mongodb
This commit is contained in:
heibaiying
@ -1,5 +1,22 @@
|
||||
# MongoDB 聚合操作
|
||||
|
||||
<nav>
|
||||
<a href="#一聚合简述">一、聚合简述</a><br/>
|
||||
<a href="#二聚合管道">二、聚合管道</a><br/>
|
||||
<a href="#11-$match">1.1 $match</a><br/>
|
||||
<a href="#12-$project">1.2 $project</a><br/>
|
||||
<a href="#13-$group">1.3 $group</a><br/>
|
||||
<a href="#14-$unwind">1.4 $unwind</a><br/>
|
||||
<a href="#15-$sort">1.5 $sort</a><br/>
|
||||
<a href="#16-$limit">1.6 $limit</a><br/>
|
||||
<a href="#17-$skip">1.7 $skip</a><br/>
|
||||
<a href="#18-$lookup">1.8 $lookup</a><br/>
|
||||
<a href="#19-$out">1.9 $out</a><br/>
|
||||
<a href="#110-自动优化">1.10 自动优化</a><br/>
|
||||
<a href="#三MapReduce">三、MapReduce</a><br/>
|
||||
<a href="#四单用途聚合方法">四、单用途聚合方法</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、聚合简述
|
||||
|
||||
在日常开发中，我们通常需要对存储数据进行聚合分析后，再返回给客户端。MongoDB提供了三种聚合的方式，分别是聚合管道，map-reduce 函数和单用途聚合方法。
|
||||
@ -59,7 +76,7 @@ db.employees.aggregate([
|
||||
|
||||
所以最后的输出结果如下：
|
||||
|
||||
```json
|
||||
```shell
|
||||
{
|
||||
"_id" : ObjectId("5d3fe6488ba16934ccce999d"),
|
||||
"fullName" : "GeorgiFacello"
|
||||
@ -70,7 +87,7 @@ db.employees.aggregate([
|
||||
}
|
||||
```
|
||||
|
||||
在当前最新的 MongoDB 4.x 中，MongoDB 提供了将近 30 个管道阶段，用于满足不同数据处理的需求。以下主要介绍常用几个管道阶段，如果想要了解全部的管道阶段，可以参见官方文档：[Aggregation Pipeline Stages](https://docs.mongodb.com/manual/reference/operator/aggregation-pipeline/)
|
||||
在当前最新的 MongoDB 4.x 中，MongoDB 提供了将近 30 个管道阶段，用于满足不同数据处理的需求。以下主要介绍常用几个管道阶段，如果想要了解全部的管道阶段，可以参见官方文档：[Aggregation Pipeline Stages](https://docs.mongodb.com/manual/reference/operator/aggregation-pipeline/) 。
|
||||
|
||||
### 1.1 $match
|
||||
|
||||
@ -117,13 +134,13 @@ db.employees.aggregate([
|
||||
])
|
||||
```
|
||||
|
||||
这里判断当文档的 hobby 属性为空数组时，则其 hobby 属性不会被输出到下一个管道阶段。
|
||||
这里判断当文档的 hobby 属性为空数组时，其 hobby 属性不会被输出到下一个管道阶段。
|
||||
|
||||
### 1.3 $group
|
||||
|
||||
$group 管道阶段和大多数关系型数据库中的 group by 字句功能类似，都是用于分组计算。示例如下：
|
||||
|
||||
```json
|
||||
```shell
|
||||
db.employees.aggregate(
|
||||
[
|
||||
{ $group : {
|
||||
@ -199,7 +216,7 @@ $unwind 将文档按照数组中的每一个元素进行拆分，类似于大多
|
||||
|
||||
+ **preserveNullAndEmptyArrays**：如果用于展开的字段值为 null 或空数组时，则对应的文档不会被输出到下一阶段。如果想要输出到下一阶段则需要将该属性设置为 true。示例语句如下：
|
||||
|
||||
```json
|
||||
```shell
|
||||
db.employees.aggregate( [
|
||||
{$project: {_id: 0, emp_no: 1, hobby:1}},
|
||||
{ $unwind:
|
||||
@ -228,7 +245,7 @@ db.employees.aggregate( [
|
||||
|
||||
### 1.5 $sort
|
||||
|
||||
$sort 主要用于排序操作，需要注意的是如果可以，应当尽量将该操作放置在管道的第一阶段，从而可以利用索引进行排序，否则就需要使用内存进行排序，这时排序操作就会变得相当昂贵，需要额外的内存和计算资源的开销。
|
||||
$sort 主要用于排序操作，需要注意的是如果可以，应当尽量将该操作放置在管道的第一阶段，从而可以利用索引进行排序，否则就需要使用内存进行排序，这时排序操作就会变得相当昂贵，需要额外消耗内存和计算资源。
|
||||
|
||||
示例如下：
|
||||
|
||||
@ -250,6 +267,29 @@ db.employees.aggregate([
|
||||
|
||||
### 1.8 $lookup
|
||||
|
||||
#### 1. 关联查询
|
||||
|
||||
$lookup 类似与大多数关系型数据库中的 left outer join ，用于实现不同集合之间的连接。其基本的语法如下：
|
||||
|
||||
```shell
|
||||
{
|
||||
$lookup:
|
||||
{
|
||||
from: <collection to join>,
|
||||
localField: <field from the input documents>,
|
||||
foreignField: <field from the documents of the "from" collection>,
|
||||
as: <output array field>
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
+ **from**：指定同一数据库中的集合以进行连接操作；
|
||||
+ **localField**：连接集合中用于进行连接的字段；
|
||||
+ **foreignField**：待连接集合中用于进行连接的字段；
|
||||
+ **as**：指定用于存放匹配文档的新数组字段的名称。如果指定的字段已存在，则进行覆盖。
|
||||
|
||||
为了 $lookup 管道，我们需要额外添加一个集合，用于储存员工的职位信息 (一个员工可以有多个职位头衔) ，语法如下：
|
||||
|
||||
```shell
|
||||
db.titles.insertMany([
|
||||
{
|
||||
@ -270,11 +310,13 @@ db.titles.insertMany([
|
||||
},
|
||||
{
|
||||
emp_no: 10004,
|
||||
title: "Senior Engineer "
|
||||
title: "Senior Engineer"
|
||||
}
|
||||
])
|
||||
```
|
||||
|
||||
执行连接查询，连接条件为员工工号：
|
||||
|
||||
```shell
|
||||
db.employees.aggregate([
|
||||
{
|
||||
@ -287,8 +329,177 @@ db.employees.aggregate([
|
||||
}
|
||||
}
|
||||
])
|
||||
```
|
||||
|
||||
输出结果如下，为节省篇幅和突出重点，这里只显示部分内容，下文亦同。从输出中可以看到员工的职位信息都作为内嵌文档插入到指定的 emp_title 字段下，等价于执行了 left outer join 操作。
|
||||
|
||||
```shell
|
||||
{
|
||||
"_id" : ObjectId("5d3ffaaa8ba16934ccce99a1"),
|
||||
"emp_no" : 10001,
|
||||
........
|
||||
"emp_title" : [
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a5"),
|
||||
"emp_no" : 10001,
|
||||
"title" : "Senior Engineer"
|
||||
}
|
||||
]
|
||||
},
|
||||
|
||||
........
|
||||
|
||||
{
|
||||
"_id" : ObjectId("5d3ffaaa8ba16934ccce99a4"),
|
||||
"emp_no" : 10004,
|
||||
........
|
||||
"emp_title" : [
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a8"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a9"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Senior Engineer"
|
||||
}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
#### 2. 非相关查询
|
||||
|
||||
除了关联查询外，MongoDB 从 3.6 开始，还支持非相关查询。其基本语法如下：
|
||||
|
||||
```shell
|
||||
{
|
||||
$lookup:
|
||||
{
|
||||
from: <collection to join>,
|
||||
let: { <var_1>: <expression>, …, <var_n>: <expression> },
|
||||
pipeline: [ <pipeline to execute on the collection to join> ],
|
||||
as: <output array field>
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
- **from**：指定同一数据库中的集合以进行连接操作；
|
||||
- **let**：可选操作。用于指定在管道阶段中使用的变量，需要注意的是访问 let 变量必须使用 $expr 运算符。
|
||||
- **pipeline**：必选值，用于指定要在已连接集合上运行的管道。需要注意的是该管道无法直接访问输入文档中的字段，需要先在 let 中进行定义，然后再引用。
|
||||
- **as**：指定用于存放匹配文档的新数组字段的名称。如果指定的字段已存在，则进行覆盖。
|
||||
|
||||
这里我们分别基于三种场景来讲解不相关查询：
|
||||
|
||||
**场景一**：假设每个员工都需要了解其他员工的职位信息，以便进行沟通，则对应的查询语法如下：
|
||||
|
||||
```shell
|
||||
db.employees.aggregate([
|
||||
{
|
||||
$lookup:
|
||||
{
|
||||
from: "titles",
|
||||
pipeline: [],
|
||||
as: "emps_title"
|
||||
}
|
||||
}
|
||||
])
|
||||
```
|
||||
|
||||
此时输出如下，可以看到每个员工的 emps_title 字段都是相同的，都包含了所有员工的职位信息。因为查询中并没有指定任何字段进行关联，所以这种查询也被称为非相关查询。
|
||||
|
||||
```shell
|
||||
{
|
||||
"_id" : ObjectId("5d3ffaaa8ba16934ccce99a1"),
|
||||
"emp_no" : 10001,
|
||||
.......
|
||||
],
|
||||
"emps_title" : [
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a5"),
|
||||
"emp_no" : 10001,
|
||||
"title" : "Senior Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a6"),
|
||||
"emp_no" : 10002,
|
||||
"title" : "Staff"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a7"),
|
||||
"emp_no" : 10003,
|
||||
"title" : "Senior Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a8"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a9"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Senior Engineer"
|
||||
}
|
||||
]
|
||||
},
|
||||
|
||||
{
|
||||
"_id" : ObjectId("5d3ffaaa8ba16934ccce99a2"),
|
||||
.......
|
||||
"emps_title" : [
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a5"),
|
||||
"emp_no" : 10001,
|
||||
"title" : "Senior Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a6"),
|
||||
"emp_no" : 10002,
|
||||
"title" : "Staff"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a7"),
|
||||
"emp_no" : 10003,
|
||||
"title" : "Senior Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a8"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Engineer"
|
||||
},
|
||||
{
|
||||
"_id" : ObjectId("5d4011728ba16934ccce99a9"),
|
||||
"emp_no" : 10004,
|
||||
"title" : "Senior Engineer"
|
||||
}
|
||||
]
|
||||
},
|
||||
|
||||
..........
|
||||
```
|
||||
|
||||
**场景二**：假设每个员工都只需要知道办公室职员 (即职位为 Staff ) 的员工的信息，此时就需要利用 pipeline 管道对 titles 集合中的数据进行过滤，对应的查询语法为：
|
||||
|
||||
```shell
|
||||
db.employees.aggregate([
|
||||
{
|
||||
$lookup:
|
||||
{
|
||||
from: "titles",
|
||||
pipeline: [
|
||||
{ $match:
|
||||
{ $expr: { $eq: [ "$title","Staff"]}}
|
||||
}
|
||||
],
|
||||
as: "emps_title"
|
||||
}
|
||||
}
|
||||
])
|
||||
```
|
||||
|
||||
**场景三**：假设只有男员工需要知道其他职员的信息，此时就需要利用 pipeline 管道对 employees 集合中的数据进行过滤。由于 employees 集合是输入集合，管道无法直接访问其中的字段，此时需要先在 let 中进行定义，然后再引用。语句如下：
|
||||
|
||||
```shell
|
||||
db.employees.aggregate([
|
||||
{
|
||||
$lookup:
|
||||
@ -300,29 +511,14 @@ db.employees.aggregate([
|
||||
{ $expr: { $eq: [ "$$gender","M"]}}
|
||||
}
|
||||
],
|
||||
as: "emp_title"
|
||||
}
|
||||
}
|
||||
])
|
||||
|
||||
|
||||
|
||||
db.employees.aggregate([
|
||||
{
|
||||
$lookup:
|
||||
{
|
||||
from: "titles",
|
||||
pipeline: [
|
||||
{ $match:
|
||||
{ $expr: { $eq: [ "$title","M"]}}
|
||||
}
|
||||
],
|
||||
as: "emp_title"
|
||||
as: "emps_title"
|
||||
}
|
||||
}
|
||||
])
|
||||
```
|
||||
|
||||
这里需要使用两个 `$` 符号对 gender 变量进行引用，因为使用 let 定义后，其类似于系统变量。
|
||||
|
||||
### 1.9 $out
|
||||
|
||||
$out 用于将数据写入指定的集合，它必须是管道中的最后一个阶段。如果指定的集合不存在，则会自动新建；如果指定的集合存在，它会覆盖原有集合的数据。其实际的步骤如下：
|
||||
@ -360,8 +556,79 @@ db.employees.aggregate([
|
||||
|
||||
当排序操作在限制操作之前时，如果没有中间阶段会修改文档数量 (例如 $unwind，$group)，优化器会将 $limit 合并到 $sort中。如果在 $sort 和 $limit 之间存在修改文档数量的管道阶段，MongoDB 将不会执行合并。
|
||||
|
||||
了解这些优化策略可以有助于我们在开发中合理设置管道的顺序。想要了解全部的优化策略，可以参阅 MongoDB 的官方文档：[Aggregation Pipeline Optimization](https://docs.mongodb.com/manual/core/aggregation-pipeline-optimization/)
|
||||
了解这些优化策略可以有助于我们在开发中合理设置管道的顺序。想要了解全部的优化策略，可以参阅 MongoDB 的官方文档：[Aggregation Pipeline Optimization](https://docs.mongodb.com/manual/core/aggregation-pipeline-optimization/) 。
|
||||
|
||||
## 三、MapReduce
|
||||
|
||||
## 四、单用途聚合方法
|
||||
MongoDB 的 MapReduce 在概念上与 Hadoop MapReduce 类似，MongoDB 将 *map* 阶段应用于每个符合条件的每个输入文档，*map* 阶段的输出结果是 key-value 键值对。对于具有多个值的 key，MongoDB 会执行 *reduce* 阶段，该阶段负责收集并聚合数据，然后将结果存储在集合中。
|
||||
|
||||
这里我们以按照性别分组计算员工的平均年龄为例，演示 MapReduce 的基本使用，语句如下：
|
||||
|
||||
```shell
|
||||
db.employees.mapReduce(
|
||||
function(){
|
||||
emit(this.gender,this.age)
|
||||
},
|
||||
function(key,values){
|
||||
return Array.avg(values)
|
||||
},
|
||||
{ out:"age_avg"}
|
||||
)
|
||||
```
|
||||
|
||||
对应的计算结果会被输出到 age_avg 集合中，其内容如下：
|
||||
|
||||
```shell
|
||||
{
|
||||
"_id" : "F",
|
||||
"value" : 33
|
||||
},
|
||||
{
|
||||
"_id" : "M",
|
||||
"value" : 39
|
||||
}
|
||||
```
|
||||
|
||||
当前 MongoDB 支持在分片集合执行 map-reduce 操作，也支持将 Map-reduce 操作的结果输出到分片集合。map-reduce 使得开发者可以灵活控制聚合行为，但其性能不如聚合管道，所以两者应适场景而选用。
|
||||
|
||||
## 四、单用途聚合方法
|
||||
|
||||
出于易用性考虑，MongoDB 提供了部分 API，用于实现对常见聚合过程的简单访问。如下：
|
||||
|
||||
### 4.1 count
|
||||
|
||||
用于计算符合条件的文档的数量，如果想要计算集合中所有文档的数量，则传入空对象即可：
|
||||
|
||||
```shell
|
||||
db.employees.count({gender:"M"})
|
||||
```
|
||||
|
||||
### 4.2 estimatedDocumentCount
|
||||
|
||||
官方更加推荐使用 estimatedDocumentCount 计算集合中所有文档的数量，它会直接获取元数据信息并返回，因此它并不支持传入查询条件，示例如下：
|
||||
|
||||
```shell
|
||||
db.employees.estimatedDocumentCount({})
|
||||
```
|
||||
|
||||
### 4.3 distinct
|
||||
|
||||
和大多数数据库中的 distinct 关键字类似，用于返回不重复的数据：
|
||||
|
||||
```shell
|
||||
db.titles.distinct("title")
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
+ 官方文档：[Aggregation](https://docs.mongodb.com/manual/aggregation/)、[Map-Reduce](https://docs.mongodb.com/manual/core/map-reduce/)
|
||||
+ 所有聚合管道总览：https://docs.mongodb.com/manual/reference/operator/aggregation-pipeline/
|
||||
|
||||
+ 聚合管道中所有可选操作符：https://docs.mongodb.com/manual/reference/operator/aggregation/
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Reference in New Issue
Block a user