1.为什么要使用mongodb数据库或者说他有什么优点？ 高性能，高可用，易扩展，丰富的查询语言，面向文档
2.文档 相当于 行，键只能是字符串类型
数据库 -》集合-》文档-》键，值 db col doc 查找数据库某个集合的所有文档 db.col.find()
删除数据库某个集合的所有文档 db.col.remove({})
删除某个文档,name属性值为sandy的文档 db.col.remove({"name":"sandy"})
3.数据库
一个文档
product_id : 1
version: 1.0
测试：
err = collection.Find(bson.M{"product_id": "2"}).All(&versions)
i := len(versions)
结果：
err = nil i=0 All函数找不到符合的
4.两个文档
product_id : 1
version: 1.0
product_id : 1
version: 1.1
测试：
err = collection.Find(bson.M{"product_id": "1"}).One(&versions)
结果：
不会报错，只会返回其中一个文档
5.两个文档
product_id : 1
version: 1.0
product_id : 1
version: 1.1
测试：
err = collection.Find(bson.M{"product_id": "2"}).All(&versions)
结果：
不会报错,数量为0
总结：想知道数据库有没有这个数据，使用Count（）,为0的话代表没有这个数，不存在
MongoDB的事务
首先我们需要知道MongoDB是有多种存储引擎的，不同的存储引擎在实现ACID的时候，使用不同的机制。而Mongodb从3.0开始默认使用的是WiredTiger引擎，本文后续所有文字均是针对WiredTiger引擎。
WiredTiger引擎可以针对单个文档来保证ACID特性，但是当需要操作多个文档的时候无法保证ACID，也即无法提供事务支持
Mongodb使用读写锁来来控制并发操作：
当进行读操作的时候会加读锁，这个时候其他读操作可以也获得读锁。但是不能或者写锁。
当进行写操作的时候会加写锁，这个时候不能进行其他的读操作和写操作。
所以按照这个道理，是不会出现同时修改同一个文档（如执行++操作）导致数据出错的情况而且按照这个道理，因为写操作会阻塞读操作，所以是不会出现脏读的
【索引】 数据库索引的本质是空间换时间
上文说过一般使用磁盘I/O次数评价索引结构的优劣。先从B-Tree分析，根据B-Tree的定义，可知检索一次最多需要访问h个节点。数据库系统的设计者巧妙利用了磁盘预读原理，将一个节点的大小设为等于一个页，这样每个节点只需要一次I/O就可以完全载入。为了达到这个目的，在实际实现B-Tree还需要使用如下技巧：
每次新建节点时，直接申请一个页的空间，这样就保证一个节点物理上也存储在一个页里，加之计算机存储分配都是按页对齐的，就实现了一个node只需一次I/O。
B-Tree中一次检索最多需要h-1次I/O（根节点常驻内存），渐进复杂度为O(h)=O(logdN)。一般实际应用中，出度d是非常大的数字，通常超过100，因此h非常小（通常不超过3）。（h表示树的高度 & 出度d表示的是树的度，即树中各个节点的度的最大值）
综上所述，用B-Tree作为索引结构效率是非常高的。
而红黑树这种结构，h明显要深的多。由于逻辑上很近的节点（父子）物理上可能很远，无法利用局部性，所以红黑树的I/O渐进复杂度也为O(h)，效率明显比B-Tree差很多。
上文还说过，B+Tree更适合外存索引，原因和内节点出度d有关。从上面分析可以看到，d越大索引的性能越好，而出度的上限取决于节点内key和data的大小：
dmax=floor(pagesize/(keysize+datasize+pointsize))
floor表示向下取整。由于B+Tree内节点去掉了data域，因此可以拥有更大的出度，拥有更好的性能。
B树
一棵m阶的B-Tree有如下特性：
1. 每个节点最多有m个孩子。
2. 除了根节点和叶子节点外，其它每个节点至少有Ceil(m/2)个孩子。
3. 若根节点不是叶子节点，则至少有2个孩子
4. 所有叶子节点都在同一层，且不包含其它关键字信息
5. 每个非终端节点包含n个关键字信息（P0,P1,…Pn, k1,…kn）
6. 关键字的个数n满足：ceil(m/2)-1 <= n <= m-1
7. ki(i=1,…n)为关键字，且关键字升序排序。
8. Pi(i=1,…n)为指向子树根节点的指针。P(i-1)指向的子树的所有节点关键字均小于ki，但都大于k(i-1)
B+树
B+Tree相对于B-Tree有几点不同：
非叶子节点只存储键值信息。
所有叶子节点之间都有一个链指针。
数据记录都存放在叶子节点中
