⭐ Must Read: abc/article/details/ - สรุปดราม่าล่าสุด

1. 为什么今天还得从零搭一遍 MongoDB？——一个数据工程师的实操手记

你肯定用过 MySQL 或 PostgreSQL，表格、字段、主键、外键，逻辑清晰得像一张 Excel 表。但现实里，你刚爬完一个电商网站的商品页，发现有的手机有“屏幕刷新率”字段，有的无人机有“最大续航时间”，而一本电子书只有“ISBN”和“出版年份”——它们根本塞不进同一张表。这时候再硬套关系型数据库，不是在写迁移脚本，就是在改表结构，要么就是满屏 NULL 值。我干这行十年，踩过最深的坑，就是把日志、用户行为、IoT 设备快照这些天然带嵌套、变长、稀疏结构的数据，硬往 MySQL 里灌。结果呢？查询慢得像在等咖啡机煮完一壶，加个新字段要停服半小时，运维半夜打电话说主从同步延迟破了 3 小时。

MongoDB 不是“替代 SQL”的银弹，而是给另一类问题配的专用扳手。它不解决“银行转账必须强一致”这种事，但它能让你在 5 分钟内把 200 万条含 GPS 坐标、传感器读数、图片 URL 的设备上报数据存进去，还能用一条命令查出“过去 1 小时内所有海拔高于 1500 米、且电池电压低于 11.8V 的设备”。这不是理论，是我上周在给一家农业 IoT 公司做 PoC 时的真实操作。本文就带你从一台空机器开始，亲手搭起一个可验证、可调试、可复现的 MongoDB 开发环境，并用真实数据跑通从连接、导入、过滤到精准投影的完整链路。不讲虚的“高可用架构”，不画“分片集群拓扑图”，只聚焦你明天上班第一件事：让 Python 脚本能连上、能写入、能查出你要的那一行 JSON。关键词就三个： 本地开发环境、pymongo 实战、MQL 查询精要 。适合刚接触 NoSQL 的 Python 工程师、数据分析师，也适合想快速验证想法的产品原型开发者——只要你需要处理 JSON、API 返回、日志文件这类非结构化或半结构化数据，这篇就是为你写的。

2. 环境搭建与连接：避开官方文档里没写的 3 个致命陷阱

2.1 别急着 `apt install mongodb` ！先确认你的系统版本和包源

很多教程一上来就让你敲 sudo apt-get install -y mongodb ，然后告诉你“搞定”。我试过，在 Ubuntu 22.04 上，这条命令装的是 MongoDB 3.6 —— 一个 2018 年发布的、早已停止维护的版本。它不支持 4.0 才引入的多文档 ACID 事务，没有 $lookup 聚合阶段，连 $dateFromString 这种基础日期解析函数都没有。更糟的是，它的默认配置是关闭网络绑定的， localhost:27017 根本连不上。这不是你的错，是包管理器的锅。

正确的做法，是直接用 MongoDB 官方提供的 .deb 包。我实测过，这是目前最稳、最省心的方式：

# 1. 下载官方安装包（以 Ubuntu 22.04 为例，其他系统请去官网下载对应版本）
wget https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-ubuntu2204-7.0.12.tgz

# 2. 解压并移动到标准位置
tar -zxvf mongodb-linux-x86_64-ubuntu2204-7.0.12.tgz
sudo mv mongodb-linux-x86_64-ubuntu2204-7.0.12 /usr/local/mongodb

# 3. 创建数据目录和日志目录（这是关键！官方包不会自动创建）
sudo mkdir -p /usr/local/mongodb/data/db
sudo mkdir -p /usr/local/mongodb/logs

# 4. 创建配置文件（这才是核心！）
echo "storage:
  dbPath: /usr/local/mongodb/data/db
  journal:
    enabled: true
systemLog:
  destination: file
  logAppend: true
  path: /usr/local/mongodb/logs/mongod.log
net:
  port: 27017
  bindIp: 127.0.0.1" | sudo tee /usr/local/mongodb/mongod.conf

提示： bindIp: 127.0.0.1 是安全底线。它意味着 MongoDB 只接受本机连接，绝不会暴露在公网。如果你在 Docker 里跑，或者需要远程连接，才考虑改成 0.0.0.0 ，但务必配合防火墙和认证，这是铁律。

2.2 启动服务前，必须检查的三件事

别急着 sudo service mongod start 。我见过太多人卡在这一步，报错信息全是英文，搜半天找不到解法。其实就三件事，检查完 90% 的启动失败都能解决：

权限问题 ： /usr/local/mongodb/data/db 目录必须属于运行 mongod 的用户（通常是 mongodb 用户）。执行：
```
sudo chown -R mongodb:mongodb /usr/local/mongodb/data/db
sudo chown -R mongodb:mongodb /usr/local/mongodb/logs
```

端口占用 ：27017 端口很可能被其他程序占用了。执行：

sudo lsof -i :27017
# 如果有输出，记下 PID，然后 kill -9 PID
# 或者换端口：在 mongod.conf 里把 port 改成 27018

SELinux（仅限 CentOS/RHEL） ：如果你用的是 CentOS，SELinux 默认会阻止 mongod 访问自定义路径。临时关闭测试：
```
sudo setenforce 0
# 永久关闭（生产环境不推荐）：编辑 /etc/selinux/config，把 SELINUX=enforcing 改成 disabled
```

做完这三步，再启动：

# 以 mongodb 用户身份，用配置文件启动
sudo -u mongodb /usr/local/mongodb/bin/mongod --config /usr/local/mongodb/mongod.conf

如果终端没有报错，且最后一行是 waiting for connections on port 27017 ，恭喜，服务起来了。

2.3 Python 连接： `pymongo` 的 3 种写法，以及为什么只推荐第 3 种

pip install pymongo 是最简单的，但连接字符串怎么写，决定了你后续是顺风顺水还是天天 debug。

写法 1（错误示范） ： client = MongoClient()
这会尝试连接 localhost:27017 ，看起来没问题。但一旦你把代码部署到 Docker，或者换台机器，它就失效了。 硬编码地址是工程大忌 。
写法 2（半正确） ： client = MongoClient("mongodb://localhost:27017/")
比上一种好，至少显式了。但问题在于，它没有设置超时。如果 MongoDB 服务挂了，你的 Python 脚本会卡死整整 20 秒（pymongo 默认 connectTimeoutMS=20000），而不是立刻报错。在 Web API 里，这等于直接拖垮整个请求。
写法 3（生产推荐） ：