一、聚合操作
聚合操作处理数据记录并返回计算结果。
聚合操作组值来自多个文档，可以对分组数据执行 各种操作以返回单个结果。
聚合操作包含三类：单一作用聚合、聚合管道、MapReduce。
单一作用聚合：提供了对常见聚合过程的简单访问，操作都从单个集合聚合文 档。
聚合管道是一个数据聚合的框架，模型基于数据处理流水线的概念。
文档进入多 级管道，将 文档转换为聚合结果。
MapReduce操作具有两个阶段：处理每个文档并向每个输入文档发射一个或多个对象的map阶段，以及reduce组合map操作的输出阶段。
1、单一作用聚合
MongoDB提供 db.collection.estimatedDocumentCount(), db.collection.count(), db.collection.distinct() 这类单一作用的聚合函数。 所有这些操作都聚合来自单个集合的
文档。虽然这些操作提供了对公共聚合过程的简单访问，但它们缺乏聚合管道和mapReduce的灵活性和功能。
|
db.collection.estimatedDocumentCou
nt()
|
返回集合或视图中所有文档的计数
|
|
db.collection.count()
|
返回与find()集合或视图的查询匹配的文档计数 。等同于
db.collection.find(query).count()构造
|
|
db.collection.distinct()
|
在单个集合或视图中查找指定字段的不同值，并在数组中
返回结果。
|
#检索books集合中所有文档的计数
db.books.estimatedDocumentCount()
#计算与查询匹配的所有文档
db.books.count({favCount:{$gt:50}})
#返回不同type的数组
db.books.distinct("type")
#返回收藏数大于90的文档不同type的数组
db.books.distinct("type",{favCount:{$gt:90}})
注意：在分片群集上，如果存在孤立文档或正在进行块迁移，则db.collection.count()
没有查询谓词可能导致计数不准确。要避免这些情况，请在分片群集上使用
db.collection.aggregate()方法。
2、聚合管道
什么是 MongoDB 聚合框架
MongoDB 聚合框架（Aggregation Framework）是一个计算框架
，它可以：
作用在一个或几个集合上； 对集合中的数据进行的一系列运算； 将这些数据转化为期望的形式；
从效果而言，聚合框架相当于 SQL 查询中的GROUP BY、 LEFT OUTER JOIN 、 AS等。
管道（Pipeline）和阶段（
Stage）
整个聚合运算过程称为管道（Pipeline），它是由多个阶段（
Stage）组成的
， 每个管道： 接受一系列文档（原始数据）； 每个阶段对这些文档进行一系列运算； 结果文档输出给下一个阶段；
聚合管道操作语法
pipeline = [$stage1, $stage2, ...$stageN];
db.collection.aggregate(pipeline, {options})
pipelines 一组数据聚合阶段。除$out、$Merge和$geonear阶段之外，每个阶 段都可以在管道中出现多次。
options 可选，聚合操作的其他参数。包含：查询计划、是否使用临时文件、 游标、最大操作时间、读写策略、强制索引等等
常用的管道聚合阶段
聚合管道包含非常丰富的聚合阶段，下面是最常用的聚合阶段
数据准备
准备数据集，执行脚本
var tags = ["nosql","mongodb","document","developer","popular"];
var types = ["technology","sociality","travel","novel","literature"];
var books=[];
for(var i=0;i<50;i++){
var typeIdx = Math.floor(Math.random()*types.length);
var tagIdx = Math.floor(Math.random()*tags.length);
var tagIdx2 = Math.floor(Math.random()*tags.length);
var favCount = Math.floor(Math.random()*100);
var username = "xx00"+Math.floor(Math.random()*10);
var age = 20 + Math.floor(Math.random()*15);
var book = {
title: "book‐"+i,
type: types[typeIdx],
tag: [tags[tagIdx],tags[tagIdx2]],
favCount: favCount,
author: {name:username,age:age}
};
books.push(book)
}
db.books.insertMany(books);$project
投影操作
， 将原始字段投影成指定名称， 如将集合中的 title 投影成 name
db.books.aggregate([{$project:{name:"$title"}}])
$project
可以灵活控制输出文档的格式
，也可以剔除不需要的字段
db.books.aggregate([{$project:{name:"$title",_id:0,type:1,author:1}}])
从嵌套文档中排除字段
db.books.aggregate([
{$project:{name:"$title",_id:0,type:1,"author.name":1}}
])
或者
db.books.aggregate([
{$project:{name:"$title",_id:0,type:1,author:{name:1}}}
])$match
$match用于对文档进行筛选
，之后可以在得到的文档子集上做聚合，$match可以使
用除了地理空间之外的所有常规查询操作符，
在实际应用中尽可能将$match放在管道的前
面位置
。这样有两个好处：一是可以快速将不需要的文档过滤掉，以减少管道的工作量；二
是如果再投射和分组之前执行$match，查询可以使用索引。
db.books.aggregate([{$match:{type:"technology"}}])
筛选管道操作和其他管道操作配合时候时，尽量放到开始阶段，这样可以减少后续管道
操作符要操作的文档数，提升效率
db.books.aggregate([
{$match:{type:"technology"}},
{$project:{name:"$title",_id:0,type:1,author:{name:1}}}
])$count
计数并返回与查询匹配的结果数
db.books.aggregate([
{$match:{type:"technology"}},
{$count: "type_count"}
])
$match阶段筛选出type匹配technology的文档，并传到下一阶段；
$count
阶段返回聚合管道中剩余文档的计数，并将该值分配给type_count
$group
按指定的表达式对文档进行分组，并将每个不同分组的文档输出到下一个阶段
。输出文档包
含一个_id字段，该字段按键包含不同的组。
输出文档还可以包含计算字段，该字段保存由$group的_id字段分组的一些accumulator表
达式的值。
$group不会输出具体的文档而只是统计信息.
{ $group: { _id: <expression>, <field1>: { <accumulator1> : <expression1>
}, ... } }
1、_id字段是必填的;但是，可以指定_id值为null来为整个输入文档计算累计值。
2、剩余的计算字段是可选的，并使用<accumulator>运算符进行计算。
3、_id和<accumulator>表达式可以接受任何有效的
表达式
。
accumulator操作符
|
名称
| 描述 | 类比sql |
|
$avg
|
计算均值
|
avg
|
|
$first
|
返回每组第一个文档，如果有排序，按照排序，如果没有按照默认的 存储的顺序的第一个文档。
|
limit0,1
|
|
$last
|
返回每组最后一个文档，如果有排序，按照排序，如果没有按照默认 的存储的顺序的最后个文档
| |
|
$max
|
根据分组，获取集合中所有文档对应值得最大值
|
max
|
|
$min
|
根据分组，获取集合中所有文档对应值得最小值。
|
min
|
|
$pus
|
将指定的表达式的值添加到一个数组中
| |
|
$addToSet
|
将表达式的值添加到一个集合中（无重复值，无序）
| |
|
$sum
|
计算总和
|
sum
|
|
$stdDevPop
|
返回输入值的总体标准偏差（population standard deviation）
| |
|
$stdDevSamp
|
返回输入值的样本标准偏差（the sample standard deviation）
|
$group阶段的内存限制为100M。默认情况下，如果stage超过此限制，$group将产生错
误。
但是，要允许处理大型数据集，请将allowDiskUse选项设置为true以启用$group操作
以写入临时文件。
book的数量，收藏总数和平均值
db.books.aggregate([
{$group:{_id:null,count:{$sum:1},pop:{$sum:"$favCount"},avg:{$avg:"$favCount"}}}
])
统计每个作者的book收藏总数
db.books.aggregate([
{$group:{_id:"$author.name",pop:{$sum:"$favCount"}}}
])
统计每个作者的每本book的收藏数
db.books.aggregate([
{$group:{_id:{name:"$author.name",title:"$title"},pop:{$sum:"$favCount"}}}
])
每个作者的book的type合集
db.books.aggregate([
{$group:{_id:"$author.name",types:{$addToSet:"$type"}}}
])$unwind
可以将数组拆分为单独的文档
{
$unwind:
{
#要指定字段路径，在字段名称前加上$符并用引号括起来。
path: <field path>,
#可选,一个新字段的名称用于存放元素的数组索引。该名称不能以$开头。
includeArrayIndex: <string>,
#可选，default :false，若为true,如果路径为空，缺少或为空数组，则$unwind输出文档
preserveNullAndEmptyArrays: <boolean>
} }
姓名为xx006的作者的book的tag数组拆分为多个文档
db.books.aggregate([
{$match:{"author.name":"xx006"}},
{$unwind:"$tag"}
])
db.books.aggregate([
{$match:{"author.name":"xx006"}}
])
每个作者的book的tag合集
db.books.aggregate([
{$unwind:"$tag"},
{$group:{_id:"$author.name",types:{$addToSet:"$tag"}}}
])$limit
db.books.aggregate([
{$limit : 5 }
])
此操作仅返回管道传递给它的前5个文档。 $limit对其传递的文档内容没有影响。
注意：当$sort在管道中的$limit之前立即出现时，$sort操作只会在过程中维持前n个结
果
，其中n是指定的限制，而MongoDB只需要将n个项存储在内存中。
$skip
跳过进入stage的指定数量的文档，并将其余文档传递到管道中的下一个阶段
db.books.aggregate([
{$skip : 5 }
])
此操作将跳过管道传递给它的前5个文档。 $skip对沿着管道传递的文档的内容没有影响。
$sort
对所有输入文档进行排序，并按排序顺序将它们返回到管道。
语法：
{ $sort: { <field1>: <sort order>, <field2>: <sort order> ... } }
要对字段进行排序，请将排序顺序设置为1或-1，以分别指定升序或降序排序，如下例所
示：
db.books.aggregate([
{$sort : {favCount:‐1,title:1}}
])$lookup
Mongodb 3.2版本新增，主要用来实现多表关联查询， 相当关系型数据库中多表关联查
询。
每个输入待处理的文档，经过$lookup 阶段的处理，输出的新文档中会包含一个新生
成的数组
（可根据需要命名新key ）。数组列存放的数据是来自被Join集合的适配文档，如
果没有，集合为空（即 为[ ])
语法：
db.collection.aggregate([{
$lookup: {
from: "<collection to join>",
localField: "<field from the input documents>",
foreignField: "<field from the documents of the from collection>",
as: "<output array field>"
}
})|
from
|
同一个数据库下等待被Join的集合。
|
|
localField
|
源集合中的match值，如果输入的集合中，某文档没有 localField 这个Key（Field），在处理的过程中，会默认为此文档含 有 localField：null的键值对。
|
|
foreignField
|
待Join的集合的match值，如果待Join的集合中，文档没有foreignField 值，在处理的过程中，会默认为此文档含有 foreignField：null的键值对。
|
|
as
|
为输出文档的新增值命名。如果输入的集合中已存在该值，则会覆盖掉
|
注意：null = null 此为真
其语法功能类似于下面的伪SQL语句：
SELECT *, <output array field>
FROM collection
WHERE <output array field> IN (SELECT *
FROM <collection to join>
WHERE <foreignField>= <collection.localField>);
案例
数据准备
db.customer.insert({customerCode:1,name:"customer1",phone:"13112345678",address:"test1"})
db.customer.insert({customerCode:2,name:"customer2",phone:"13112345679",address:"test2"})
db.order.insert({orderId:1,orderCode:"order001",customerCode:1,price:200})
db.order.insert({orderId:2,orderCode:"order002",customerCode:2,price:400})
db.orderItem.insert({itemId:1,productName:"apples",qutity:2,orderId:1})
db.orderItem.insert({itemId:2,productName:"oranges",qutity:2,orderId:1})
db.orderItem.insert({itemId:3,productName:"mangoes",qutity:2,orderId:1})
db.orderItem.insert({itemId:4,productName:"apples",qutity:2,orderId:2})
db.orderItem.insert({itemId:5,productName:"oranges",qutity:2,orderId:2})
db.orderItem.insert({itemId:6,productName:"mangoes",qutity:2,orderId:2})
关联查询
db.customer.aggregate([
{$lookup: {
from: "order",
localField: "customerId",
foreignField: "customerId",
as: "customerOrder"
}
}
])
db.order.aggregate([
{$lookup: {
from: "customer",
localField: "customerCode",
foreignField: "customerCode",
as: "curstomer"
}
},
{$lookup: {
from: "orderItem",
localField: "orderId",
foreignField: "orderId",
as: "orderItem"
}
} ])
聚合操作案例1
统计每个分类的book文档数量
db.books.aggregate([
{$group:{_id:"$type",total:{$sum:1}}},
{$sort:{total:‐1}}
])
标签的热度排行，标签的热度则按其关联book文档的收藏数（
favCount）来计算
db.books.aggregate([
{$match:{favCount:{$gt:0}}},
{$unwind:"$tag"},
{$group:{_id:"$tag",total:{$sum:"$favCount"}}},
{$sort:{total:‐1}}
])
1. $match阶段：用于过滤favCount=0的文档。
2. $unwind阶段：用于将标签数组进行展开，这样一个包含3个标签的文档会被拆解 为3个条目。
3. $group阶段：对拆解后的文档进行分组计算，$sum："$favCount"表示按 favCount字段进行累加。
4. $sort阶段：接收分组计算的输出，按total得分进行排序。
统计book文档收藏数[0,10),[10,60),[60,80),[80,100),[100,+∞）
db.books.aggregate([{
$bucket:{
groupBy:"$favCount",
boundaries:[0,10,60,80,100],
default:"other",
output:{"count":{$sum:1}}
}
}])二、MapReduce
MapReduce操作将大量的数据处理工作拆分成多个线程并行处理，然后将结果合并在一
起。MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。
MapReduce具有两个阶段：
1. 将具有相同Key的文档数据整合在一起的map阶段
2. 组合map操作的结果进行统计输出的reduce阶段
从MongoDB 5.0开始，map-reduce操作已被弃用。
聚合管道比映射-reduce操作提供更
好的性能和可用性。Map-reduce操作可以使用聚合管道操作符重写，例如$group、
$merge等
