مقدمه

در درس پیشین، با پایگاه‌های داده‌ی رابطه‌ای و ساختار جدولی آنها آشنا شدیم. اما همه‌ی داده‌های دنیا در قالب جدول‌های منظم قرار نمی‌گیرند. گاهی داده‌ها ساختاری پیچیده، تو در تو و بدون طرحواره‌ی (اسکیما) ثابت دارند. برای این موارد، پایگاه‌های داده‌ی غیررابطه‌ای (NoSQL) طراحی شده‌اند.

در این درس، با یکی از محبوب‌ترین پایگاه‌های داده‌ی غیررابطه‌ای یعنی MongoDB آشنا می‌شویم. می‌آموزیم که چه زمانی باید از پایگاه‌های غیررابطه‌ای استفاده کنیم و چگونه می‌توانیم با استفاده از پایتون، داده‌ها را در MongoDB ذخیره و بازیابی کنیم.

پایگاه‌های داده‌ی غیررابطه‌ای (NoSQL) چیستند؟

عبارت NoSQL مخفف Not Only SQL است و به خانواده‌ای از پایگاه‌های داده گفته می‌شود که از ساختار جدولی و زبان SQL برای ذخیره‌سازی و بازیابی داده استفاده نمی‌کنند (توجه نمائید که برخی از پایگاه‌ داده‌های NoSQL وجود دارند که از SQL نیز تا حدودی پشتیبانی می‌کنند). این پایگاه‌ها برای مدیریت داده‌های حجیم، بدون ساختار و با مقیاس‌پذیری بالا طراحی شده‌اند.

انواع پایگاه‌های NoSQL:

نوعمثالکاربرد
مدارکی (Document-based)MongoDB، CouchDBذخیره‌سازی داده‌های نیمه‌ساختاریافته مثل JSON و مدارک متنی بدون هیچ ساختار مشخص
کلید-مقدار (Key-Value)Redis، DynamoDBذخیره‌سازی کش، نشست‌های کاربری
ستونی (Column-family)Cassandra، HBaseداده‌های حجیم با نوشتن و خواندن بالا
گرافی (Graph)Neo4j، ArangoDBداده‌های با روابط پیچیده مثل شبکه‌های اجتماعی

آشنایی با MongoDB

دیتابیس MongoDB یک پایگاه‌داده‌ی مدارکی (Document-based) است که داده‌ها را در قالب مدارک (Documents) با ساختار BSON (شبیه به JSON) ذخیره می‌کند. هر مدرک مجموعه‌ای از فیلدها با مقادیر مختلف است و برخلاف پایگاه‌های رابطه‌ای، نیازی به طرحواره‌ی ثابت ندارد.

مزایای MongoDB:

  • بدون طرحواره: هر مدرک می‌تواند ساختار متفاوتی داشته باشد.
  • مقیاس‌پذیری افقی: به راحتی روی چندین سرور توزیع می‌شود.
  • سرعت بالا: در خواندن و نوشتن داده‌های حجیم بسیار سریع است.
  • ساختار طبیعی: داده‌ها به همان شکلی که در برنامه‌ها استفاده می‌شوند، ذخیره می‌شوند.

معایب MongoDB:

  • عدم پشتیبانی از تراکنش‌های پیچیده: برای عملیات‌های چندگانه با قوام بالا مناسب نیست.
  • نیاز به حافظه بالا: برای عملکرد خوب، به حافظه‌ی کافی نیاز دارد.
  • یادگیری جدید: مفاهیم و کوئری‌نویسی آن با SQL متفاوت است.

به عبارت دیگر: اگر پروژه‌ای دارید که نیاز به دقت بالا و همه‌ی عملیات‌ها یا هیچ‌کدام دارد (مثلن سیستم‌های بانکی، خرید و فروش، یا مدیریت موجودی حساس)، پایگاه‌های رابطه‌ای انتخاب بهتری هستند. اما اگر پروژه‌ی شما بیشتر به سرعت، مقیاس‌پذیری و انعطاف‌پذیری نیاز دارد (مثلن سیستم‌های ثبت لاگ، ذخیره‌سازی محتوای کاربران، یا داده‌های تحلیلی)، MongoDB می‌تواند گزینه‌ی مناسبی باشد.

نصب و راه‌اندازی MongoDB

برای شروع کار با MongoDB، دو راه دارید:

راه اول: نصب محلی
۱. به وب‌سایت رسمی مانگودی‌بی بروید.
۲. نسخه‌ی Community Server را دانلود و نصب کنید.
۳. سرویس MongoDB را روی سیستم خود اجرا کنید.

راه دوم: استفاده از Docker (ساده‌تر)
اگر داکر روی سیستم شما نصب است، می‌توانید با یک دستور MongoDB را اجرا کنید. توجه فرمائید که ابتدا باید ایمیج داکر ماگودی‌بی را پول (دانلود) نمائید. برای هماهنگی شما نیز تلاش نمائید که همین تگ از ایمیج ماگو را دریافت کنید.

docker pull mongo:8.0

docker run -d -p 27017:27017 --name mongodb mongo:8.0
نمایی از اجرای دستور برای ساختن یک نمونه از ایمیج مانگو از روی ایمیج داکر
نمایی از داکردستاپ که نشان می‌دهد یک نمونه از مانگو در حال اجراست

اتصال به MongoDB در پایتون

برای کار با MongoDB در پایتون، باید کتابخانه‌ی pymongo را نصب کنید:

pip install pymongo

اتصال به MongoDB و ایجاد پایگاه‌داده:

from pymongo import MongoClient

# Connect to MongoDB server (default port is 27017)
client = MongoClient('localhost', 27017)

# Create or select database (created if it doesn't exist)
db = client['sales_db']

# Create or select collection (equivalent to table in relational databases)
collection = db['sales']

print("✅ Successfully connected to MongoDB.")

درج داده در MongoDB

برخلاف پایگاه‌های رابطه‌ای، در MongoDB داده‌ها به صورت مدارک (اسناد) شبیه به JSON ذخیره می‌شوند:

from pymongo import MongoClient

# Connect to MongoDB server
client = MongoClient('localhost', 27017)
db = client['sales_db']
collection = db['sales']

# Insert a single document
doc = {
    "product_id": "P1001",
    "product_name": "Laptop",
    "category": "Electronics",
    "unit_price": 1200.0,
    "quantity_sold": 15,
    "sale_date": "2026-01-15",
    "region": "Tehran"
}
result = collection.insert_one(doc)
print(f"✅ Document inserted with ID: {result.inserted_id}")

# Insert multiple documents
sales_data = [
    {
        "product_id": "P1002",
        "product_name": "Mobile",
        "category": "Electronics",
        "unit_price": 800.0,
        "quantity_sold": 25,
        "sale_date": "2026-01-15",
        "region": "Tehran"
    },
    {
        "product_id": "P1003",
        "product_name": "Headphone",
        "category": "Accessories",
        "unit_price": 150.0,
        "quantity_sold": 40,
        "sale_date": "2026-01-15",
        "region": "Tehran"
    }
]
result = collection.insert_many(sales_data)
print(f"✅ {len(result.inserted_ids)} documents successfully inserted.")

خواندن داده از MongoDB

برای بازیابی داده‌ها از MongoDB، از متد find() استفاده می‌کنیم:

from pymongo import MongoClient

# Connect to MongoDB server
client = MongoClient('localhost', 27017)
db = client['sales_db']
collection = db['sales']

# Read all documents
all_docs = collection.find()
for doc in all_docs:
    print(doc)

# Filter: products with price greater than 500
filtered = collection.find({"unit_price": {"$gt": 500}})
for doc in filtered:
    print(f"{doc['product_name']}: {doc['unit_price']}")

# Read a specific document
doc = collection.find_one({"product_id": "P1001"})
print(doc)
بعد از اجرای سه کد پایتونی فوق خروجی مشابه این تصویر خواهیم دید

استفاده از mongosh برای مشاهده‌ی دیتا

حال که یک از روی ایمیج مانگو یک نمونه از این دیتابیس در حال اجراست می‌توانیم با توسل به دستورات خط فرمان و داکر وارد این نمونه‌ی در حال اجرا شده و مدارک و رکوردهایی که وارد کردیم را مشاهده کنیم. خلاصه دستورات بشرح ذیل هستند:

# ورود به شل رسمی مانگو
docker exec -it mongodb mongosh

# انتخاب پایگاه‌داده
use sales_db

# نمایش همه‌ی مدارک
db.sales.find().pretty()

# مشاهده‌ی تعداد مدارک
db.sales.countDocuments()

# فیلتر کردن بر اساس قیمت
db.sales.find({unit_price: {$gt: 500}}).pretty()

اجرای دستورات فوق یک خروجی مشاهده با متن زیر می‌دهد:

#🔴 command
PS C:\Users\User> docker exec -it mongodb mongosh
Current Mongosh Log ID: 6a609efb49d48bdeb5dc6fb4
Connecting to:          mongodb://127.0.0.1:27017/?directConnection=true&serverSelectionTimeoutMS=2000&appName=mongosh+2.9.2
Using MongoDB:          8.0.26
Using Mongosh:          2.9.2

For mongosh info see: https://www.mongodb.com/docs/mongodb-shell/


To help improve our products, anonymous usage data is collected and sent to MongoDB periodically (https://www.mongodb.com/legal/privacy-policy).
You can opt-out by running the disableTelemetry() command.

------
   The server generated these startup warnings when booting
   2026-07-22T10:40:48.138+00:00: Using the XFS filesystem is strongly recommended with the WiredTiger storage engine. See http://dochub.mongodb.org/core/prodnotes-filesystem
   2026-07-22T10:40:48.581+00:00: Access control is not enabled for the database. Read and write access to data and configuration is unrestricted
   2026-07-22T10:40:48.581+00:00: For customers running the current memory allocator, we suggest changing the contents of the following sysfsFile
   2026-07-22T10:40:48.581+00:00: For customers running the current memory allocator, we suggest changing the contents of the following sysfsFile
   2026-07-22T10:40:48.581+00:00: We suggest setting the contents of sysfsFile to 0.
   2026-07-22T10:40:48.581+00:00: We suggest setting swappiness to 0 or 1, as swapping can cause performance problems.
------

#🔴 command
test> use sales_db
switched to db sales_db

#🔴 command
sales_db> db.sales.find().pretty()
[
  {
    _id: ObjectId('6a609e4b1d49c78613165168'),
    product_id: 'P1001',
    product_name: 'Laptop',
    category: 'Electronics',
    unit_price: 1200,
    quantity_sold: 15,
    sale_date: '2026-01-15',
    region: 'Tehran'
  },
  {
    _id: ObjectId('6a609e4b1d49c78613165169'),
    product_id: 'P1002',
    product_name: 'Mobile',
    category: 'Electronics',
    unit_price: 800,
    quantity_sold: 25,
    sale_date: '2026-01-15',
    region: 'Tehran'
  },
  {
    _id: ObjectId('6a609e4b1d49c7861316516a'),
    product_id: 'P1003',
    product_name: 'Headphone',
    category: 'Accessories',
    unit_price: 150,
    quantity_sold: 40,
    sale_date: '2026-01-15',
    region: 'Tehran'
  }
]

#🔴 command
sales_db> db.sales.countDocuments()
3

#🔴 command
sales_db> db.sales.find({unit_price: {$gt: 500}}).pretty()
[
  {
    _id: ObjectId('6a609e4b1d49c78613165168'),
    product_id: 'P1001',
    product_name: 'Laptop',
    category: 'Electronics',
    unit_price: 1200,
    quantity_sold: 15,
    sale_date: '2026-01-15',
    region: 'Tehran'
  },
  {
    _id: ObjectId('6a609e4b1d49c78613165169'),
    product_id: 'P1002',
    product_name: 'Mobile',
    category: 'Electronics',
    unit_price: 800,
    quantity_sold: 25,
    sale_date: '2026-01-15',
    region: 'Tehran'
  }
]
sales_db>

مقایسه MongoDB و پایگاه‌های رابطه‌ای

معیارپایگاه‌های رابطه‌ای (PostgreSQL)MongoDB
ساختار دادهجدول‌های با سطر و ستونمدارک شبیه به JSON
طرحوارهثابت و از پیش تعیین‌شدهپویا و انعطاف‌پذیر
زبان کوئریSQLکوئری‌های مبتنی بر شیء
تراکنش‌هاپشتیبانی کامل (ACID)پشتیبانی محدود
مقیاس‌پذیریعمودی (افزایش توان سرور)افقی (افزایش تعداد سرورها)
مناسب برایداده‌های با ساختار مشخص و روابط پیچیدهداده‌های بدون ساختار، رشد سریع و تغییرپذیر

جمع‌بندی و تمرین

در این درس، با پایگاه‌های داده‌ی غیررابطه‌ای و به طور خاص MongoDB آشنا شدیم. دیدیم که این پایگاه‌ها برای داده‌های با ساختار متغیر، رشد سریع و مقیاس‌پذیری بالا بسیار مناسب هستند. انتخاب بین پایگاه‌های رابطه‌ای و غیررابطه‌ای به نیازهای خاص پروژه شما بستگی دارد.

تمرین پیشنهادی:
۱. MongoDB را روی سیستم خود نصب یا با داکر اجرا کنید.
۲. یک پایگاه‌داده‌ی جدید به نام library ایجاد کنید.
۳. یک مجموعه به نام books بسازید.
۴. چندین مدرک با اطلاعات کتاب (عنوان، نویسنده، سال انتشار، ژانر) در آن درج کنید.
۵. با استفاده از فیلتر، کتاب‌های یک نویسنده‌ی خاص را پیدا کنید.