MongoDB数据库聚合

  聚合操作主要用于对数据的批量处理,将记录按条件分组以后,然后再进行一系列操作,例如,求最大值、最小值、平均值,求和等操作。聚合操作还能够对记录进行复杂的操作,主要用于数理统计和数据挖掘。在 MongoDB 中,聚合操作的输入是集合中的文档,输出可以是一个文档,也可以是多条文档。本文将详细介绍MongoDB数据库聚合

 

单目的聚合

【count】

  count是最简单,最容易,也是最常用的聚合工具,返回集合中的文档数量

db.collection_name.count()

aggregate1

【distinct】

  distinct()方法返回不重复的结果

aggregate2

 

聚合管道

  聚合管道由阶段(Stage)组成,文档在一个阶段处理完毕后,聚合管道会把处理结果传到下一个阶段

  聚合管道可以对文档进行过滤,查询出符合条件的文档;也可以对文档进行变换,改变文档的输出形式

  每个阶段用阶段操作符(Stage Operators)定义,在每个阶段操作符中可以用表达式操作符(Expression Operators)计算总和、平均值、拼接分割字符串等相关操作,直到每个阶段进行完成,最终返回结果,返回的结果可以直接输出,也可以存储到集合中

【aggregate()】

  MongoDB 中使用aggregate() 方法来构建和使用聚合管道,基本语法如下 

db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION)

  下图是官网实例

aggregate3

  实例中,$match 用于获取 status = "A" 的记录,然后将符合条件的记录送到下一阶段 $group 中进行分组求和计算,最后返回 Results。其中,$match、$group 都是阶段操作符,而阶段 $group 中用到的 $sum 是表达式操作符

  接下来,对阶段操作符和表达式操作符进行详解。将下列数据储存到article集合中,下面的实例将反复用到article集合

db.article.insertMany([{
   "_id": ObjectId("58e1d2f0bb1bbc3245fa7570"),
   "title": "MongoDB Aggregate",
   "author": "huochai",
   "tags": ['Mongodb', 'Database', 'Query'],
   "pages": 5,
   "time" : ISODate("2017-07-19T22:42:39.736Z")
},
{
   "_id": ObjectId("58e1d2f0bb1bbc3245fa7571"),
   "title": "MongoDB Index",
   "author": "huochai",
   "tags": ['Mongodb', 'Index', 'Query'],
   "pages": 3,
   "time" : ISODate("2017-07-19T22:43:39.236Z")
},
{
   "_id": ObjectId("58e1d2f0bb1bbc3245fa7572"),
   "title": "MongoDB Query",
   "author": "match",
   "tags": ['Mongodb', 'Query'],
   "pages": 8,
   "time" : ISODate("2017-07-19T22:44:56.276Z")
}])

aggregate4

 

阶段操作符

  在UNIX命令中,shell管道可以对某些输入执行操作,并将输出用作下一个命令的输入。 MongoDB也在聚合框架中支持类似的概念。每一组输出可作为另一组文档的输入,并生成一组生成的文档(或最终生成的JSON文档在管道的末尾)。这样就可以再次用于下一阶段等等。

  以下是在聚合框架可能的阶段操作符

$project - 用于从集合中选择一些特定字段
$match - 这是一个过滤操作,因此可以减少作为下一阶段输入的文档数量。
$group - 这是上面讨论的实际聚合。
$sort - 排序文档。
$skip - 通过这种方式,可以在给定数量的文档的文档列表中向前跳过。
$limit - 限制从当前位置开始的给定数量的文档数量。
$unwind - 用于展开正在使用数组的文档。使用数组时,数据是预先加入的,此操作将被撤销,以便再次单独使用文档。 因此,在这个阶段,将增加下一阶段的文件数量。

【$project】

  下面示例中把文档中 pages 字段的值都增加10,并重命名成 newPages 字段,且不显示_id字段

db.article.aggregate([{$project:{}}])

aggregate5

【$match】

  在 $match 中不能使用 $where 表达式操作符。如果 $match 位于管道的第一个阶段,可以利用索引来提高查询效率。如果$match 中使用 $text 操作符的话,只能位于管道的第一阶段。$match 尽量出现在管道的最前面,过滤出需要的数据,在后续的阶段中可以提高效率

  查询出文档中 pages 字段的值大于等于5的数据

aggregate6

【$group】

  从 article 中得到每个 author 的文章数,并输入 author 和对应的文章数

aggregate7

【$sort】

  让集合 article 以 pages 升序排列

aggregate8

【$limit】

  返回集合 article 中前两条文档

aggregate9

【$skip】

  跳过集合 article 中一条文档,输出剩下的文档

aggregate10

【$unwind】

  $unwind 参数数组字段为空或不存在时,待处理的文档将会被忽略,该文档将不会有任何输出。$unwind 参数不是一个数组类型时,将会抛出异常。$unwind 所作的修改,只用于输出,不能改变原文档

  把集合 article 中 title="MongoDB Aggregate" 的 tags 字段拆分

aggregate11

 

表达式操作符

  表达式操作符有很多操作类型,其中最常用的有布尔管道聚合操作、集合操作、比较聚合操作、算术聚合操作、字符串聚合操作、数组聚合操作、日期聚合操作、条件聚合操作、数据类型聚合操作等 

【布尔】

$and   与
$or   或
$not  非

   x>=10,并且x<=30的文档,返回true

aggregate12

  x>30,或者x<20的文档,返回true

aggregate13

  x>20的文档,返回true

aggregate14

【文氏图集合操作】

$setEquals        除了重复元素外,包括的元素相同
$setIntersection  交集
$setUnion         并集
$setDifference    只在前一集合出现,也就是后一个集合的补集
$setIsSubset      前一个集合是后一个集合的子集
$anyElementTrue   一个集合内,只要一个元素为真,则返回true
$allElementsTrue  一个集合内,所有的元素都为真,则返回true

  集合A与集合B,除了重复元素外,包括的元素相同,返回true

aggregate15

  返回集合A与集合B的交集

aggregate16

  返回集合A与集合B的并集

aggregate17

  返回只在集合A中出现的数据,或者说是集合B的补集

aggregate18

  集合A是集合B的子集,则返回true

aggregate19

  只要一个为true,则返回true

aggregate20

  全部为true,返回true

aggregate21

【比较操作】

$cmp    两个值相等返回0,前值大于后值返回1,前值小于后值返回-1
$eq     是否相等
$gt     前值是否大于后值
$gte    前值是否大于等于后值
$lt     前值是否小于后值
$lte    前值是否小于等于后值
$ne     是否不相等

  qty与250相比较

aggregate22

  qty与250是否相等

aggregate23

  qty是否大于250

aggregate24

  qty是否大于等于250

aggregate25

  qty是否小于250

aggregate26

  qty是否小于等于250

aggregate27

  qty与250是否不相等

aggregate28

【算术运算】

$abs      绝对值
$add      和
$ceil     向上取整
$divide   除   
$exp      ex
$floor    向下取整
$ln       自然对数
$log      对数
$log10    以10为底的对数 
$mod      取模
$multiply   乘 
$pow      指数
$sqrt      平方根
$subtract   减 
$trunc      截掉小数取整

  返回start - end后的绝对值

aggregate29

  返回start + end的和

aggregate30

  返回start / end的结果

aggregate31

  返回estart的值

aggregate32

  返回logestart的值

aggregate33

  返回logendstart的值

aggregate34

  返回log10start的值

aggregate35

  返回start mod end的值

aggregate36

  返回start * end的积

aggregate37

  返回startend

aggregate38

  返回start的平方根

aggregate39

  返回start - end的差值

aggregate40

  返回x的向上取整值

aggregate41

  返回x的向下取整值

aggregate42

  返回x的截掉小数取整值

aggregate43

【字符串操作】

$concat        字符串连接
$indexOfBytes     子串位置(字节)
$indexOfCP      子串位置(字符)
$split         分割字符串
$strLenBytes     字节长度
$strLenCP       字符长度
$strcasecmp      字符串比较
$substrBytes     创建子串(按字节)
$substrCP        创建子串(按字符)
$toLower        小写
$toUpper        大写

  返回item和description连接后的字符串

aggregate44

  返回'foo'在item中第一次出现的位置(字节)

aggregate45

  返回'foo'在item中第一次出现的位置(字符)

aggregate46

  以'o'来分割item

aggregate47

  返回item的字节长度

aggregate48

  返回item的字符长度

aggregate49

  返回item与''foo"比较后的结果

aggregate50

  返回item在0-3字节位置的子串

aggregate51

  返回item在0-3字符位置的子串

aggregate52

  将item大写

aggregate53

【数组操作】

$arrayElemAt    返回指定数组索引中的元素
$concatArrays   数组连接 
$filter       返回筛选后的数组
$indexOfArray   索引
$isArray       是否是数组
$range        创建数值数组
$reverseArray   反转数组
$reduce        对数组中的每个元素应用表达式,并将它们组合成一个值
$size           数组元素个数
$slice          子数组
$zip         合并数组
$in          返回一个布尔值,表示指定的值是否在数组中

  返回索引为0的元素

aggregate54

  将name与favorites数组合并

aggregate55

  返回item.price大于等于100的item

aggregate56

  返回数字2在数组中的索引值

aggregate57

  是否是数组

{ $isArray: [ "hello" ] }    false
{ $isArray: [ [ "hello", "world" ] ] }    true

  创建数值数组

{ $range: [ 0, 10, 2 ] }    [ 0, 2, 4, 6, 8 ]
{ $range: [ 10, 0, -2 ] }    [ 10, 8, 6, 4, 2 ]
{ $range: [ 0, 10, -2 ] }    [ ]
{ $range: [ 0, 5 ] }    [ 1, 2, 3, 4, 5]

  返回反转的数组

{ $reverseArray: [ 1, 2, 3 ] }    [ 3, 2, 1 ]
{ $reverseArray: { $slice: [ [ "foo", "bar", "baz", "qux" ], 1, 2 ] } }    [ "baz", "bar" ]
{ $reverseArray: null }    null
{ $reverseArray: [ ] }    [ ]
{ $reverseArray: [ [ 1, 2, 3 ], [ 4, 5, 6 ] ] }    [ [ 4, 5, 6 ], [ 1, 2, 3 ] ]

   对数组中的每个元素应用表达式,并将它们组合成一个值

{
   $reduce: {
      input: [ [ 3, 4 ], [ 5, 6 ] ],
      initialValue: [ 1, 2 ],
      in: { $concatArrays : ["$$value", "$$this"] }
   }
}
[ 1, 2, 3, 4, 5, 6 ]

  返回数组元素个数

aggregate58

  返回子数组

{ $slice: [ [ 1, 2, 3 ], 1, 1 ] }    [ 2 ]
{ $slice: [ [ 1, 2, 3 ], -2 ] }    [ 2, 3 ]
{ $slice: [ [ 1, 2, 3 ], 15, 2 ] }    [  ]
{ $slice: [ [ 1, 2, 3 ], -15, 2 ] }    [ 1, 2 ]

  返回一个布尔值,表示指定的值是否在数组中

{ $in: [ 2, [ 1, 2, 3 ] ] }    true
{ $in: [ "abc", [ "xyz", "abc" ] ] }    true
{ $in: [ "xy", [ "xyz", "abc" ] ] }    false
{ $in: [ [ "a" ], [ "a" ] ] }    false
{ $in: [ [ "a" ], [ [ "a" ] ] ] }    true
{ $in: [ /^a/, [ "a" ] ] }    false
{ $in: [ /^a/, [ /^a/ ] ] }    true

【日期操作】

$dayOfYear     日(1-366)
$dayOfMonth    月(1-23)
$dayOfWeek     星期(1 (Sunday) 到 7 (Saturday))
$year        年
$month         月(1-12)
$week          周(0-53)
$hour        时(0-23)
$minute        分(0-59)
$second        秒(0-60)
$millisecond   毫秒(0-999)
$dateToString  返回格式化字符串的日期
$isoDayOfWeek  以ISO 8601格式返回星期几
$isoWeek       以ISO 8601格式返回周号,范围从1到53
$isoWeekYear   以ISO 8601格式返回年份编号 

aggregate88

db.a.aggregate(
   [
     {
       $project:
         {
           year: { $year: "$date" },
           month: { $month: "$date" },
           day: { $dayOfMonth: "$date" },
           hour: { $hour: "$date" },
           minutes: { $minute: "$date" },
           seconds: { $second: "$date" },
           milliseconds: { $millisecond: "$date" },
           dayOfYear: { $dayOfYear: "$date" },
           dayOfWeek: { $dayOfWeek: "$date" },
           week: { $week: "$date" }
         }
     }
   ]
)

aggregate59

【条件操作】

$cond    三元操作符
$ifNull    返回第一个表达式的非空结果或第二个表达式的结果
$switch    switch操作符

  如果qty>=250,返回true

aggregate60

  如果qty是空,则result返回“是空的”,否则result=qty

aggregate61

  switch操作符示例

{
   $switch: {
      branches: [
         { case: { $eq: [ 0, 5 ] }, then: "equals" },
         { case: { $gt: [ 0, 5 ] }, then: "greater than" }
      ],
      default: "Did not match"
   }
}
"Did not match"

 

优化与限制

【优化】

  默认情况下,整个集合作为聚合管道的输入,为了提高处理数据的效率,可以使用以下策略:

  1、将 $match 和 $sort 放到管道的前面,可以给集合建立索引,来提高处理数据的效率

  2、可以用 $match、$limit、$skip 对文档进行提前过滤,以减少后续处理文档的数量

  3、当聚合管道执行命令时,MongoDB 也会对各个阶段自动进行优化,主要包括以下两种情况:

  【1】$sort + $match 顺序优化。如果 $match 出现在 $sort 之后,优化器会自动把 $match 放到 $sort 前面

  【2】$skip + $limit 顺序优化。如果 $skip 在 $limit 之后,优化器会把 $limit 移动到 $skip 的前面,移动后 $limit的值等于原来的值加上 $skip 的值

【限制】

  对聚合管道的限制主要表现在对返回结果大小和内存的限制

  1、返回结果大小

  聚合结果返回的是一个文档,不能超过 16M,从 MongoDB 2.6版本以后,返回的结果可以是一个游标或者存储到集合中,返回的结果不受 16M 的限制。

  2、内存

  聚合管道的每个阶段最多只能用 100M 的内存,如果超过100M,会报错,如果需要处理大数据,可以使用 allowDiskUse 选项,存储到磁盘上

results matching ""

    No results matching ""