MongoDB的聚合函数 Aggregate

Aggregate的使用，有利于我们对MongoDB中的集合进行进一步的拆分。

示例：

1. db.collection.aggregate(
2. {$match:{x:1},
3. {limit:10},
4. {$group:{_id:"$age"}}}
5. );

操作符介绍：

$project：包含、排除、重命名和显示字段

$match：查询，需要同find()一样的参数

$limit：限制结果数量

$skip：忽略结果的数量

$sort：按照给定的字段排序结果

$group：按照给定表达式组合结果

$unwind：分割嵌入数组到自己顶层文件

============================================================

这是MongoDB官网上的一个Data Model：

1. {
2. "_id": "10280",//zipcode
3. "city": "NEW YORK",//城市
4. "state": "NY",//城市缩写
5. "pop": 5574,//人口
6. "loc": [ //经纬度
7. -74.016323,
8. 40.710537
9. ]
10. }

1、查出一个超过1千万人口的城市

1. db.zipcodes.aggregate(
2. {$group:{_id:"$state", totalPop:{$sum:"$pop"}},
3. {$match:{totalPop:{$gte:10000000}}}
4. );

上面的语句相当于： SELECT  state, sum(pop)  totalPop from zipcodes group by state having by totalPop >= 10000000;

分析：

$group主要是用于分组，其中_id是用组的类型集合，totalPop是生成的一个新的字段，用于存储总数。

其实，document经过$group之后，系统会为其生成一个新的document（新的documment为{"_id":"AK","totalPop":550043}），这在下面的例子中，我们会看得更清楚。

$match，相当于为新生成的document提供查询功能

2、求平均人口，每个state

1. db.zipcodes.aggregate( { $group :
2. { _id : { state : "$state", city : "$city" },
3. pop : { $sum : "$pop" } } },
4. { $group :
5. { _id : "$_id.state",
6. avgCityPop : { $avg : "$pop" } } } )

上述示例中出现了两个$group，那是什么含义呢？

第一个$group是将原来的zipcodes 这个 document变成新的，如：

1. {
2. "_id" : {
3. "state" : "CO",
4. "city" : "EDGEWATER"
5. },
6. "pop" : 13154
7. }

第二个 $group是在，原有的基础之上，再进行一次重新格式化数据，再生成新的document，如：

1. {
2. "_id" : "MN",
3. "avgCityPop" : 5335
4. },

3、查询每个州人口最大和最小的城市

1. db.zipcodes.aggregate(
2. {$group:{_id:{state:"$state",city:"$city"}, totalPop:{$sum:"$pop"}}},//统计州的所有人，生成一个新的文档，是关于州与其总人口
3. {$sort:{"totalPop":-1}},//对新文档，根据人口数倒序排序
4. {$group:{_id:"$_id.state",
5. "biggestCity":{$first:"$_id.city"},//最大人口的城市
6. "biggestPop":{$first:"totalPop"},//最大人口的数量
7. "smallestCity":{$last:"$_id.city"},
8. "smallestPop":{$last:"totalPop"}
9. }},//重新组成一个新的文件，包含，州名，最大人口数和最小人口数
10. //本来结构到此基本上差不多了
11. //但我们需要再对数据进行格式化
12. {$project:
13. {_id:0,
14. state:"$_id",
15. biggestCity:{name:"$biggestCity",pop:"$biggestPop"},
16. smallestCity:{name:"$smallestCity",pop:"$smallestPop"}
17. }
18. }
19. );

数据结构，如下：

1. {
2. "state" : "RI",
3. "biggestCity" : {
4. "name" : "CRANSTON",
5. "pop" : 176404
6. },
7. "smallestCity" : {
8. "name" : "CLAYVILLE",
9. "pop" : 45
10. }
11. }