MongoDB数据库聚合

前面的话

　　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()

【distinct】

　　distinct()方法返回不重复的结果

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

　　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")
}])

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:{}}])

【$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

【$group】

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

【$sort】

　　让集合 article 以 pages 升序排列

【$limit】

　　返回集合 article 中前两条文档

【$skip】

　　跳过集合 article 中一条文档，输出剩下的文档

【$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

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

　　x>30，或者x<20的文档，返回true

　　x>20的文档，返回true

【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

　　返回集合A与集合B的交集

　　返回集合A与集合B的并集

　　返回只在集合A中出现的数据，或者说是集合B的补集

　　集合A是集合B的子集，则返回true

　　只要一个为true，则返回true

　　全部为true，返回true

【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

　　qty与250是否相等

　　qty是否大于250

　　qty是否大于等于250

　　qty是否小于250

　　qty是否小于等于250

　　qty与250是否不相等

【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

　　返回start + end的和

　　返回start / end的结果

　　返回e^start的值

　　返回log_estart的值

　　返回log_endstart的值

　　返回log₁₀start的值

　　返回start mod end的值

　　返回start * end的积

　　返回start^end

　　返回start的平方根

　　返回start - end的差值

　　返回x的向上取整值

　　返回x的向下取整值

　　返回x的截掉小数取整值

【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

　　返回'foo'在item中第一次出现的位置(字节)

　　返回'foo'在item中第一次出现的位置(字符)

　　以'o'来分割item

　　返回item的字节长度

　　返回item的字符长度

　　返回item与''foo"比较后的结果

　　返回item在0-3字节位置的子串

　　返回item在0-3字符位置的子串

　　将item大写

【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

　　将name与favorites数组合并

　　返回item.price大于等于100的item

　　返回数字2在数组中的索引值

　　是否是数组

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

　　创建数值数组

{ $range: [ , ,  ] }    [ , , , ,  ]
{ $range: [ , , - ] }    [ , , , ,  ]
{ $range: [ , , - ] }    [ ]
{ $range: [ ,  ] }    [ , , , , ]

　　返回反转的数组

{ $reverseArray: [ , ,  ] }    [ , ,  ]
{ $reverseArray: { $slice: [ [ "foo", "bar", "baz", "qux" ], ,  ] } }    [ "baz", "bar" ]
{ $reverseArray: null }    null
{ $reverseArray: [ ] }    [ ]
{ $reverseArray: [ [ , ,  ], [ , ,  ] ] }    [ [ , ,  ], [ , ,  ] ]

　　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: [ [ ,  ], [ ,  ] ],
      initialValue: [ ,  ],
      in: { $concatArrays : ["$$value", "$$this"] }
   }
}
[ , , , , ,  ]

　　返回数组元素个数

　　返回子数组

{ $slice: [ [ , ,  ], ,  ] }    [  ]
{ $slice: [ [ , ,  ], - ] }    [ ,  ]
{ $slice: [ [ , ,  ], ,  ] }    [  ]
{ $slice: [ [ , ,  ], -,  ] }    [ ,  ]

　　返回一个布尔值，表示指定的值是否在数组中

{ $in: [ , [ , ,  ] ] }    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（ (Sunday) 到  (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 

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" }
         }
     }
   ]
)

【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

　　如果qty是空，则result返回“是空的”，否则result=qty

　　switch操作符示例

{
   $switch: {
      branches: [
         { case: { $eq: [ ,  ] }, then: "equals" },
         { case: { $gt: [ ,  ] }, 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