Mongodb基本的原则是：条件句是内层文档的键，修改器是外层文档的键【即，修改器要修改的字段声明在修改器内部】。
1、$size，用于查询数组大小为size的记录
db.a.find({"comments":{"$size":3}})
表示查询comments数组中含有三个元素的记录。
既然size可以查询指定数组大小的记录，那么，如果在文档中增加一个size字段，就可以使用 $gt和$lt等比较操作符来进行查询了。
比如说我们增加了一个size字段，表示目前comments中含有的评论个数，那么在查询的时候就可以使用
db.a.find({"size":{"$gt":3}})
这样就能查询出来comment个数大于3个的了。
记得维护size的数据哦，更新comments数据的时候，同时更新size字段
db.a.update({},{"$push":{"cmt":"another comment!"},"$inc":{"size":1}})
2、删除记录中的一个字段
db.a.update({},{"$unset":{"addrs":1}})
3、$push向数组中增加一个元素，如果数组不存在则创建
db.a.update({},{"$push":{"addrs":"shenzhen"}})
4、从数组中删除一个
$pop
db.a.update({},{"$pop":{"addrs":-1}})
-1表示从数组末尾删除。
db.a.update({},{"$pop":{"addrs":1}})
1表示从数组头部删除
$pull
$pull可以删除指定的数组元素
db.a.update({},{"$pull":{"addrs":"shenzhen"}})
5、给已存在的对象增加一个键值或修改一个键值
db.a.update({},{"$set":{"addrs":['shenzhen','guangzhou']}})
6、查询一个数组的最前n、最后n个元素
db.a.find({},{"addrs":{"$slice":5}})
这里查询了一条记录中地址中的前5个。后5个可以用-5。并且，slice也支持偏移和要返回的数据量

db.a.find({},{"addrs":{"$slice":[5,10]}})上面的语句查询了从第6条数据开始，一共10条数据，如果从第六条数据开始，后面不足10条，那么返回后面的所有元素。

7、skip

使用Mongodb的时候【其他数据库也类似】，尽量少跳过过多的数据，这样会产生性能问题。
mongodb的skip是用来跳过数据的，但是要少用。需要使用的时候可以用其他方式代替。比如说要对博客文章分页，那么一般的做法是
db.a.find().sort({"time":1}).skip(10000).limit(10)
优化的做法可能是，根据上一页取出来的时间，在下次分页，即取出下一页的时候，根据上一个时间，来查找，然后再limit，例如
db.a.find({"time":{"$gt":lasttime}}).sort({"time":1})..limit(10)
这样用查找替代跳过数据，效率会有提升。

8、有一个需求是从一个collection中随机选取出一个文档。

那么一般的做法是，先统计文档总数count，然后生成一个1到count的数字，去数据库中取出这个数字对应的文档。

这种方法是很低效的。要统计count，然后才能取出来数据。

高效的做法是：在存储数据的时候，同时存储一个random字段。
每次插入一个记录的时候，都生成一个随机数字赋值给这个字段。那么在随机选取一个文档的时候，这样就可以生成一个随机数rand，然后找到比这个随机数大的一个文档：
result=db.a.findOne({"random":{"$gt":rand}})
if result == null
    result=db.a.findOne({"random":{"$gt":rand}})

这样如果最后result还是null，说明数据库中是没有记录了。随机取出一个文档的任务也完成了。

9、删除索引

db.a.dropIndex("indexname")

其中的indexname可以在system.index集合中查找。

10、查询内嵌文档

例如有如下文档：

{"content":"this is content","comments":[{"author":"naughty","score":3},{"author":"cc","score":4}]}

现在要查询author是naughty并且naughty的评论score大于3的记录，那么首先想到的查询是这样的：

db.a.find({'comments.author':'naughty'},{'comments.score':{$gt:3}})

但是记录多起来，查询的时候会发现，这样写是不对的。这样写，只要comments中有naughty并且有score是大于3，那么就会查询出来这条记录。查询结果不是我们想要的。

“要正确的指定一组条件，而不是单独的指定每个键。”书上如是说。

要这样写查询：

db.a.find({"comments":{"$elemMatch":{"author":"naughty","score":{"$gt":3}}}})这样就对了。

elemMatch将限定条件进行分组，仅当需要对一个内嵌文档的多个键进行查询的时候，才会用到。

11、group

假设有类似的一个需求：

有几条这样的文档

db.d.insert({"day":"2012-9-9","tags":['a','b','c','d']})
db.d.insert({"day":"2012-9-9","tags":['c','d']})
db.d.insert({"day":"2012-9-9","tags":['a','d']})
db.d.insert({"day":"2012-9-10","tags":['a','b']})
db.d.insert({"day":"2012-9-10","tags":['a','d']})

要查询每一天tags中出现次数最多的那个tag是什么。那么查询可以按照如下进行：

db.d.group({"key":{"day":true},"initial":{"tags":{}},"reduce":function(doc,res){
    for(i in doc.tags){
        if(doc.tags[i] in res.tags){
            res.tags[doc.tags[i]]++;
        }else{
            res.tags[doc.tags[i]]=1;
        }
    }
},
"finalize":function(res){
    var mp=0;
    for(i in res.tags){
        if(res.tags[i]>mp){
            res.tag=i
            mp=res.tags[i];
        }
    }
    delete res.tags
}
})

其中finalize是在group动作结束之后，对聚合的每一个组调用一次。reduce函数是在聚合的时候进行调用，是用来生成分组的。reduce函数的两个参数分别是：当前文档和本组当前的聚合结果。

12、分片

分片【sharding】的目的是为了提高存储性能，那么什么时候进行分片呢？

第一、机器磁盘不够用了。

第二、机器已经不能满足写数据的性能需求。

第三、想把大数据都放在内存中以提高性能。

mongos就是mongodb的各个版本中都配备的路由器进程，它路由所有的请求，然后将结果聚合。它本身并不存储数据或者是配置信息（但是会缓存配置服务器的信息）。配置服务器存储了集群的配置信息：数据和片的对应关系。