MongoDB文档翻译-聚集-对邮编数据集进行聚集

英文原文地址：https://docs.mongodb.com/v3.2/tutorial/aggregation-zip-code-data-set/。
本文章属个人翻译，作个人学习之用，如有雷同，纯属巧合。如有错误之处，欢迎指正。

对邮编数据集进行聚集

该篇文章的例子使用zipcodes集合。该集合在media.mongodb.org/zips.json可以找到，使用mongoimport来把该数据集导入到mongod实例中。

数据模型

zipcodes集合中的每个文档有如下格式：

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

• _id字段保存的是邮政编码，字符串。
• city字段保存的是城市名。一个城市可以有多个邮编与之管理，因为该城市的不同区可以有不同的邮编。
• state字段保存的是两字母缩写的州名。
• pop字段保存的是人口。
• loc字段保存的是以经纬对形式的位置。

aggregate()方法

下面的所有例子都是在mongoshell中使用aggregate()帮助方法。

aggregate()方法使用聚集管道来处理文档车功能聚集结果。一个聚集管道由多个阶段组成，每个阶段处理通过管道的文档。文档按顺序依次通过各个阶段。

mongoshell中的aggregate()方法提供了对数据库命令aggregate的一个封装。

返回人口超过1000万的州

下面的聚集操作返回总人口超过1000万的所有州：

db.zipcodes.aggregate( [
   { $group: { _id: "$state", totalPop: { $sum: "$pop" } } },
   { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

这个例子中，聚集管道由$group阶段，以及后面的$match阶段组成：

• $group阶段通过state字段对zipcode集合中的文档进行分组，对每个州计算totalPop字段，然后对每个唯一的州输出一个文档。

  新的每个州的文档有两个字段，_id字段和totalPop字段。_id字段包含州state的值，即分组的字段。totalPop是一个计算字段，包含了每个州的总人口。$group使用$sum操作符来对每个州的人口相加来计算这个字段。

  $group阶段后，管道中的文档类似如下：

  {
    "_id" : "AK",
    "totalPop" : 550043
  }

• $match阶段对这些分组的文档进行过滤，只输出totalPop大于或等于1000万的文档。$match阶段并不修改匹配的文档，只是不经修改地输出匹配的文档。

该聚集操作的等价SQL语句如下：

SELECT state, SUM(pop) AS totalPop
FROM zipcodes
GROUP BY state
HAVING totalPop >= (10*1000*1000)

按州返回平均城市人口

下面的聚集操作返回每个州的平均城市人口：

db.zipcodes.aggregate( [
   { $group: { _id: { state: "$state", city: "$city" }, pop: { $sum: "$pop" } } },
   { $group: { _id: "$_id.state", avgCityPop: { $avg: "$pop" } } }
] )

该例子中，聚集管道由两个$group组成：

• 第一个$group阶段通过city和state的组合来分组文档，并使用$sum表达式来计算每个组合的人口总数，然后对每个city和state的组合输出一个文档。该阶段之后，文档类似如下：

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• 第二个$group阶段通过_id.state字段来分组文档（即_id文档中的state字段），使用$avg表达式对每个州计算平均城市人口(avgCityPop)，然后对每个州输出一个文档。

这次聚集操作的结果，文档类似如下：

{
  "_id" : "MN",
  "avgCityPop" : 5335
}

按州返回最大和最小的城市

下面的聚集操作按人口返回每个州的最大和最小城市：

db.zipcodes.aggregate( [
   { $group:
      {
        _id: { state: "$state", city: "$city" },
        pop: { $sum: "$pop" }
      }
   },
   { $sort: { pop: 1 } },
   { $group:
      {
        _id : "$_id.state",
        biggestCity:  { $last: "$_id.city" },
        biggestPop:   { $last: "$pop" },
        smallestCity: { $first: "$_id.city" },
        smallestPop:  { $first: "$pop" }
      }
   },

  // the following $project is optional, and
  // modifies the output format.

  { $project:
    { _id: 0,
      state: "$_id",
      biggestCity:  { name: "$biggestCity",  pop: "$biggestPop" },
      smallestCity: { name: "$smallestCity", pop: "$smallestPop" }
    }
  }
] )

该例子中，聚集管道由一个$group阶段，一个$sort阶段，另一个$group阶段，和一个$project阶段组成。

• 第一个$group阶段按city和state的组合来分组文档，对每个组合计算pop值的和，然后对每个city和state的组合输出一个文档。

  该阶段之后，文档类似如下：

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• $sort阶段在管道中按pop字段的值duii文档排序，从最小到最大（即升序）。该操作不会修改文档。

• 下一个$group阶段按_id.state字段（即_id文档中的state字段）对已经有序的文档分组，对每个州输出一个文档。

  该阶段也对每个州计算四个字段。使用$last表达式，$group操作符创建了保存最大人口的城市和最大人口的biggeestCity和biggestPop字段。使用$first表达式，$group操作符欻功能键了保存最小人口的城市和最小人口的smallestCity和smallestPop字段。

  该阶段后的文档类似如下：

  {
    "_id" : "WA",
    "biggestCity" : "SEATTLE",
    "biggestPop" : 520096,
    "smallestCity" : "BENGE",
    "smallestPop" : 2
  }

• 最后的$project阶段把_id字段重命名为state，并把biggestCity、biggestPop、smallestCity和smallestPop移到biggestCity和smallestCity嵌入文档中。

该聚集操作的输出文档类似如下：

{
  "state" : "RI",
  "biggestCity" : {
    "name" : "CRANSTON",
    "pop" : 176404
  },
  "smallestCity" : {
    "name" : "CLAYVILLE",
    "pop" : 45
  }
}