首页 / MONGODB / MongoDB中的聚合操作
MongoDB中的聚合操作
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了MongoDB中的聚合操作，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7631字，纯文字阅读大概需要11分钟。
内容图文
根据MongoDB的文档描述，在MongoDB的聚合操作中，有以下五个聚合命令。
其中，count、distinct和group会提供很基本的功能，至于其他的高级聚合功能（sum、average、max、min），就需要通过mapReduce来实现了。
在MongoDB2.2版本以后，引入了新的聚合框架（聚合管道，aggregation pipeline ，使用aggregate命令），是一种基于管道概念的数据聚合操作。
|
Name |
Description |
|
count |
Counts the number of documents in a collection. |
|
distinct |
Displays the distinct values found for a specified key in a collection. |
|
group |
Groups documents in a collection by the specified key and performs simple aggregation. |
|
mapReduce |
Performs map-reduce aggregation for large data sets. |
|
aggregate |
Performs aggregation tasks such as group using the aggregation framework. |
下面就开始对这些聚合操作进行介绍，所有的测试数据都是基于上一篇文章。
count
首先，我们看下MongoDB文档中，count命令可以支持的选项：
1 { count: <collection>, query: <query>, limit: <limit>, skip: <skip>, hint: <hint> }
- count：要执行count的collection
- query(optional)：过滤条件
- limit(optional)：查询匹配文档数量的上限
- skip(optional)：跳过匹配文档的数量
- hint(optional)：使用那个索引
例子：查看男学生的数量
1 > db.runCommand({"count":"school.students", "query":{"gender":"Male"}})
2 { "n" : 5, "ok" : 1 }
3 >
在MongoDB中，对count操作有一层包装，所以也可以通过shell直接运行db."collectionName".count()。
但是为了保持风格一致，我还是倾向于使用db.runCommand()的方式。
distinct
接下来看看distinct命令，下面列出可以支持的选项：
1 { distinct: "<collection>", key: "<field>", query: <query> }
- distinct：要执行distinct的collection
- key：要执行distinct的键
- query(optional)：过滤条件
例子：查看所有学生年龄的不同值
1 > db.runCommand({"distinct":"school.students","key":"age"})
2{
3"values" : [
420,
521,
622,
723,
824 9 ],
10"stats" : {
11"n" : 10,
12"nscanned" : 10,
13"nscannedObjects" : 0,
14"timems" : 0,
15"cursor" : "BtreeCursor age_1"16 },
17"ok" : 118 }
group
group命令相比前两就稍微复杂了一些。
1
{
2
group:
3
{
4 ns: <namespace>,
5 key: <key>,
6 $reduce: <reduce function>,
7 initial:
8 $keyf: <key function>,
9 cond: <query>,
10 finalize: <finalize function>
11 }
12 }
- ns：要执行group的collection
- key：要执行group的键，可以是多个键；和keyf两者必须有一个
- $reduce：在group操作中要执行的聚合function，该function包括两个参数，当前文档和聚合结果文档
- initial：reduce中使用变量的初始化
- $keyf(optional)：可以接受一个function，用来动态的确定分组文档的字段
- cond(optional)：过滤条件
- finalize(optional)：在reduce执行完成，结果集返回之前对结果集最终执行的函数
例子：统计不同年龄、性别分组的学生数量
1 > db.runCommand({
2 ... "group":{
3 ... "ns":"school.students",
4 ... "key":{"age":true, "gender":true},
5 ... "initial":{"count":0},
6 ... "$reduce": function(cur, result){ result.count++;},
7 ... "cond":{"age":{"$lte":22}}
8... }
9... })
10{
11"retval" : [
12 {
13"age" : 20,
14"gender" : "Female",
15"count" : 216 },
17 {
18"age" : 20,
19"gender" : "Male",
20"count" : 121 },
22 {
23"age" : 21,
24"gender" : "Male",
25"count" : 226 },
27 {
28"age" : 22,
29"gender" : "Female",
30"count" : 131 }
32 ],
33"count" : 6,
34"keys" : 4,
35"ok" : 136}
37 >
通过finalize选项，可以在结果返回之前进行一些自定义设置。
1 > db.runCommand({
2 ... "group":{
3 ... "ns":"school.students",
4 ... "key":{"age":true, "gender":true},
5 ... "initial":{"count":0},
6 ... "$reduce": function(cur, result){
7 ... result.count++;
8... },
9 ... "cond":{"age":{"$lte":22}},
10 ... "finalize": function(result){
11 ... result.percentage = result.count/10;
12... delete result.count;
13... }
14... }
15... })
16{
17"retval" : [
18 {
19"age" : 20,
20"gender" : "Female",
21"percentage" : 0.222 },
23 {
24"age" : 20,
25"gender" : "Male",
26"percentage" : 0.127 },
28 {
29"age" : 21,
30"gender" : "Male",
31"percentage" : 0.232 },
33 {
34"age" : 22,
35"gender" : "Female",
36"percentage" : 0.137 }
38 ],
39"count" : 6,
40"keys" : 4,
41"ok" : 142}
43 >
mapReduce
前面三个聚合操作提供了最基本的功能，如果要用到更加复杂的聚合操作，我们就需要自己通过mapReduce来实现了。
mapReduce更重要的用法是实现多个服务器上的聚合操作。
根据MongoDB文档，得到mapReduce的原型如下：
1
{
2 mapReduce: <collection>,
3 map: <function>,
4 reduce: <function>,
5 out: <output>,
6 query(optional): <document>,
7sort(optional): <document>,
8 limit(optional): <number>,
9 finalize(optional): <function>,
10 scope(optional): <document>,
11 jsMode(optional): <boolean>,
12 verbose(optional): <boolean>
13 }
- mapReduce：要执行map-reduce操作的collection
- map：map function，生成键/值对，可以理解为映射函数
- reduce：reduce function，对map的结果进行统计，可以理解为统计函数
- out：统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)
- query：过滤条件
- sort：排序条件
- limit：map函数可以接受的文档数量的最大值
- finalize：在reduce执行完成后，结果集返回之前对结果集最终执行的函数
- scope：向 map、reduce、finalize 导入外部变量
- jsMode：设置是否把map和reduce的中间数据转换成BSON格式
- verbose：设置是否显示详细的时间统计信息
注意：map、reduce和finalize的函数实现都有特定的要求，具体的要求请参考MongoDB文档
例子：
查询男生和女生的最大年龄
1 > db.runCommand({
2 ... "mapReduce": "school.students",
3 ... "map": function(){
4... emit({gender: this.gender}, this.age);
5... },
6 ... "reduce": function(key, values){
7 ... var max = 0;
8 ... for(var i = 0; i < values.length; i++)
9 ... max = max>values[i]?max:values[i];
10... return max;
11... },
12 ... "out": {inline: 1},
13...
14... })
15{
16"results" : [
17 {
18"_id" : {
19"gender" : "Female"20 },
21"value" : 2422 },
23 {
24"_id" : {
25"gender" : "Male"26 },
27"value" : 2428 }
29 ],
30"timeMillis" : 2,
31"counts" : {
32"input" : 10,
33"emit" : 10,
34"reduce" : 2,
35"output" : 236 },
37"ok" : 138}
39 >
分别得到男生和女生的平均年龄
1 > db.runCommand({
2 ... "mapReduce": "school.students",
3 ... "map": function(){
4... emit({gender: this.gender}, this.age);
5... },
6 ... "reduce": function(key, values){
7 ... var result = {"total": 0, "count": 0};
8 ... for(var i = 0; i < values.length; i++)
9 ... result.total += values[i];
10 ... result.count = values.length;
11... return result;
12... },
13 ... "out": {inline: 1},
14 ... "finalize": function(key, reducedValues){
15 ... return reducedValues.total/reducedValues.count;
16... }
17... })
18{
19"results" : [
20 {
21"_id" : {
22"gender" : "Female"23 },
24"value" : 2225 },
26 {
27"_id" : {
28"gender" : "Male"29 },
30"value" : 21.831 }
32 ],
33"timeMillis" : 55,
34"counts" : {
35"input" : 10,
36"emit" : 10,
37"reduce" : 2,
38"output" : 239 },
40"ok" : 141}
42 >
小技巧：关于自定义js函数
在MongoDB中，可以通过db.system.js.save命令（其中system.js是一个存放js函数的collections）来创建并保存JavaScript函数，这样在就可以在MongoDB shell中重用这些函数。
比如，下面两个函数是网上网友实现的
|
SUM |
db.system.js.save( { _id : "Sum" , value : function(key,values) { var total = 0; for(var i = 0; i < values.length; i++) total += values[i]; return total; }}); |
|
AVERAGE |
db.system.js.save( { _id : "Avg" , value : function(key,values) { var total = Sum(key,values); var mean = total/values.length; return mean; }}); |
通过利用上面两个函数，我们的"分别得到男生和女生的平均年龄"例子就可以通过以下方式实现。
这个例子中，我们还特殊设置了"out"选项，把返回值存入了"average_age"这个collection中。
1 > db.runCommand({
2 ... "mapReduce": "school.students",
3 ... "map": function(){
4... emit({gender: this.gender}, this.age);
5... },
6 ... "reduce": function(key, values){
7 ... avg = Avg(key, values);
8... return avg;
9... },
10 ... "out": {"merge": "average_age"}
11... })
12{
13"result" : "average_age",
14"timeMillis" : 30,
15"counts" : {
16"input" : 10,
17"emit" : 10,
18"reduce" : 2,
19"output" : 220 },
21"ok" : 122}
23 >
通过以下命令，我们可以看到新增的collection，并且查看里面的内容。
1 > show collections
2average_age
3school.students
4system.indexes
5system.js
6 >
7 > db.average_age.find()
8 { "_id" : { "gender" : "Female" }, "value" : 22 }
9 { "_id" : { "gender" : "Male" }, "value" : 21.8 }
10 >
11 > db.system.js.find()
12 { "_id" : "Sum", "value" : function (key,values)
13{
14 var total = 0;
15for(var i = 0; i < values.length; i++)
16 total += values[i];
17 return total;
18} }
19 { "_id" : "Avg", "value" : function (key,values)
20{
21 var total = Sum(key,values);
22 var mean = total/values.length;
23 return mean;
24} }
25 >
总结
通过这篇文章，介绍了MongoDB中count、distinct、group和mapReduce的基本使用。没有一次把所有的聚合操作都看完，聚合管道只能放在下一次了。
Ps: 文章中使用的例子可以通过以下链接查看
http://files.cnblogs.com/wilber2013/aggregation.js
原文：http://www.cnblogs.com/wilber2013/p/4141262.html
内容总结
以上是互联网集市为您收集整理的MongoDB中的聚合操作全部内容，希望文章能够帮你解决MongoDB中的聚合操作所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。