spring-data-mongodb

spring-data-mongodb

简化Spring应用中MongoDB数据访问的框架

Spring Data MongoDB是一个为Spring应用提供MongoDB集成的框架。它采用熟悉的Spring编程模型,简化MongoDB文档数据库的操作。主要特点包括基于POJO的文档交互和便捷的repository式数据访问。该框架使开发者能够轻松构建MongoDB驱动的Spring应用,同时保留MongoDB的独特功能。

Spring Data MongoDB数据库集成文档数据库数据访问层Spring框架Github开源项目

image:https://spring.io/badges/spring-data-mongodb/ga.svg[Spring Data MongoDB,link=https://spring.io/projects/spring-data-mongodb#quick-start] image:https://spring.io/badges/spring-data-mongodb/snapshot.svg[Spring Data MongoDB,link=https://spring.io/projects/spring-data-mongodb#quick-start]

= Spring Data MongoDB image:https://jenkins.spring.io/buildStatus/icon?job=spring-data-mongodb%2Fmain&subject=Build[link=https://jenkins.spring.io/view/SpringData/job/spring-data-mongodb/] https://gitter.im/spring-projects/spring-data[image:https://badges.gitter.im/spring-projects/spring-data.svg[Gitter]] image:https://img.shields.io/badge/Revved%20up%20by-Develocity-06A0CE?logo=Gradle&labelColor=02303A["由Develocity提供支持", link="https://ge.spring.io/scans?search.rootProjectNames=Spring Data MongoDB"]

https://spring.io/projects/spring-data[Spring Data]项目的主要目标是使构建使用新数据访问技术(如非关系型数据库、map-reduce框架和基于云的数据服务)的Spring应用程序变得更加容易。

Spring Data MongoDB项目旨在为新的数据存储提供熟悉且一致的基于Spring的编程模型,同时保留特定存储的特性和功能。Spring Data MongoDB项目提供了与MongoDB文档数据库的集成。Spring Data MongoDB的主要功能领域包括一个以POJO为中心的模型,用于与MongoDB的+Document+进行交互,以及轻松编写仓库风格的数据访问层。

[[code-of-conduct]] == 行为准则

本项目遵循https://github.com/spring-projects/.github/blob/e3cc2ff230d8f1dca06535aa6b5a4a23815861d4/CODE_OF_CONDUCT.md[Spring行为准则]。参与本项目,即表示您同意遵守此行为准则。如遇到不可接受的行为,请报告至spring-code-of-conduct@pivotal.io。

[[getting-started]] == 入门指南

以下是一个使用Java编写的Spring Data Repositories的应用程序示例:

[source,java]

public interface PersonRepository extends CrudRepository<Person, Long> {

List<Person> findByLastname(String lastname);

List<Person> findByFirstnameLike(String firstname); }

@Service public class MyService {

private final PersonRepository repository;

public MyService(PersonRepository repository) { this.repository = repository; }

public void doWork() {

repository.deleteAll();

Person person = new Person();
person.setFirstname("Oliver");
person.setLastname("Gierke");
repository.save(person);

List<Person> lastNameResults = repository.findByLastname("Gierke");
List<Person> firstNameResults = repository.findByFirstnameLike("Oli*");

} }

@Configuration @EnableMongoRepositories class ApplicationConfig extends AbstractMongoClientConfiguration {

@Override protected String getDatabaseName() { return "springdata"; } }

[[maven-configuration]] === Maven配置

添加Maven依赖:

[source,xml]

<dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-mongodb</artifactId> <version>${version}</version> </dependency> ----

如果您更喜欢使用即将发布的主要版本的最新快照,请使用我们的Maven快照仓库并声明适当的依赖版本。

[source,xml]

<dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-mongodb</artifactId> <version>${version}-SNAPSHOT</version> </dependency> <repository> <id>spring-snapshot</id> <name>Spring Snapshot Repository</name> <url>https://repo.spring.io/snapshot</url> </repository> ----

[[upgrading]] == 升级

有关如何从Spring Data早期版本升级的说明,请参阅项目https://github.com/spring-projects/spring-data-commons/wiki[wiki]。请点击https://github.com/spring-projects/spring-data-commons/wiki#release-notes[发布说明]部分的链接,找到您想要升级到的版本。

[[getting-help]] == 获取帮助

在使用Spring Data时遇到问题?我们很乐意为您提供帮助!

[[reporting-issues]] == 报告问题

Spring Data使用Github作为问题跟踪系统来记录bug和功能请求。如果您想提出问题,请遵循以下建议:

[[guides]] == 指南

https://spring.io/[spring.io]网站包含几个逐步展示如何使用Spring Data的指南:

[[building-from-source]] == 从源代码构建

使用 Spring Data 无需从源代码构建。二进制文件可在 https://repo.spring.io[repo.spring.io] 获取,并可通过上述 <<maven-configuration,Maven 配置>> 访问。

注意:Gradle 的配置与 Maven 类似。

最好的入门方式是在 https://start.spring.io[start.spring.io] 上创建一个使用 MongoDB 的 Spring Boot 项目。 点击此 https://start.spring.io/#type=maven-project&language=java&platformVersion=3.0.0&packaging=jar&jvmVersion=17&groupId=com.example&artifactId=demo&name=demo&description=Demo%20project%20for%20Spring%20Boot&packageName=com.example.demo&dependencies=data-mongodb[链接] 构建一个命令式应用程序,或点击此 https://start.spring.io/#type=maven-project&language=java&platformVersion=3.0.0&packaging=jar&jvmVersion=17&groupId=com.example&artifactId=demo&name=demo&description=Demo%20project%20for%20Spring%20Boot&packageName=com.example.demo&dependencies=data-mongodb-reactive[链接] 构建一个响应式应用程序。

但是,如果你想尝试最新最好的版本,Spring Data MongoDB 可以使用 https://github.com/takari/maven-wrapper[Maven wrapper] 轻松构建, 最低要求是 JDK 17 (https://www.oracle.com/java/technologies/downloads/[JDK 下载])。

要构建 Spring Data MongoDB,你需要 https://www.mongodb.com/try/download/community[下载] 并 https://docs.mongodb.com/manual/installation/[安装 MongoDB 发行版]。

安装 MongoDB 后,你需要启动 MongoDB 服务器。最好将 MongoDB 安装目录设置为环境变量(例如 MONGODB_HOME)。

要运行完整的测试套件,需要一个 https://docs.mongodb.com/manual/tutorial/deploy-replica-set/[MongoDB 副本集]。

要运行 MongoDB 服务器,在命令行中输入以下命令:

[source,bash]

$ $MONGODB_HOME/bin/mongod --dbpath $MONGODB_HOME/runtime/data --ipv6 --port 27017 --replSet rs0 ... "msg":"Successfully connected to host"

MongoDB 服务器启动后,你应该会看到消息(msg)"Successfully connected to host"。

注意 mongod 命令中的 --dbpath 选项。你可以将其设置为任何你喜欢的路径,但在这个例子中,我们将其设置为 MongoDB 安装目录($MONGODB_HOME)下的子目录(runtime/data/)的绝对路径。

你只需在第一次启动 MongoDB 服务器时初始化一次 MongoDB 副本集。 要初始化副本集,启动一个 mongo 客户端:

[source,bash]

$ $MONGODB_HOME/bin/mongo MongoDB server version: 6.0.0 ...

然后输入以下命令:

[source,bash]

mongo> rs.initiate({ _id: 'rs0', members: [ { _id: 0, host: '127.0.0.1:27017' } ] })

最后,在基于 UNIX 的系统(例如 Linux 或 Mac OS X)上,你可能需要调整 ulimit。 如果需要,你可以使用以下命令调整 ulimit(32768 只是一个建议值):

[source,bash]

$ ulimit -n 32768

你可以再次使用 ulimit -a 来验证"打开文件"的 ulimit 是否设置正确。

现在你已经准备好构建 Spring Data MongoDB 了。只需输入以下 mvnw(Maven Wrapper)命令:

[source,bash]

$ ./mvnw clean install

如果你想使用常规的 mvn 命令构建,你需要 https://maven.apache.org/run-maven/index.html[Maven v3.8.0 或更高版本]。

如果你希望提交拉取请求,请同时查看 link:CONTRIBUTING.adoc[CONTRIBUTING.adoc],特别是在进行第一次非微小更改之前,请签署 https://cla.pivotal.io/sign/spring[贡献者协议]。

=== 构建参考文档

构建文档的同时也会构建项目,但不运行测试。

[source,bash]

$ ./mvnw clean install -Pantora

生成的文档可在 target/antora/site/index.html 中找到。

[[license]] == 许可证

Spring Data MongoDB 是根据 https://www.apache.org/licenses/LICENSE-2.0.html[Apache 2.0 许可证] 发布的开源软件。

编辑推荐精选

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

CSM

CSM

高质量语音生成模型

CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。

下拉加载更多