答案：使用pymongo操作MongoDB需先安装库并建立连接，通过MongoClient管理连接池以提升性能，合理配置maxPoolSize、minPoolSize和maxIdleTimeMS参数；执行CRUD操作时应结合try-except机制捕获ConnectionFailure、OperationFailure、DuplicateKeyError等异常，确保程序健壮性。
用Python操作MongoDB，核心就是通过官方推荐的pymongo库来建立连接、执行各种数据库操作。无论是数据插入、查询、更新还是删除，pymongo都提供了一套直观且功能强大的API。连接NoSQL数据库，特别是MongoDB这类文档型数据库，其实践往往比传统关系型数据库要灵活不少，但也需要我们对数据模型和操作模式有清晰的理解。
要用Python操作MongoDB，第一步自然是安装pymongo库。简单一个pip install pymongo就能搞定。
连接数据库是所有操作的起点。我通常会这么做：
from pymongo import MongoClient
from pymongo.errors import ConnectionFailure, OperationFailure
# 连接到MongoDB实例
# 默认连接到 localhost:27017
# 也可以指定主机和端口，比如 client = MongoClient('mongodb://localhost:27017/')
try:
client = MongoClient('localhost', 27017)
# 尝试访问一个数据库来验证连接
client.admin.command('ping')
print("成功连接到MongoDB!")
except ConnectionFailure as e:
print(f"连接MongoDB失败: {e}")
# 在实际应用中，这里可能需要更复杂的错误处理或重试机制
exit()
# 选择数据库和集合（collection）
db = client.mydatabase # 如果数据库不存在，MongoDB会在第一次插入数据时自动创建
my_collection = db.mycollection # 同样，集合也会自动创建
# --- 插入数据 (Create) ---
# 插入一个文档
post = {"author": "Mike",
"text": "My first blog post!",
"tags": ["mongodb", "python", "pymongo"]}
post_id = my_collection.insert_one(post).inserted_id
print(f"插入文档ID: {post_id}")
# 插入多个文档
new_posts = [
{"author": "John",
"text": "Another post",
"tags": ["database", "nosql"]},
{"author": "Jane",
"text": "Third post",
"tags": ["python", "tutorial"]}
]
result = my_collection.insert_many(new_posts)
print(f"插入多个文档ID: {result.inserted_ids}")
# --- 查询数据 (Read) ---
# 查询所有文档
print("\n所有文档:")
for post in my_collection.find():
print(post)
# 查询一个文档
print("\n查询单个文档 (author: Mike):")
print(my_collection.find_one({"author": "Mike"}))
# 带条件的查询
print("\n查询 tags 包含 'python' 的文档:")
for post in my_collection.find({"tags": "python"}):
print(post)
# --- 更新数据 (Update) ---
# 更新一个文档
my_collection.update_one({"author": "Mike"}, {"$set": {"text": "Updated first post!"}})
print("\n更新后的 Mike 的文档:")
print(my_collection.find_one({"author": "Mike"}))
# 更新多个文档
# 比如给所有文档添加一个字段
my_collection.update_many({}, {"$set": {"status": "published"}})
print("\n更新所有文档，添加 status 字段:")
for post in my_collection.find():
print(post)
# --- 删除数据 (Delete) ---
# 删除一个文档
my_collection.delete_one({"author": "John"})
print("\n删除 John 的文档后:")
for post in my_collection.find():
print(post)
# 删除多个文档
# my_collection.delete_many({"status": "published"}) # 慎用，会删除所有匹配项
# --- 关闭连接 ---
client.close()
print("\nMongoDB连接已关闭。")上面这些代码，基本上涵盖了日常操作MongoDB的绝大部分场景。你会发现，它的API设计挺直观的，和Python的字典操作很像。
立即学习“Python免费学习笔记（深入）”；
Python连接MongoDB时，如何有效管理连接池以优化性能？
说实话，初学者往往只关注CRUD，但连接管理在实际应用中，尤其是高并发场景下，重要性一点不亚于数据操作本身。pymongo的MongoClient对象其实自带了连接池管理功能，这非常方便。你不需要自己手动去实现一个复杂的连接池，它开箱即用。
MongoClient在初始化时会创建一个连接池，后续的所有操作都会从这个池子里获取连接。这样就避免了每次请求都重新建立TCP连接的开销，显著提升了性能。但我们也不是完全不用管，有些参数还是值得调优的：
本文介绍了Python操作MYSQL、执行SQL语句、获取结果集、遍历结果集、取得某个字段、获取表字段名、将图片插入数据库、执行事务等各种代码实例和详细介绍，代码居多，是一桌丰盛唯美的代码大餐。如果想查看在线版请访问：https://www.jb51.net/article/34102.htm
-
maxPoolSize: 连接池中允许的最大连接数。默认是100。如果你的应用并发量很高，可能会需要调大这个值，但也不是越大越好，过多的连接会给MongoDB服务器带来压力。 -
minPoolSize: 连接池中保持的最小连接数。默认是0。如果你希望应用启动后就能立即处理请求，或者想避免冷启动时的连接建立延迟，可以设置一个大于0的值。 -
maxIdleTimeMS: 连接在池中保持空闲的最长时间（毫秒）。超过这个时间，空闲连接会被关闭。默认是无限制。这有助于回收那些长时间不用的连接，释放资源。
一个典型的配置可能看起来像这样：
from pymongo import MongoClient
# 配置连接池参数
client = MongoClient('mongodb://localhost:27017/',
maxPoolSize=50, # 最大连接数50
minPoolSize=5, # 最小连接数5
maxIdleTimeMS=300000) # 连接空闲5分钟后关闭
db = client.another_db
# 之后的所有操作都会使用这个配置的连接池
# ...合理配置这些参数，能让你的Python应用在与MongoDB交互时，既能保证性能，又能有效利用服务器资源。我个人觉得，对于大多数中小型应用，默认配置已经很不错了，但如果遇到性能瓶颈，连接池参数绝对是值得首先审视的地方。
Python操作MongoDB时，如何进行健壮的错误处理和异常管理？
编写代码时，我们总希望一切顺利，但现实往往不尽如人意。网络波动、数据库宕机、权限不足、数据格式不匹配，这些都可能导致操作失败。所以，健壮的错误处理机制是任何生产级应用不可或缺的一部分。
在pymongo中，大多数操作失败都会抛出异常，通常是pymongo.errors模块下的各种子类。最常见的包括：
-
ConnectionFailure: 无法连接到MongoDB实例，可能是网络问题或数据库未运行。 -
OperationFailure: 数据库操作失败，比如权限不足、命令语法错误、数据验证失败等。 -
DuplicateKeyError: 尝试插入一个具有重复唯一索引键的文档时抛出。
我通常会用try-except块来捕获这些异常。比如：
from pymongo import MongoClient
from pymongo.errors import ConnectionFailure, OperationFailure, DuplicateKeyError
client = MongoClient('localhost', 27017)
db = client.test_db
my_collection = db.test_collection
try:
# 尝试插入一个文档
# 假设 'name' 字段有一个唯一索引
my_collection.insert_one({"name": "Alice", "age": 30 
