Heim > Artikel > Web-Frontend > Einführung in die durch JavaScript implementierte In-Memory-Datenbank LokiJS und einführende Beispiele_Javascript-Kenntnisse
LokiJS ist eine In-Memory-Datenbank, bei der Leistungsaspekte im Vordergrund stehen.
LokiJS unterstützt die Indizierung und einen schnelleren Dokumentenzugriff und die Ausführungsleistung ist sehr gut (fast 500.000 OPS/Sekunde). Die integrierte DynamicView-Klasse kann zum Indizieren von Teilmengen von Daten für eine noch schnellere Leistung verwendet werden.
*Lesen Sie diesen Artikel, um einen Blick auf die Leistung von LokiJS zu werfen.
LokiJS unterstützt Sammlungen (Datensätze), ähnlich wie MongoDB, und speichert Daten im JSON-Format auf der Festplatte, sodass Ihre Daten portierbar sind.
LokiJS kann auf der Node.js-Seite und auf der Browserseite ausgeführt werden.
JavaScript ist eine leicht zu erlernende, universelle Sprache, daher ist die Datenbankentwicklung in JavaScript sehr einfach und sehr effizient. Wenn Ihre MongoDB noch nicht außer Betrieb genommen wurde, ist LokiJS in den folgenden Situationen möglicherweise eine idealere Lösung:
1. Mobile Anwendungen – insbesondere HTML-Anwendungen. (Cordova, Phonegap)
2. Der integrierte Datenspeicher von Node.js ist für kleine bis mittlere Anwendungen konzipiert
3. In den Desktop integrierte Anwendungen (Node Webkit)
LokiJS unterstützt eigenständige Server, auf die über http/tcp-Clients zugegriffen werden kann.
Wählen Sie Ihr Lieblingsparadigma
Die Funktionalität von LokiJS nutzt die Leistungsfähigkeit von JavaScript vollständig aus.
Wenn Sie funktionale Programmierung bevorzugen, wird Ihnen die Verwendung von Ansichten zum Abfragen von Daten auf jeden Fall Freude bereiten.
Sie können auch Ihre bevorzugte MongoDB-Shell verwenden, um Textobjekte abzufragen.
Schnellstart
Installieren
LokiJS kann in npm und Bower installiert werden:
Verwenden Sie
Datenbank erstellen:
Geben Sie die JSON-Datei ein, die Sie zum Speichern der Daten benötigen
Datensatz erstellen:
Dokument einfügen:
Dokumente abrufen:
Dynamische Ansicht erstellen:
MapReduce (Datenaggregation):