基于MongoDB的学生成绩数据操作

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
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 基于MongoDB的学生成绩数据操作

image.png


MongoDB详细语法思维导图点击此处下载


随着教育改革的多元化发展,学校考核方式正在变得越来越多元。这也造成传统的课程成绩数据库表的结果不再满足多元考核目标的设定。


学校准备引入noSQL数据库来存储课程考核成绩等信息。MongoDB作为一种分布式的noSQL数据库,被学校选择作为下一代的课程成绩数据库软件。


为了测试MongoDB是否能够满足课程成绩数据的管理,你接到了以下的任务:


创建一个MongoDB数据库,数据库名称为“DB你的学号“

创建一个MongoDB数据库集合,集合名称为“你的姓名拼音首字母“

导入测试数据:测试数据已经放入一个jsonArray文件(见附件)使用mongoimport或者编写load_scores.js脚本实现数据导入。

使用你自己的学号、所在班级、授课教师、课程名称插入一条‘分布式数据库课程原理与应用的’成绩记录,记录数据结构应该与其它条目相同。

查询大数据2019级分布式数据库课程的学生期末成绩

查询‘张三’老师所教的网络操作系统课程的学生的作业1成绩

查询分布式数据库课程期中考试不及格的学生学号

将所有女生(gender=0)的总评成绩增加5分,如果增加后成绩超过100,则设置为100

删除没有平时作业成绩的学生记录

按授课老师分别统计“网络操作系统“课程的平均总评成绩

答题要求:


使用MongoShell完成题目中要求的操作,并将命令和执行命令的结果截图填写到答题页;

准备工作:


创建数据库:use db123;


创建集合:db.createCollection("wxw");




导入数据:


数据集点击此处下载


Var doc=[{},……,{}]

db.wxw.insert(doc);


image.png

image.png


4.使用你自己的学号、所在班级、授课教师、课程名称插入一条‘分布式数据库课程原理与应用的’成绩记录,记录数据结构应该与其它条目相同。

var docs = {
    "course": "分布式数据库课程原理与应用",
    "teacher": "小小冷",
    "sno": "123",
    "gender": 1,
    "major": "大数据",
    "grade": 2019,
    "平时作业": {
        "作业1": 95,
        "作业2": 80
    },
    "期中": 100,
    "期末": 90,
    "总评": 93
}
db.wxw.insertOne(docs);

image.png


查找是否插入成功:db.wxw.find({"sno": "123"})

image.png

5.查询大数据2019级分布式数据库课程的学生期末成绩

db.wxw.find({"major": "大数据",'grade':2018,"course":'分布式数据库原理与应用'},{'期末':1})

image.png


6.查询‘张三’老师所教的网络操作系统课程的学生的作业1成绩


var 查询条件 = {'teacher':'张三','course':'网络操作系统'};
var 返回字段 = {'平时作业.作业1':1};
db.wxw.find(查询条件, 返回字段);

image.png


7.查询分布式数据库课程期中考试不及格的学生学号


var 步骤1 = {$match:{'course':'分布式数据库原理与应用','期中':{$lt:60}}}
var 步骤2 ={$project:{_id:0,sno:1}}
var 管道=[步骤1,步骤2]
db.wxw.aggregate(管道)

image.png


8.将所有女生(gender=0)的总评成绩增加5分,如果增加后成绩超过100,则设置为100


query1 = {"gender":"0"}
update1 = {$inc:{"总评":5}}
option1 = {}
db.wxw.updateMany(query1, update1, option1)


image.png

如果总评成绩超过了100,自动设置为100


var querys={'总评':{$gt:100}}}
var updates={$set:{'总评':100}};
var options={multi:1};
db.wxw.update(querys, updates, options);

再次查询是否有异常成绩,没有


db.wxw.find({‘总评’:{$gt:100}})


image.png


9.删除没有平时作业成绩的学生记录


找到该记录数据:db.wxw.find({"平时作业":null});


image.png


删除该数据记录:db.wxw.remove({"平时作业":null});

image.png



再次查看:db.wxw.find({"平时作业":null});


image.png


10.按授课老师分别统计“网络操作系统“课程的平均总评成绩


var 查询条件 = {'course':'网络操作系统'}
var 步骤1 = {$match:查询条件} 
var 步骤2 = {$group:{_id:'$teacher', 平均总评成绩:{$avg:'$总评'}}}
var 重命名Id字段 = {$project:{_id:0,'老师':'$_id','网络操作系统':'$平均总评成绩'}}
var 管道 = [步骤1,步骤2]
db.wxw.aggregate(管道)


image.png

image.png

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
1月前
|
存储 NoSQL MongoDB
数据的存储--MongoDB文档存储(二)
数据的存储--MongoDB文档存储(二)
|
4月前
|
SQL NoSQL 数据管理
数据管理DMS使用问题之如何批量导入MongoDB的数据文件
阿里云数据管理DMS提供了全面的数据管理、数据库运维、数据安全、数据迁移与同步等功能,助力企业高效、安全地进行数据库管理和运维工作。以下是DMS产品使用合集的详细介绍。
|
5月前
|
SQL DataWorks NoSQL
DataWorks产品使用合集之如何将SQL Server中的数据转存到MongoDB
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
281 1
|
1月前
|
NoSQL MongoDB 数据库
使用NimoShake将数据从AWS DynamoDB迁移至阿里云MongoDB
使用NimoShake将数据从AWS DynamoDB迁移至阿里云MongoDB
|
1月前
|
存储 NoSQL 关系型数据库
数据的存储--MongoDB文档存储(一)
数据的存储--MongoDB文档存储(一)
|
3月前
|
NoSQL 安全 MongoDB
【MongoDB深度揭秘】你的更新操作真的安全了吗?MongoDB fsync机制大起底,数据持久化不再是谜!
【8月更文挑战第24天】MongoDB是一款备受欢迎的NoSQL数据库,以其灵活的文档模型和强大的查询能力著称。处理关键业务数据时,数据持久化至关重要。本文深入探讨MongoDB的写入机制,特别是更新操作时的fsync行为。MongoDB先将数据更新至内存以提升性能,而非直接写入磁盘。fsync的作用是确保数据从内存同步到磁盘,但MongoDB并非每次更新后都立即执行fsync。通过设置不同的写入关注级别(如w:0、w:1和w:majority),可以平衡数据持久性和性能。
48 1
|
3月前
|
监控 NoSQL MongoDB
mongodb查询100万数据如何查询快速
综上,提高MongoDB百万级数据的查询性能需要综合多项技术,并在实际应用中不断调优和实践。理解数据的特征,合理设计索引,优化查询语句,在数据访问、管理上遵循最佳的实践,这样才能有效地管理和查询大规模的数据集合。
211 1
|
3月前
|
存储 NoSQL 安全
MongoDB:它如何悄然改变了全球开发者的数据游戏规则?
【8月更文挑战第8天】MongoDB是一款革命性的文档数据库,在开发者数据平台领域享有盛誉。以其独特的文档数据模型著称,无需预定义复杂模式即可高效存储与处理数据。支持实时数据分析及多云全球化部署,并具备企业级安全特性。从快速开发到大数据分析,MongoDB为现代应用提供全方位支持。
65 1
|
3月前
|
NoSQL MongoDB 数据库
DTS 的惊天挑战:迁移海量 MongoDB 数据时,捍卫数据准确完整的生死之战!
【8月更文挑战第7天】在数字化时代,大数据量的MongoDB迁移至关重要。DTS(数据传输服务)通过全面的数据评估、可靠的传输机制(如事务保证一致性)、异常处理(如回滚或重试),以及迁移后的数据校验来确保数据准确无损。DTS还处理数据转换与映射,即使面对不同数据库结构也能保持数据完整性,为企业提供可靠的数据迁移解决方案。
65 2
|
3月前
|
存储 NoSQL 物联网
MongoDB:改变游戏规则的数据库,看它如何统治数据世界的每一个角落
【8月更文挑战第7天】MongoDB是一款高性能、开源的NoSQL数据库,采用文档数据模型,支持丰富查询语言及二级索引。其灵活的数据模型和扩展性使其在大数据应用、实时分析、物联网、内容管理系统及电子商务平台等多种现代场景中广泛应用。例如,在大数据应用中,它可以高效存储社交媒体的非结构化数据;在实时分析中,能快速处理新数据并即时更新结果;在物联网应用中,则适用于存储大量非结构化传感器数据;而在内容管理和电子商务平台中,能提供灵活的内容存储和高效的商品搜索功能。
70 2