拓冰网站定制 
后端数据库文档数据库【免费下载链接】FerretDBA truly Open Source MongoDB alternative项目地址https://gitcode.com/gh_mirrors/fe/FerretDB点击查看免费下载本指南将带你完整走一遍以 Aiven 托管 PostgreSQL 为后端、以 FerretDB 为兼容层、以 MongoDB 原生工具连接的云上部署流程从创建 Aiven for PostgreSQL 服务、准备数据库到通过 Docker 启动 FerretDB 并配置FERRETDB_POSTGRESQL_URL连接串再到用mongosh执行插入、查询、比较运算与排序等真实 MongoDB 操作最后用psql直接查看数据在 PostgreSQL 中如何以 JSONB 存储。读完本文你将掌握一套可复制、可上生产环境的 MongoDB 到开源替代方案的迁移与运行方案。对于希望摆脱 MongoDB 授权与锁定、又不想放弃现有 MongoDB 工具链的团队而言FerretDB 是一个真正的开源 MongoDB 替代方案它把 MongoDB 客户端发出的请求翻译成 SQL并让数据落盘在 PostgreSQL 之上。而 Aiven for PostgreSQL 则提供了一个统一、云厂商无关的托管平台涵盖 PostgreSQL 扩展、高可用与性能、以及与既有数据基础设施的集成能力。两者结合即可让 MongoDB 工作负载平稳运行在云上托管的 PostgreSQL 之上。前提条件开始之前请确保具备以下环境Aiven 账号psqlPostgreSQL 命令行客户端DockermongoshMongoDB Shell其中mongosh用于以标准 MongoDB 方式连接和操作 FerretDBpsql用于验证数据在后端 PostgreSQL 中的实际落盘形态两者在本教程中都会用到。第一步创建并准备 Aiven for PostgreSQL 服务如果你还没有 Aiven 账号请先注册一个。登录 Aiven 控制台后从仪表盘创建一个 PostgreSQL 服务。服务创建完成后你会获得一个形如下面的 PostgreSQL 连接串postgres://username:passwordhost:port/database?sslmoderequire注意连接串末尾的sslmoderequireAiven 托管服务默认启用 TLS 加密连接FerretDB 与 PostgreSQL 后端之间的链路同样需要走 TLS这一点务必保留。接下来用psql连接到该连接串并创建一个名为ferretdb的数据库用于存放 FerretDB 的数据defaultdb CREATE DATABASE ferretdb OWNER username; CREATE DATABASE将username替换为你的 Aiven PostgreSQL 用户。之所以显式指定OWNER是为了确保 FerretDB 后续能以该用户身份在该数据库内自由建表、读写数据。第二步通过 Docker 启动 FerretDB启动 FerretDB 时需要告知它后端 PostgreSQL 的地址。有两种等价的配置方式环境变量FERRETDB_POSTGRESQL_URL命令行参数--postgresql-url在源码层面cmd/ferretdb/main.go 中通过kong框架定义了该参数--postgresql-url的默认值为postgres://127.0.0.1:5432/postgres并支持--postgresql-url-file从文件读取连接串若指定则覆盖前者。同时kong.DefaultEnvars(FERRETDB)让所有参数都可以用FERRETDB_前缀的环境变量覆盖因此FERRETDB_POSTGRESQL_URL与--postgresql-url完全等价按需选用即可。使用 Docker 运行如下命令docker run -e FERRETDB_POSTGRESQL_URLpostgres://username:passwordhost:port/ferretdb?sslmoderequire -p 27017:27017 ghcr.io/ferretdb/ferretdb请注意替换username、password、host和port为你实际的 Aiven 凭据与连接信息并确保数据库名指向上一步创建的ferretdb。这里把 FerretDB 的 MongoDB 协议监听端口27017映射到宿主机-p 27017:27017之后本地客户端即可直接访问。启动成功后用mongosh以 MongoDB URI 格式连接 FerretDBmongosh mongodb://username:password127.0.0.1:27017/ferretdb?authMechanismPLAIN这里有几个关键点authMechanismPLAINFerretDB 使用 PLAIN 认证机制用户名密码会透传给后端 PostgreSQL 完成身份校验仓库内其他部署文档如 website/blog/2023-06-26-configure-ferretdb-work-percona-distribution-postgresql.md均使用同一 URI 规范URI 中的用户名/密码应与 Aiven PostgreSQL 用户一致连接地址是127.0.0.1:27017即本地映射的 FerretDB 端口而非直接连接 Aiven 主机。至此FerretDB 已就绪可以开始执行各种 MongoDB 操作了。第三步在 FerretDB 上执行 MongoDB 操作下面以一个天文数据集为例astronomy集合中存放了若干恒星的名称、类型、质量、直径、所属星座与距地距离。插入数据insertManydb.astronomy.insertMany([ { name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus }, { name: Betelgeuse, type: Star, distance_from_earth: 642.5, mass: 2.78e31, diameter: 1.2e9, constellation: Orion }, { name: Vega, type: Star, distance_from_earth: 25.04, mass: 4.074e30, diameter: 2440000, constellation: Lyra } ])执行后astronomy集合中包含 5 个文档分别记录不同恒星的质量、直径与距地距离。其中质量的单位是千克kg直径单位是千米km距地距离单位是光年ly。查询数据find 等值匹配查询位于Centaurus半人马座星座中的恒星ferretdb db.astronomy.find({ constellation: Centaurus }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b6), name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b7), name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus } ]返回 3 条结果Alpha Centauri A、Alpha Centauri B 与 Proxima Centauri。注意每条文档都被自动分配了_idObjectId这正是 MongoDB 的典型行为。使用运算符查询$lt 比较运算接下来找出质量小于1e30kg 的恒星ferretdb db.astronomy.find({ mass: { $lt: 1e30 } }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus } ]只有 Proxima Centauri 满足条件——它的质量2.446e29kg 是唯一小于1e30的。这说明 FerretDB 对 MongoDB 查询运算符如$lt具备原生支持使用体验与 MongoDB 保持一致。排序sort还可以按距地距离对文档排序ferretdb db.astronomy.find({}).sort({ distance_from_earth: 1 }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b6), name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b7), name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { _id: ObjectId(665f027e2d149942b1b2b4ba), name: Vega, type: Star, distance_from_earth: 25.04, mass: 4.074e30, diameter: 2440000, constellation: Lyra }, { _id: ObjectId(665f027e2d149942b1b2b4b9), name: Betelgeuse, type: Star, distance_from_earth: 642.5, mass: 2.78e31, diameter: 1200000000, constellation: Orion } ]结果按距地距离升序排列最近的 Proxima Centauri4.24 ly排在最前最远的 Betelgeuse642.5 ly排在最后。可以看到FerretDB 不仅支持简单的等值查询还能完整处理 MongoDB 的比较运算符与排序语义。第四步用 psql 查看 PostgreSQL 中的数据FerretDB 的价值在于你既可以享受 MongoDB 的开发体验又可以把数据完整地托管在 PostgreSQL 中从简单查询到复杂聚合皆可。那么这些数据在 Postgres 里长什么样通过psql连接后端即可一探究竟。ferretdb SET SEARCH_PATH to ferretdb; SET ferretdb \dt List of relations Schema | Name | Type | Owner -------------------------------------------------------- ferretdb | _ferretdb_database_metadata | table | avnadmin ferretdb | astronomy_5f9854f1 | table | avnadmin (2 rows) ferretdb SELECT * FROM astronomy_5f9854f1; _jsonb ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b6, mass: 2187000000000000000000000000000, name: Alpha Centauri A, type: Star, diameter: 1214000, constellation: Centaurus, distance_from_earth: 4.37} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b7, mass: 1804000000000000000000000000000, name: Alpha Centauri B, type: Star, diameter: 865000, constellation: Centaurus, distance_from_earth: 4.37} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b8, mass: 244600000000000000000000000000, name: Proxima Centauri, type: Star, diameter: 200000, constellation: Centaurus, distance_from_earth: 4.24} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f027e2d149942b1b2b4b9, mass: 27800000000000000000000000000000, name: Betelgeuse, type: Star, diameter: 1200000000, constellation: Orion, distance_from_earth: 642.5} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f027e2d149942b1b2b4ba, mass: 4074000000000000000000000000000, name: Vega, type: Star, diameter: 2440000, constellation: Lyra, distance_from_earth: 25.04} (5 rows) (END)从\dt的输出可以看到两个关键的表_ferretdb_database_metadata元数据表记录数据库中的集合与对应物理表的映射关系astronomy_5f9854f1FerretDB 为astronomy集合自动创建的实际物理表。而SELECT结果显示每个 MongoDB 文档都被存为 JSONB 类型的一行数据_jsonb列。其中$s字段内的$k数组保存了字段顺序$p中为每个字段记录了其原始 BSON 类型objectId、double、string、int而数值则以 JSON 数字形式存储。这种以$前缀标记类型信息的格式正是 FerretDB 的 PJSON 映射方案——它在 website/blog/2022-11-08-pjson-how-to-store-bson-in-jsonb.md 中有详细介绍FerretDB 将 MongoDB 的 BSON 文档反序列化后映射为 PJSON再存入 PostgreSQL 的 JSONB 列从而既保留了 BSON 的类型信息与字段顺序又充分利用了 JSONB 的查询与索引能力。顺带一提仓库根目录的 docker-compose.yml 中已包含一套本地开发用的postgres以及yugabytedb、mongodb等服务定义如果你希望先在本地验证同样的流程也可以参照该文件快速起一个 PostgreSQL 后端。结语PostgreSQL 是当今应用最广泛的开源数据库之一而 Aiven for PostgreSQL 又为其提供了托管、高可用与多云能力。以 Aiven for PostgreSQL 为后端运行 FerretDB你可以在几乎不改动应用代码的前提下把 MongoDB 工作负载平稳迁移到完全开源的技术栈上——mongosh照常使用查询运算符与排序语义完全兼容同时数据以 JSONB 形态透明地托管在 PostgreSQL 中。如果你打算正式启动从 MongoDB 到 FerretDB 的迁移可以进一步阅读仓库中的迁移指南 website/docs/migration/migrating-from-mongodb.md它基于mongodump/mongorestore与mongoexport/mongoimport等 MongoDB 原生工具给出了完整的导出、导入与校验流程帮助你以最小成本完成数据搬迁。赞分享后端数据库文档数据库【免费下载链接】FerretDBA truly Open Source MongoDB alternative项目地址https://gitcode.com/gh_mirrors/fe/FerretDB点击查看免费下载相关推荐在 Percona Distribution for PostgreSQL 上配置 FerretDBDebian 包部署与 MongoDB 工作负载实战在 Percona Distribution for PostgreSQL 上配置 FerretDBDebian 包部署与 MongoDB 工作负载实战 本文后端数据库文档数据库使用 KubeDB 托管 PostgreSQL 在 Kubernetes 上部署 FerretDB 实战指南使用 KubeDB 托管 PostgreSQL 在 Kubernetes 上部署 FerretDB 实战指南 FerretDB 是一款开源文档数据库它在 Po后端数据库文档数据库使用 pgEdge 分布式 PostgreSQL 作为后端运行 FerretDB从 Docker 部署到 MongoDB CRUD 实战使用 pgEdge 分布式 PostgreSQL 作为后端运行 FerretDB从 Docker 部署到 MongoDB CRUD 实战 FerretDB 是后端数据库文档数据库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 使用 FerretDB 在 Aiven for PostgreSQL 上运行 MongoDB 工作负载：云上部署实战指南
后端数据库文档数据库【免费下载链接】FerretDBA truly Open Source MongoDB alternative项目地址https://gitcode.com/gh_mirrors/fe/FerretDB点击查看免费下载本指南将带你完整走一遍以 Aiven 托管 PostgreSQL 为后端、以 FerretDB 为兼容层、以 MongoDB 原生工具连接的云上部署流程从创建 Aiven for PostgreSQL 服务、准备数据库到通过 Docker 启动 FerretDB 并配置FERRETDB_POSTGRESQL_URL连接串再到用mongosh执行插入、查询、比较运算与排序等真实 MongoDB 操作最后用psql直接查看数据在 PostgreSQL 中如何以 JSONB 存储。读完本文你将掌握一套可复制、可上生产环境的 MongoDB 到开源替代方案的迁移与运行方案。对于希望摆脱 MongoDB 授权与锁定、又不想放弃现有 MongoDB 工具链的团队而言FerretDB 是一个真正的开源 MongoDB 替代方案它把 MongoDB 客户端发出的请求翻译成 SQL并让数据落盘在 PostgreSQL 之上。而 Aiven for PostgreSQL 则提供了一个统一、云厂商无关的托管平台涵盖 PostgreSQL 扩展、高可用与性能、以及与既有数据基础设施的集成能力。两者结合即可让 MongoDB 工作负载平稳运行在云上托管的 PostgreSQL 之上。前提条件开始之前请确保具备以下环境Aiven 账号psqlPostgreSQL 命令行客户端DockermongoshMongoDB Shell其中mongosh用于以标准 MongoDB 方式连接和操作 FerretDBpsql用于验证数据在后端 PostgreSQL 中的实际落盘形态两者在本教程中都会用到。第一步创建并准备 Aiven for PostgreSQL 服务如果你还没有 Aiven 账号请先注册一个。登录 Aiven 控制台后从仪表盘创建一个 PostgreSQL 服务。服务创建完成后你会获得一个形如下面的 PostgreSQL 连接串postgres://username:passwordhost:port/database?sslmoderequire注意连接串末尾的sslmoderequireAiven 托管服务默认启用 TLS 加密连接FerretDB 与 PostgreSQL 后端之间的链路同样需要走 TLS这一点务必保留。接下来用psql连接到该连接串并创建一个名为ferretdb的数据库用于存放 FerretDB 的数据defaultdb CREATE DATABASE ferretdb OWNER username; CREATE DATABASE将username替换为你的 Aiven PostgreSQL 用户。之所以显式指定OWNER是为了确保 FerretDB 后续能以该用户身份在该数据库内自由建表、读写数据。第二步通过 Docker 启动 FerretDB启动 FerretDB 时需要告知它后端 PostgreSQL 的地址。有两种等价的配置方式环境变量FERRETDB_POSTGRESQL_URL命令行参数--postgresql-url在源码层面cmd/ferretdb/main.go 中通过kong框架定义了该参数--postgresql-url的默认值为postgres://127.0.0.1:5432/postgres并支持--postgresql-url-file从文件读取连接串若指定则覆盖前者。同时kong.DefaultEnvars(FERRETDB)让所有参数都可以用FERRETDB_前缀的环境变量覆盖因此FERRETDB_POSTGRESQL_URL与--postgresql-url完全等价按需选用即可。使用 Docker 运行如下命令docker run -e FERRETDB_POSTGRESQL_URLpostgres://username:passwordhost:port/ferretdb?sslmoderequire -p 27017:27017 ghcr.io/ferretdb/ferretdb请注意替换username、password、host和port为你实际的 Aiven 凭据与连接信息并确保数据库名指向上一步创建的ferretdb。这里把 FerretDB 的 MongoDB 协议监听端口27017映射到宿主机-p 27017:27017之后本地客户端即可直接访问。启动成功后用mongosh以 MongoDB URI 格式连接 FerretDBmongosh mongodb://username:password127.0.0.1:27017/ferretdb?authMechanismPLAIN这里有几个关键点authMechanismPLAINFerretDB 使用 PLAIN 认证机制用户名密码会透传给后端 PostgreSQL 完成身份校验仓库内其他部署文档如 website/blog/2023-06-26-configure-ferretdb-work-percona-distribution-postgresql.md均使用同一 URI 规范URI 中的用户名/密码应与 Aiven PostgreSQL 用户一致连接地址是127.0.0.1:27017即本地映射的 FerretDB 端口而非直接连接 Aiven 主机。至此FerretDB 已就绪可以开始执行各种 MongoDB 操作了。第三步在 FerretDB 上执行 MongoDB 操作下面以一个天文数据集为例astronomy集合中存放了若干恒星的名称、类型、质量、直径、所属星座与距地距离。插入数据insertManydb.astronomy.insertMany([ { name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus }, { name: Betelgeuse, type: Star, distance_from_earth: 642.5, mass: 2.78e31, diameter: 1.2e9, constellation: Orion }, { name: Vega, type: Star, distance_from_earth: 25.04, mass: 4.074e30, diameter: 2440000, constellation: Lyra } ])执行后astronomy集合中包含 5 个文档分别记录不同恒星的质量、直径与距地距离。其中质量的单位是千克kg直径单位是千米km距地距离单位是光年ly。查询数据find 等值匹配查询位于Centaurus半人马座星座中的恒星ferretdb db.astronomy.find({ constellation: Centaurus }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b6), name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b7), name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus } ]返回 3 条结果Alpha Centauri A、Alpha Centauri B 与 Proxima Centauri。注意每条文档都被自动分配了_idObjectId这正是 MongoDB 的典型行为。使用运算符查询$lt 比较运算接下来找出质量小于1e30kg 的恒星ferretdb db.astronomy.find({ mass: { $lt: 1e30 } }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus } ]只有 Proxima Centauri 满足条件——它的质量2.446e29kg 是唯一小于1e30的。这说明 FerretDB 对 MongoDB 查询运算符如$lt具备原生支持使用体验与 MongoDB 保持一致。排序sort还可以按距地距离对文档排序ferretdb db.astronomy.find({}).sort({ distance_from_earth: 1 }) [ { _id: ObjectId(665f00fb2d149942b1b2b4b8), name: Proxima Centauri, type: Star, distance_from_earth: 4.24, mass: 2.446e29, diameter: 200000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b6), name: Alpha Centauri A, type: Star, distance_from_earth: 4.37, mass: 2.187e30, diameter: 1214000, constellation: Centaurus }, { _id: ObjectId(665f00fb2d149942b1b2b4b7), name: Alpha Centauri B, type: Star, distance_from_earth: 4.37, mass: 1.804e30, diameter: 865000, constellation: Centaurus }, { _id: ObjectId(665f027e2d149942b1b2b4ba), name: Vega, type: Star, distance_from_earth: 25.04, mass: 4.074e30, diameter: 2440000, constellation: Lyra }, { _id: ObjectId(665f027e2d149942b1b2b4b9), name: Betelgeuse, type: Star, distance_from_earth: 642.5, mass: 2.78e31, diameter: 1200000000, constellation: Orion } ]结果按距地距离升序排列最近的 Proxima Centauri4.24 ly排在最前最远的 Betelgeuse642.5 ly排在最后。可以看到FerretDB 不仅支持简单的等值查询还能完整处理 MongoDB 的比较运算符与排序语义。第四步用 psql 查看 PostgreSQL 中的数据FerretDB 的价值在于你既可以享受 MongoDB 的开发体验又可以把数据完整地托管在 PostgreSQL 中从简单查询到复杂聚合皆可。那么这些数据在 Postgres 里长什么样通过psql连接后端即可一探究竟。ferretdb SET SEARCH_PATH to ferretdb; SET ferretdb \dt List of relations Schema | Name | Type | Owner -------------------------------------------------------- ferretdb | _ferretdb_database_metadata | table | avnadmin ferretdb | astronomy_5f9854f1 | table | avnadmin (2 rows) ferretdb SELECT * FROM astronomy_5f9854f1; _jsonb ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b6, mass: 2187000000000000000000000000000, name: Alpha Centauri A, type: Star, diameter: 1214000, constellation: Centaurus, distance_from_earth: 4.37} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b7, mass: 1804000000000000000000000000000, name: Alpha Centauri B, type: Star, diameter: 865000, constellation: Centaurus, distance_from_earth: 4.37} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f00fb2d149942b1b2b4b8, mass: 244600000000000000000000000000, name: Proxima Centauri, type: Star, diameter: 200000, constellation: Centaurus, distance_from_earth: 4.24} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f027e2d149942b1b2b4b9, mass: 27800000000000000000000000000000, name: Betelgeuse, type: Star, diameter: 1200000000, constellation: Orion, distance_from_earth: 642.5} {$s: {p: {_id: {t: objectId}, mass: {t: double}, name: {t: string}, type: {t: string}, diameter: {t: int}, constellation: {t: string}, distance_from_earth: {t: double}}, $k: [_id, name, type, distance_from_earth, mass, diameter, constellation]}, _id: 665f027e2d149942b1b2b4ba, mass: 4074000000000000000000000000000, name: Vega, type: Star, diameter: 2440000, constellation: Lyra, distance_from_earth: 25.04} (5 rows) (END)从\dt的输出可以看到两个关键的表_ferretdb_database_metadata元数据表记录数据库中的集合与对应物理表的映射关系astronomy_5f9854f1FerretDB 为astronomy集合自动创建的实际物理表。而SELECT结果显示每个 MongoDB 文档都被存为 JSONB 类型的一行数据_jsonb列。其中$s字段内的$k数组保存了字段顺序$p中为每个字段记录了其原始 BSON 类型objectId、double、string、int而数值则以 JSON 数字形式存储。这种以$前缀标记类型信息的格式正是 FerretDB 的 PJSON 映射方案——它在 website/blog/2022-11-08-pjson-how-to-store-bson-in-jsonb.md 中有详细介绍FerretDB 将 MongoDB 的 BSON 文档反序列化后映射为 PJSON再存入 PostgreSQL 的 JSONB 列从而既保留了 BSON 的类型信息与字段顺序又充分利用了 JSONB 的查询与索引能力。顺带一提仓库根目录的 docker-compose.yml 中已包含一套本地开发用的postgres以及yugabytedb、mongodb等服务定义如果你希望先在本地验证同样的流程也可以参照该文件快速起一个 PostgreSQL 后端。结语PostgreSQL 是当今应用最广泛的开源数据库之一而 Aiven for PostgreSQL 又为其提供了托管、高可用与多云能力。以 Aiven for PostgreSQL 为后端运行 FerretDB你可以在几乎不改动应用代码的前提下把 MongoDB 工作负载平稳迁移到完全开源的技术栈上——mongosh照常使用查询运算符与排序语义完全兼容同时数据以 JSONB 形态透明地托管在 PostgreSQL 中。如果你打算正式启动从 MongoDB 到 FerretDB 的迁移可以进一步阅读仓库中的迁移指南 website/docs/migration/migrating-from-mongodb.md它基于mongodump/mongorestore与mongoexport/mongoimport等 MongoDB 原生工具给出了完整的导出、导入与校验流程帮助你以最小成本完成数据搬迁。赞分享后端数据库文档数据库【免费下载链接】FerretDBA truly Open Source MongoDB alternative项目地址https://gitcode.com/gh_mirrors/fe/FerretDB点击查看免费下载相关推荐在 Percona Distribution for PostgreSQL 上配置 FerretDBDebian 包部署与 MongoDB 工作负载实战在 Percona Distribution for PostgreSQL 上配置 FerretDBDebian 包部署与 MongoDB 工作负载实战 本文后端数据库文档数据库使用 KubeDB 托管 PostgreSQL 在 Kubernetes 上部署 FerretDB 实战指南使用 KubeDB 托管 PostgreSQL 在 Kubernetes 上部署 FerretDB 实战指南 FerretDB 是一款开源文档数据库它在 Po后端数据库文档数据库使用 pgEdge 分布式 PostgreSQL 作为后端运行 FerretDB从 Docker 部署到 MongoDB CRUD 实战使用 pgEdge 分布式 PostgreSQL 作为后端运行 FerretDB从 Docker 部署到 MongoDB CRUD 实战 FerretDB 是后端数据库文档数据库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考