提示工程的前沿方向,正在改变我们与LLM交互的方式。这项技术通过模拟人类的自我反思认知过程,让模型能够对自身输出进行评估、反馈和优化,从而实现输出质量的持续提升。
392 136
|
3天前
|
人工智能 移动开发 自然语言处理
阿里云百炼产品月刊【2025年9月】
本月通义千问模型大升级,新增多模态、语音、视频生成等高性能模型,支持图文理解、端到端视频生成。官网改版上线全新体验中心,推出高代码应用与智能体多模态知识融合,RAG能力增强,助力企业高效部署AI应用。
223 1
|
13天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
399 135
|
13天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
516 132
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
13天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
525 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)