mongoTemplate聚合aggregate操作

最新推荐文章于 2023-11-11 16:44:34 发布
最新推荐文章于 2023-11-11 16:44:34 发布
阅读量5k 收藏
点赞数 2
分类专栏： mongoTemplate 聚合 aggregate 文章标签： mongoTemplate aggregate 聚合
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chenxing1990/article/details/115394246
版权

废话不多说，直接上代码

 public int syncTotal(Date startTime, Date endTime) {
        int result = 0;
        Criteria criteria = new Criteria().andOperator(Criteria.where("data_time").gte(startTime), Criteria.where("data_time").lte(endTime));
        //创建aggreation
        Aggregation aggregation = Aggregation.newAggregation(Aggregation.match(criteria),Aggregation.unwind("values"), Aggregation.group("mp_id").first("mp_id").as("mpId").count().as("total"), Aggregation.addFields().addFieldWithValue("type", "day_air").build());
        AggregationResults<TempMpId> out = mongoTemplate.aggregate(aggregation, "day_air", TempMpId.class);
        List<TempMpId> tempMpIdList = new ArrayList<>();
        for (Iterator<TempMpId> iterator = out.iterator(); iterator.hasNext(); ) {
            tempMpIdList.add(iterator.next());
        }
        return result;
    }

1.使用criteria 创建过滤筛选条件

2.使用Aggregation.unwind("values")方法，拆分values子集合，此方法会把

{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": [
        {
            "cou_value": null,
            "flag": null,
            "avg_value": null,
            "mstatus": NumberInt("6"),
            "pollutant_code": "001",
            "min_value": null,
            "avg_zs": null,
            "estatus": NumberInt("0"),
            "astatus": NumberInt("0"),
            "outlet_standard": "20",
            "max_zs": null,
            "min_zs": null,
            "max_value": null,
            "sstatus": NumberInt("0")
        },
        {
            "cou_value": null,
            "flag": null,
            "avg_value": null,
            "mstatus": NumberInt("6"),
            "pollutant_code": "002",
            "min_value": null,
            "avg_zs": null,
            "estatus": NumberInt("0"),
            "astatus": NumberInt("0"),
            "outlet_standard": "80",
            "max_zs": null,
            "min_zs": null,
            "max_value": null,
            "sstatus": NumberInt("0")
        },
        {
            "cou_value": null,
            "flag": null,
            "avg_value": null,
            "mstatus": NumberInt("6"),
            "pollutant_code": "003",
            "min_value": null,
            "avg_zs": null,
            "estatus": NumberInt("0"),
            "astatus": NumberInt("0"),
            "outlet_standard": "250",
            "max_zs": null,
            "min_zs": null,
            "max_value": null,
            "sstatus": NumberInt("0")
        },
        {
            "cou_value": null,
            "flag": null,
            "avg_value": null,
            "mstatus": NumberInt("6"),
            "pollutant_code": "004",
            "min_value": null,
            "avg_zs": null,
            "estatus": NumberInt("0"),
            "astatus": NumberInt("0"),
            "outlet_standard": "80",
            "max_zs": null,
            "min_zs": null,
            "max_value": null,
            "sstatus": NumberInt("0")
        },
        {
            "cou_value": null,
            "flag": null,
            "avg_value": null,
            "mstatus": NumberInt("6"),
            "pollutant_code": "008",
            "min_value": null,
            "avg_zs": null,
            "estatus": NumberInt("0"),
            "astatus": NumberInt("0"),
            "outlet_standard": "50",
            "max_zs": null,
            "min_zs": null,
            "max_value": null,
            "sstatus": NumberInt("0")
        },
        {
            "pollutant_code": "B02",
            "cou_value": null,
            "min_value": null,
            "flag": null,
            "avg_value": null,
            "outlet_standard": null,
            "max_value": null
        }
    ]
}

拆分成，这样如果进行count的话，会把子集的总数算进去

// 1
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "cou_value": null,
        "flag": null,
        "avg_value": null,
        "mstatus": NumberInt("6"),
        "pollutant_code": "001",
        "min_value": null,
        "avg_zs": null,
        "estatus": NumberInt("0"),
        "astatus": NumberInt("0"),
        "outlet_standard": "20",
        "max_zs": null,
        "min_zs": null,
        "max_value": null,
        "sstatus": NumberInt("0")
    }
}

// 2
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "cou_value": null,
        "flag": null,
        "avg_value": null,
        "mstatus": NumberInt("6"),
        "pollutant_code": "002",
        "min_value": null,
        "avg_zs": null,
        "estatus": NumberInt("0"),
        "astatus": NumberInt("0"),
        "outlet_standard": "80",
        "max_zs": null,
        "min_zs": null,
        "max_value": null,
        "sstatus": NumberInt("0")
    }
}

// 3
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "cou_value": null,
        "flag": null,
        "avg_value": null,
        "mstatus": NumberInt("6"),
        "pollutant_code": "003",
        "min_value": null,
        "avg_zs": null,
        "estatus": NumberInt("0"),
        "astatus": NumberInt("0"),
        "outlet_standard": "250",
        "max_zs": null,
        "min_zs": null,
        "max_value": null,
        "sstatus": NumberInt("0")
    }
}

// 4
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "cou_value": null,
        "flag": null,
        "avg_value": null,
        "mstatus": NumberInt("6"),
        "pollutant_code": "004",
        "min_value": null,
        "avg_zs": null,
        "estatus": NumberInt("0"),
        "astatus": NumberInt("0"),
        "outlet_standard": "80",
        "max_zs": null,
        "min_zs": null,
        "max_value": null,
        "sstatus": NumberInt("0")
    }
}

// 5
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "cou_value": null,
        "flag": null,
        "avg_value": null,
        "mstatus": NumberInt("6"),
        "pollutant_code": "008",
        "min_value": null,
        "avg_zs": null,
        "estatus": NumberInt("0"),
        "astatus": NumberInt("0"),
        "outlet_standard": "50",
        "max_zs": null,
        "min_zs": null,
        "max_value": null,
        "sstatus": NumberInt("0")
    }
}

// 6
{
    "_id": "2204000000429520201204000000000",
    "mp_id": "22040000004295",
    "create_time": ISODate("2020-12-04T16:10:03.627Z"),
    "data_day": NumberInt("20201204"),
    "data_time": ISODate("2021-03-11T01:29:55.095Z"),
    "gd_id": "125F58D3-B632-43B0-B6D8-1EA90977F33C",
    "mn": "20150724000002",
    "protocol": "0",
    "update_time": ISODate("2020-12-04T16:10:03.627Z"),
    "values": {
        "pollutant_code": "B02",
        "cou_value": null,
        "min_value": null,
        "flag": null,
        "avg_value": null,
        "outlet_standard": null,
        "max_value": null
    }
}

3.Aggregation.group("mp_id").first("mp_id").as("mpId").count().as("total")进行group，并且第一列mp_id起别名为mpId,count计数列起别名为total

4.Aggregation.addFields().addFieldWithValue("type", "day_air").build()) 添加自定义字段

5.AggregationResults<TempMpId> out = mongoTemplate.aggregate(aggregation, "day_air", TempMpId.class); 参数1为聚合配置，参数2为查询那个文档，参数3为接收的实体类

6.List<TempMpId> tempMpIdList = new ArrayList<>(); for (Iterator<TempMpId> iterator = out.iterator(); iterator.hasNext(); ) { tempMpIdList.add(iterator.next()); } 循环取出返回值

7.接收返回值的实体类说明

public class TempMpId implements Serializable {

    private String mpId;

    private Integer total;

    private String type;

    public String getMpId() {
        return mpId;
    }

    public void setMpId(String mpId) {
        this.mpId = mpId;
    }

    public Integer getTotal() {
        return total;
    }

    public void setTotal(Integer total) {
        this.total = total;
    }

    public String getType() {
        return type;
    }

    public void setType(String type) {
        this.type = type;
    }
}

 

隔壁的老司机
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
mongoTemplate随机获取10条数据
qq_38410795冰淇淋的博客
10-25 974
Aggregation agg = Aggregation.newAggregation( Aggregation.match(Criteria.where("zyh").is(map.get("zyh").toString())), Aggregation.sample(10) ); AggregationResults<Ceshitimu> results = mongoTemplate.agg.
mongoTemplate.aggregate() 聚合查询，关联查询
热门推荐
C18298182575的博客
09-10 1万+
聚合方法实现了什么功能 条件查询，分组，统计，关联查询，排序，分页，返回指定字段 聚合方法： AggregationResults<DocumentEntity> results = mongoTemplate.aggregate(aggregation, TableNameUtils.getDocTableName(request.getCompanyId()), Docum...
使用mongoTemplate进行Aggregation聚合查询
jyblims的博客
01-08 5042
1. Criteria criteria = getCriteria(materialInfoDTO,userVo); Query query = new Query(); query.addCriteria(criteria); long sumCount = mongoTemplate.count(query, MaterialInfo.class); Aggregation aggregation = Aggregation.newA
MongoDB之通过mongoTemplate利用aggregate管道聚合操作获取某一个或多个字段的最大值和最小值
熊凯瑞的博客
11-08 3081
有时候在操作mongodb数据库时需要找出某个字段的最大值和最小值，网上的方法就两种，一种是先排序，按升序或者按降序，然后取第一个值就可以得到最大值或最小值了，听起来很美好，但一旦数据库内数据非常多的时候，而且还是mongoDB这样的数据库，如果查一遍库才能拿到值，代价是非常大的。所以我主要采用第二种方法，也就是利用mongodbTemplate来进行管道操作来获取mongodb数据库中某一个或多个字段的最大值和最小值。
MongoDB聚合搜索Aggregation（时间，模糊匹配，最新值）SpringCloud JAVA
最新发布
Enya61的博客
11-11 1684
mongo的聚合查询实现。同时注意细节：mongo的映射关系，还有文档名必须正确还要注意层级关系！
使用MongoTemplate 对 mongodb数据进行分组、排序、分页、连表查询
知道的越多 不知道的就越多
09-23 7188
聚合查询（分组、排序、分页、连表）
mongo spring boot Aggregate 例子
05-18
最后，通过`mongoTemplate.aggregate()`执行聚合操作，并将结果转换为`Document`对象列表。 注意，这里的`"collectionName"`需要替换为实际的集合名称，`"field"`, `"value"`, `"groupField"`, `"sumField"`应根据...
mongoTemplate实现统计和分组
11-29
但是，在使用 spring-data-mongodb-1.9.5.RELEASE 版本时，我们可能会遇到一些问题，例如在调用 mongoTemplate 类型的 aggregate 聚合框架时，需要提供 'cursor' 选项，否则将抛出异常。为了避免这些问题，我们可以...
mongoTemplate工具类Dao层方法封装.zip
11-23
- MongoTemplate支持MongoDB的聚合框架，如`aggregate()`方法，可以处理复杂的聚合管道操作，包括 `$match`, `$group`, `$sort`, `$project`, `$unwind` 等。 5. **索引管理**： - 通过`createIndex()`和`drop...
MongoDB 高级查询 aggregate 聚合管道
12-14
db.COLLECTION_NAME.aggregate() 方法用来构建和使用聚合管道，下图是官网给的实例，可以看出来聚合管道的用法还是比较简单的。   2. MongoDB Aggregation 管道操作符与表达式 常用的管道操作符有以下这些： ...
MongoDB聚合分组取第一条记录的案例与实现方法
09-09
这种方法虽然不是最优解，但在没有直接的聚合操作支持获取分组内最新记录的情况下，这是一种可行的解决方案。对于大数据集，考虑优化数据结构、索引设计以及使用更高效的处理方式（如MapReduce或在应用程序层面处理...
mongoDB 示例 ：使用mongoTemplate进行Aggregation聚合查询
stateCelebrateking的专栏
07-16 2713
需求：在订单表中，根据buyerNick分组，统计每个buyerNick的电话、地址、支付总金额以及总商品数，返回结果是CustomerDetail。 /* * project:列出所有本次查询的字段，包括查询条件的字段和需要搜索的字段； * match:搜索条件criteria * unwind：某一个字段是集合，将该字段分解成数组 * group：分组的字段，以及聚合相关查询 * sum：求和(同sql查询) * count：数量(同sql查询) * ..
【mongodb】聚合模板Aggregation使用
weixin_48618536的博客
04-02 639
Date today=DateFormat.S2DD(DateFormat.D2S(new Date())+" 00:00:00"); Criteria criteria=Criteria.where("teamId").is(bean.getTeamId()). and("updateTime").gte(today); String[] strings=bean.getMachineIds().split(","); cri
mongoTemplate count 获取到不正确的数量
fajing_feiyue的博客
02-10 8084
我们在分片集群的情况下，有时候通过mongoTemplate.count()并未获取到正确的数量。我们通过mongoTemplate.aggregate()方法来获取到到总的数量。 Query query2 = new Query(); Criteria criteria =new Criteria(); List<String> valueStrPa...
【MongoDB】MongoTemplate 操作 Aggregation 中添加 addFields
棒棒的邦邦
04-24 3100
MongoDB问题
`SpringData-mongoDB`聚合查询（Aggregate）示例
小子宝丁的博客
07-16 1654
Aggregate简介 http://blog.csdn.net/congcong68/article/details/52821159 db.collection.aggregate() 是基于数据处理的聚合管道，每个文档通过一个由多个阶段（stage）组成的管道，可以对每个阶段的管道进行分组、过滤等功能，然后经过一系列的处理，输出相应的结果。 db.collection.aggregate() 可以多个管道，能方便的进行数据的处理。 db.collection.aggregate() 使用了
常见算子使用_Flink算子使用方法及实例演示：keyBy、reduce和aggregations
weixin_36485321的博客
01-02 432
Flink的Transformation转换主要包括四种：单数据流基本转换、基于Key的分组转换、多数据流转换和数据重分布转换。本文主要介绍基于Key的分组转换，关于时间和窗口将在后续文章中介绍。读者可以使用Flink Scala Shell或者Intellij Idea来进行练习：Flink Scala Shell：使用交互式编程环境学习和调试FlinkFlink 01 | 十分钟搭建第一个Fl...
响应式编程中排序问题
石光辉的博客
02-19 255
@Override public Flux<ExpressPostDto> findExpressPostOrder(String keyword, Pageable pageable) { return reactiveMongoTemplate.aggregate( Aggregation.newAggregation( Aggregation.match(criteriaExpress.
关于Spring中MongoTemplate.aggregate的一个奇异bug
奋斗的小geek
02-10 3527
昨天在完成公司一个项目的时候用了mongoTemplate的aggregate，在使用Aggretaion.match(criteria)来筛选数据，其中criteria语句是Criteria.where("id").ne(xxxId)，结果程序在执行的时候该条件一直没有起效果，但是其他的find和update等语句都是可以执行的，抱着满脑袋的疑惑翻看了它的源码实现后发现这里有一个很大的坑，具体是
mongotemplate.aggregate
08-03
### 回答1： mongotemplate.aggregate是Spring Data MongoDB提供的一种聚合操作方法，用于对MongoDB数据库中的数据进行聚合操作，可以实现类似于SQL中的GROUP BY、SUM、COUNT等操作。通过mongotemplate.aggregate方法，可以使用MongoDB的聚合管道对数据进行处理，包括筛选、分组、排序、计算等操作，从而得到需要的结果。 ### 回答2： MongoTemplate.aggregate是Spring Data MongoDB提供的用于执行聚合操作的方法。在MongoDB中，聚合操作用于在集合中进行数据处理和分析，以获得需要的结果。 使用MongoTemplate.aggregate，我们可以使用聚合管道来指定一系列的聚合阶段，以处理从集合中检索到的文档。聚合管道是由一系列阶段组成的，每个阶段都会对输入文档进行处理，并将处理结果传递给下一个阶段，最终生成最终的聚合结果。 聚合阶段可以包括多种操作，如过滤、分组、投影、排序、限制等。我们可以根据具体的需求选择不同的操作来构建聚合管道。 使用MongoTemplate.aggregate方法，我们可以构建一个Aggregation对象，通过调用不同的方法来添加不同的聚合阶段。例如，可以使用match方法来添加过滤阶段，使用group方法来添加分组阶段，使用project方法来添加投影阶段等。 最后，调用MongoTemplate.aggregate的结果会返回一个聚合操作的结果。可以使用聚合操作的结果来进行相关的数据分析和处理。 总之，MongoTemplate.aggregate是Spring Data MongoDB提供的一个用于执行聚合操作的方法，通过构建聚合管道，可以对MongoDB集合中的数据进行处理和分析，并获得需要的结果。 ### 回答3： MongoTemplate.aggregate 是Spring Data MongoDB 中的一个函数，用于执行 MongoDB 的聚合操作。 聚合操作是 MongoDB 中一种高级数据处理方法，用于在集合中处理数据并返回结果。MongoTemplate.aggregate 函数可以通过传入不同的聚合管道操作，实现对 MongoDB 中的数据进行聚合操作。 聚合管道是一系列的聚合操作，每个操作都会对输入进行处理，并生成输出结果。管道操作可以包括筛选、排序、分组、计算、转换等多个步骤，可以根据具体需求来组合这些操作。 MongoTemplate.aggregate 函数的参数包括聚合管道操作和输出结果的类型。聚合管道操作可以使用 Aggregation 类提供的各种操作符，如 match、sort、group、project、limit 等。结果类型可以使用 Class 类型来指定，也可以使用 AggregationResults 类型来获取带有聚合操作结果的包装器。 使用 MongoTemplate.aggregate 函数可以轻松地执行各种聚合操作，同时结合 Spring Data MongoDB 提供的其他功能，还可以更方便地进行数据的查询、更新和删除等操作。 总的来说，MongoTemplate.aggregate 函数是 Spring Data MongoDB 提供的一个方便的接口，用于执行 MongoDB 中的聚合操作，可以通过传入不同的聚合管道操作来实现各种高级数据处理需求。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值