前言、官方文档、MongoTemplate中的概念
前言
2023/3/14我是作者，原文最先发布在博客园(2022/12/09)，今天把它复制以下到CSDN。 是的我是作者。
最近在做基于SpringBoot的MongoDB的聚合管道操作，JSON语句不难写，但是理清楚逻辑、顺序很麻烦，而且在Java（Springboot）上操作聚合管道，部分操作符的使用不清楚，加之网上可以参考的示例很零散，很多不够直观全面。
所以在翻阅了官方文档和一些个人分享的技术文章后，自己做了测试验证，汇总了这篇笔记，分享一下基于SpringBoot的MongoDB的聚合管道操作。
主要是聚焦于理解MongoDB Template提供的两种实现聚合管道的操作，重点基于$group，$lookup, $unwind, $facet, 这几个操作符，实际代码中也有涉及到$match, $count, $sortByCount的使用。
同时梳理一下MongoDB template中的几个定义（见“MongoTemplate中的概念”），希望有助于大家。
请大家配合标题导航食用，风味更佳~
可以转载，但请标注出处。
2023/3/7：补充，最近增加了一个数组字段的查询、更新操作详解笔记，如有需要可以点击这里跳转。
MongoDB数组查询、更新操作及$elemMatch、arrayFilter、占位符$、$push等操作符详解-CSDN博客
官方文档
$facet (aggregation) — MongoDB Manual
MongoTemplate相关概念
-
MongoTemplate：官方提供的操作MongoDB的对象。位于： org.springframework.data.mongodb.core。 使用的时候，需要注入。
-
Query：用于创建查询条件的对象。 位于：package org.springframework.data.mongodb.core.query。 使用时一般需要传入如"Criteria"构建的查询条件。
-
Criteria: 构建具体查询条件的对象，和Query位于同个包下。
-
AggregationOperation：聚合管道的操作对象，这是适用于Aggregate Pipeline Stages的操作，比如$group/$lookup/$unwind/$sort.......使用的时候，需要先构建对应的聚合操作，比如$group（需要构建具体操作）， 可以创建多个，最后一并传入到Aggregation对象中，再交给template去执行管道聚合。 位于：
-
Aggregation：Pipeline stage的集合，也就是上面AggregationOperation的集合，把上面的所有聚合操作存在一起，template调用aggregate方法的时候，传入该对象。
-
以上类位于 package org.springframework.data.mongodb.core.aggregation;
-
Aggregates: Pipeline stage操作对象。 和Aggregation有几乎一样的功能，但是会更加灵活，一般除了预先提供的操作符，还可以自己传入Bson操作对象去灵活实现。 整体的使用难度，比Aggregation可能高一些。
-
Bson、BsonDocument、BsonField: Bson我理解就是灵活的表达式，查询条件、聚合操作符之类的构建定义，都可以由它接收，并最后传给template的aggregate方法去执行聚合操作。BsonDocument则是Bson的具体实现，用于灵活构建表达式的对象。 关于这部分，具体可以往下看。BsonField也是构建灵活的聚合表达式的一个类，比如快速地定义{"count": { $sum: 1 } ，作为聚合操作的一部分传入到具体的聚合阶段中。
-
以上类位于 package com.mongodb.client.model; Bson/BsonDocument则是另外的包中。org.bson中。感兴趣自行去源码中查找。
开发环境和参考文档
JDK1.8 + Maven
SpringBoot(Springboot-starter-parent): 2.7.5
Mongodb(spring-boot-starter-data-mongodb) 4.6.1
参考文档：
SpringBoot 集成 Spring Data Mongodb 操作 MongoDB 详解 | 小豆丁技术栈
Spring Boot MongoDB 查询操作 （BasicQuery ，BSON） | 数据库论坛
参考了以上网友的分享案例。
代码和案例
1. $count 和$match操作符
官方定义
$count: Passes a document to the next stage that contains a count of the number of documents input to the stage.
MongoDB数组查询、更新操作及$elemMatch、arrayFilter、占位符$、$push等操作符详解-CSDN博客
就是统计当前stage（聚合管道操作的阶段）存在的文档数量。
$match: Filters the documents to pass only the documents that match the specified condition(s) to the next pipeline stage.
过滤符合条件的数据到下个pipeline stage。
语法
{ $count: <string> // 这里的名称随便写，最后显示出来的结果就是 xxx : 总数 }
// match语法
{ $match: { <query> } } // 就是传入查询语句Json格式在MongoDB中操作的官方示例
// 数据
{ "_id" : 1, "subject" : "History", "score" : 88 }
{ "_id" : 2, "subject" : "History", "score" : 92 }
{ "_id" : 3, "subject" : "History", "score" : 97 }
{ "_id" : 4, "subject" : "History", "score" : 71 }
{ "_id" : 5, "subject" : "History", "score" : 79 }
{ "_id" : 6, "subject" : "History", "score" : 83 }
// 执行
db.scores.aggregate(
// 先用match查找匹配的文档，然后直接用count统计当前match阶段存在的文档数量。
[{$match: {score: {$gt: 80}}},
{$count: "passing_scores" // 这里的passing_scores 也可以是其他任意名称
}]
)
// 返回结果
{ "passing_scores" : 4 }MongoTemplate中实现的Java代码
数据参考上面官方示例。 以下分别是Aggregation和Aggregates的实现。 任意一种都可以。
/**
* @Author zaoyu
*/
@Autowired
private MongoTemplate mongoTemplate;
private String DEMO_COLLECTION = "demo";
/**
* 用Aggregates和Bson构建聚合操作对象，用预先生成的MongoCollection对象调用aggregate执行即可。
*/
@Test
public void testCountWithAggregates(){
MongoCollection<Document> collection = mongoTemplate.getCollection(DEMO_COLLECTION);
// Aggregates提供各种操作符，返回一个Bson对象。这里用match，然后用Filters来实现过滤条件的构建，也是返回一个Bson对象。
Bson matchBson = Aggregates.match(Filters.gt("score", 80));
// 直接用Aggregates的count方法，如果不传自定义的名称，默认用“count”接收。
Bson countBson = Aggregates.count("myCount");
// 构建一个List<Bson>, 并把每一个聚合操作Bson加进去，最后传入aggregate方法中执行。
List<Bson> bsonList = new ArrayList<>();
bsonList.add(matchBson);
bsonList.add(countBson);
AggregateIterable<Document> resultList = collection.aggregate(bsonList);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
/**
* @Author zaoyu
* 用Aggregation集合接收聚合操作，用MongoTemplate对象直接调用aggregate，传入聚合操作集合、表名、映射对象。
*/
@Test
public void testCountWithAggregation(){
// 构建查询match条件：分数大于80
MatchOperation matchOperation = Aggregation.match(Criteria.where("score").gt(80));
// 构建count操作，用“myCount”名称接收
CountOperation countOperation = Aggregation.count().as("myCount");
// 传入多个aggregation（聚合操作），用Aggregation对象接收。
Aggregation aggregation = Aggregation.newAggregation(matchOperation, countOperation);
// 直接用mongoTemplate调用aggregate方法，传入aggregation集合，表名，还有用什么对象接收数据，这里我用Document接收，不再建类。
AggregationResults<Document> resultList = mongoTemplate.aggregate(aggregation, DEMO_COLLECTION, Document.class);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
// 以上2个方法的输出结果一样，如下。
result is :Document{{myCount=4}}2. $group 操作符
官方定义
The $group stage separates documents into groups according to a "group key". The output is one document for each unique group key. A group key is often a field, or group of fields. The group key can also be the result of an expression. Use the _id field in the $group pipeline stage to set the group key.
大概意思就是把文档做分组。 输出的格式是一条数据有一个唯一的分组键。 这里可以简单类比mysql 的group by分组。
语法
{
$group:
{
_id: <expression>, // 用来分组的字段
<field1>: { <accumulator1> : <expression1> }, // 对某字段做处理 accumulator操作。
...
}
}在MongoDB中操作的官方示例
// 插入数据
db.sales.insertMany([
{ "_id" : 1, "item" : "abc", "price" : NumberDecimal("10"), "quantity" : NumberInt("2"), "date" : ISODate("2014-03-01T08:00:00Z") },
{ "_id" : 2, "item" : "jkl", "price" : NumberDecimal("20"), "quantity" : NumberInt("1"), "date" : ISODate("2014-03-01T09:00:00Z") },
{ "_id" : 3, "item" : "xyz", "price" : NumberDecimal("5"), "quantity" : NumberInt( "10"), "date" : ISODate("2014-03-15T09:00:00Z") },
{ "_id" : 4, "item" : "xyz", "price" : NumberDecimal("5"), "quantity" : NumberInt("20") , "date" : ISODate("2014-04-04T11:21:39.736Z") },
{ "_id" : 5, "item" : "abc", "price" : NumberDecimal("10"), "quantity" : NumberInt("10") , "date" : ISODate("2014-04-04T21:23:13.331Z") },
{ "_id" : 6, "item" : "def", "price" : NumberDecimal("7.5"), "quantity": NumberInt("5" ) , "date" : ISODate("2015-06-04T05:08:13Z") },
{ "_id" : 7, "item" : "def", "price" : NumberDecimal("7.5"), "quantity": NumberInt("10") , "date" : ISODate("2015-09-10T08:43:00Z") },
{ "_id" : 8, "item" : "abc", "price" : NumberDecimal("10"), "quantity" : NumberInt("5" ) , "date" : ISODate("2016-02-06T20:20:13Z") },
])// 执行group，这里还加上了match 和 project和sort。 一并使用展示。
db.getCollection("sales").aggregate(
// 第一个聚合管道：过滤出日期在2014-01-01到2015-01-01之间的数据
[ {
$match : { "date": { $gte: new ISODate("2014-01-01"), $lt: new ISODate("2015-01-01") } }
},
// 第二个聚合管道：处理一下日期格式，方便等下做group。
{$project:
{quantity:1,
price:1,
myDate:{"$dateToString":{format: "%Y-%m-%d", date: "$date"}}
}},
// 第三个聚合管道：分组统计，先按照日期分组，再统计每天的销售数量。
{$group:{_id:"$myDate",
perDayQuantity:{$sum:"$quantity"},
myCount: {$sum:1}
}},
// 第四个聚合管道：按照每日销售数量降序排序
{$sort:{"perDayQuantity":-1}}
])MongoTemplate中实现的Java代码
/**
* @Author zaoyu
* Aggregation 实现match, group, sort。
*/
@Test
public void testGroupAggregations(){
// 第一阶段，过滤查询日期介于14-1-1~15-1-1之间的数据，用Aggregation实现类MatchOperation接收。
MatchOperation match = Aggregation.match(Criteria
.where("date").gte(Instant.parse("2014-01-01T08:00:00.000Z"))
.andOperator(Criteria.where("date").lte(Instant.parse("2015-01-01T08:00:00.000Z"))));
// 第二阶段，处理一下日期格式，方便等下做group，用ProjectionOperation接收，也是Aggregation的实现类。
ProjectionOperation project = Aggregation.project("quantity", "price")
.andExpression("{\"$dateToString\":{format: \"%Y-%m-%d\", date: \"$date\"}}").as("myDate");
// 第三阶段，分组统计，先按照日期分组，再统计每天的销售数量。
GroupOperation group = Aggregation.group("myDate")
.sum("quantity").as("perDayQuantity")
// 这里是计算文档条数
.count().as("myCount");
// 第四阶段，排序。按照perDayQuantity字段升序展示。
SortOperation sort = Aggregation.sort(Sort.Direction.ASC, "perDayQuantity");
// 用newAggregation接收以上多个阶段的管道聚合指令，执行，得到结果。
Aggregation aggregations =Aggregation.newAggregation(match, project, group, sort);
AggregationResults<Document> resultList = mongoTemplate.aggregate(aggregations, SALES_COLLECTION, Document.class);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
// 返回结果
result is :Document{{_id=2014-03-01, perDayQuantity=3, myCount=2}}
result is :Document{{_id=2014-03-15, perDayQuantity=10, myCount=1}}
result is :Document{{_id=2014-04-04, perDayQuantity=30, myCount=2}}3. $unwind 操作符
官方定义
Deconstructs an array field from the input documents to output a document for each element. Each output document is the input document with the value of the array field replaced by the element.
大概意思就是把输入文档的数组字段按元素一个个拆分出来，并和原来的数据一并形成一条新文档输出。 好比原来10条数据，其中每条数据都有长度为3的数组，那么拆出来（在元素不重复的情况下），会得到30条数据。
语法
{ $unwind: <field path> }
和
{
$unwind:
{
path: <field path>, // path是固定名称，沿用即可。 <field path> 是数组字段，就是你要拆分的字段（值得是一个数组，不然没有意义）
includeArrayIndex: <string>,
preserveNullAndEmptyArrays: <boolean>
}
}在MongoDB中操作的官方示例
// 插入数据
db.inventory.insertOne({ "_id" : 1, "item" : "ABC1", sizes: [ "S", "M", "L"] })
// 执行unwind操作，这里是把 sizes字段的数组拆分出来
db.inventory.aggregate( [ { $unwind : "$sizes" } ] )
// 执行结果 可以看到每条数据的sizes不再是list,而是具体的元素。
{ "_id" : 1, "item" : "ABC1", "sizes" : "S" }
{ "_id" : 1, "item" : "ABC1", "sizes" : "M" }
{ "_id" : 1, "item" : "ABC1", "sizes" : "L" }注意，如果要拆分的字段是一个空数组或者null，那么实际输出的数据，不会包含那条数据。 如下示例。
// 插入多条数据，这里还放了三条特殊数据，一个是空集合，一个是null，一个是没有要拆分的字段 sizes
db.clothing.insertMany([
{ "_id" : 1, "item" : "Shirt", "sizes": [ "S", "M", "L"] },
{ "_id" : 2, "item" : "Shorts", "sizes" : [ ] },
{ "_id" : 3, "item" : "Hat", "sizes": "M" },
{ "_id" : 4, "item" : "Gloves" },
{ "_id" : 5, "item" : "Scarf", "sizes" : null }
])
// 执行$unwind
db.clothing.aggregate( [ { $unwind: { path: "$sizes" } } ] )
// 返回结果， 可以看到，sizes值为空数组和null的id=2以及id=5的数据都没有展示出来，同时没有该字段的id=4，也没有展示出来。
{ _id: 1, item: 'Shirt', sizes: 'S' },
{ _id: 1, item: 'Shirt', sizes: 'M' },
{ _id: 1, item: 'Shirt', sizes: 'L' },MongoTemplate中实现的Java代码
以下分别是Aggregation和Aggregates的实现
/**
* @Author zaoyu
* Aggregation 实现$unwind
*/
@Test
public void testUnwindAggregations() {
String CLOTHING_COLLECTION = "clothing";
// 调用Aggregation中的unwind的聚合操作符
UnwindOperation unwind = Aggregation.unwind("sizes");
// 用newAggregation接收管道聚合指令，执行，得到结果。
Aggregation aggregations =Aggregation.newAggregation(unwind);
// mongoTemplate 直接调用aggregate方法，传入Aggregation对象，基于的表，映射类（这里简单化，我用Document）
AggregationResults<Document> resultList = mongoTemplate.aggregate(aggregations, CLOTHING_COLLECTION, Document.class);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
/**
* @Author zaoyu
* Aggregates/Bson 实现$unwind
*/
@Test
public void testUnwindAggregates(){
String CLOTHING_COLLECTION = "clothing";
// 调用Aggregates的unwind聚合操作符 注意，Aggregates这里需要传入$
Bson unwindBson = Aggregates.unwind("$sizes");
// 建一个List<Bson> 把unwindBson传进去
List<Bson> bsonList = new ArrayList<>();
bsonList.add(unwindBson);
// mongoTemplate先获得对应的collection对象，然后调用aggregate，传入List<Bson> 获得结果
MongoCollection<Document> collection = mongoTemplate.getCollection(CLOTHING_COLLECTION);
AggregateIterable<Document> resultList = collection.aggregate(bsonList);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}4. $lookup 操作符
官方定义
Performs a left outer join to a collection in the same database to filter in documents from the "joined" collection for processing. The $lookup stage adds a new array field to each input document. The new array field contains the matching documents from the "joined" collection.
The $lookup stage passes these reshaped documents to the next stage.
Starting in MongoDB 5.1, $lookup works across sharded collections.
其实可以简单理解类比Mysql的子查询。 会把另外一张表匹配的数据，作为一个数组存入到当前数据中，需要自定义一个字段来接收显示。
类比如下的sql语句
SELECT *, <output array field>
FROM collection
WHERE <output array field> IN (
SELECT *
FROM <collection to join>
WHERE <foreignField> = <collection.localField>
);【特别注意】如果当前DB是集群部署，那么在DB版本为5.1之前的情况，$lookup是不会生效的。 如果你数据库是集群的，然后又要用$lookup，一定要检查版本是否大于等于5.1，否则是查不出来的。 前阵子不知道这个，一直没有头绪为什么数据查不出来。
语法
{
$lookup:
{
from: <collection to join>, // 要联表查的表名
localField: <field from the input documents>, // 当前表的要和联表关联的字段
foreignField: <field from the documents of the "from" collection>, // 要被关联表的外键字段
as: <output array field> // 定义一个字段接收匹配关联的数据
}
}在MongoDB中操作的官方示例
// 插入表orders数据
db.orders.insertMany( [
{ "_id" : 1, "item" : "almonds", "price" : 12, "quantity" : 2 },
{ "_id" : 2, "item" : "pecans", "price" : 20, "quantity" : 1 },
{ "_id" : 3 }
] )
// 插入表inventory数据
db.inventory.insertMany( [
{ "_id" : 1, "sku" : "almonds", "description": "product 1", "instock" : 120 },
{ "_id" : 2, "sku" : "bread", "description": "product 2", "instock" : 80 },
{ "_id" : 3, "sku" : "cashews", "description": "product 3", "instock" : 60 },
{ "_id" : 4, "sku" : "pecans", "description": "product 4", "instock" : 70 },
{ "_id" : 5, "sku": null, "description": "Incomplete" },
{ "_id" : 6 }
] )执行代码
db.orders.aggregate( [ // db.orders 表示基于orders做聚合操作
{
$lookup:
{
from: "inventory", // 联表inventory
localField: "item", // 当前orders的字段
foreignField: "sku", // inventory中的sku字段，和orders的item关联
as: "inventory_docs" // 定义一个字段名接收 inventory中sku 和orders的item相同的数据，数组形式。
}
}
] )返回结果
{
"_id" : 1,
"item" : "almonds",
"price" : 12,
"quantity" : 2,
"inventory_docs" : [ // 这个inventory_docs字段就是自己命名的字段，存储着来自inventory的数据
{ "_id" : 1, "sku" : "almonds", "description" : "product 1", "instock" : 120 }
]
}
{
"_id" : 2,
"item" : "pecans",
"price" : 20,
"quantity" : 1,
"inventory_docs" : [
{ "_id" : 4, "sku" : "pecans", "description" : "product 4", "instock" : 70 }
]
}
{
"_id" : 3,
"inventory_docs" : [
{ "_id" : 5, "sku" : null, "description" : "Incomplete" },
{ "_id" : 6 }
]
}MongoTemplate中实现的Java代码
以下分别是Aggregation和Aggregates的实现
/**
* @Author zaoyu
* Aggregation 实现$lookup
*/
@Test
public void testLookupAggregations(){
String INVENTORY_COLLECTION = "inventory";
String ORDERS_COLLECTION = "orders";
// Aggregation类，直接可以调用lookup方法，传入要关联的表、当前表和关联表关联的字段、要关联的表的字段、自定义名称接收关联匹配的数据
LookupOperation lookup = Aggregation.lookup(INVENTORY_COLLECTION, "item", "sku", "inventory_docs");
// 用newAggregation接收管道聚合指令，执行，得到结果。
Aggregation aggregations =Aggregation.newAggregation(lookup);
// mongoTemplate 直接调用aggregate方法，传入Aggregation对象，基于的表，映射类（这里简单化，我用Document）
AggregationResults<Document> resultList = mongoTemplate.aggregate(aggregations, ORDERS_COLLECTION, Document.class);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
/**
* @Author zaoyu
* Aggregates/Bson 实现$lookup
*/
@Test
public void testLookupAggregates(){
String INVENTORY_COLLECTION = "inventory";
String ORDERS_COLLECTION = "orders";
// 这里用Aggregates类直接调用lookup，传入的参数和上面的Aggregations的lookup是一样的，只不过这里返回的结果是一个Bson对象。
Bson lookupBson = Aggregates.lookup(INVENTORY_COLLECTION, "item", "sku", "inventory_docs");
// 建一个List<Bson> 把lookupBson传进去
List<Bson> bsonList = new ArrayList<>();
bsonList.add(lookupBson);
// mongoTemplate先获得对应的collection对象，然后调用aggregate，传入List<Bson> 获得结果
MongoCollection<Document> collection = mongoTemplate.getCollection(ORDERS_COLLECTION);
AggregateIterable<Document> resultList = collection.aggregate(bsonList);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}返回结果
result is :Document{{_id=1.0, item=almonds, price=12.0, quantity=2.0, inventory_docs=[Document{{_id=1.0, sku=almonds, description=product 1, instock=120.0}}]}}
result is :Document{{_id=2.0, item=pecans, price=20.0, quantity=1.0, inventory_docs=[Document{{_id=4.0, sku=pecans, description=product 4, instock=70.0}}]}}
result is :Document{{_id=3.0, inventory_docs=[Document{{_id=5.0, sku=null, description=Incomplete}}, Document{{_id=6.0}}]}}5. $facet 操作符
官方定义
Processes multiple aggregation pipelines within a single stage on the same set of input documents. Each sub-pipeline has its own field in the output document where its results are stored as an array of documents.
Input documents are passed to the $facet stage only once. $facet enables various aggregations on the same set of input documents, without needing to retrieve the input documents multiple times.
简单来说，就是facet可以实现在facet管道操作完成多个stage管道操作。减少获取输入文档的次数。
我个人觉得有种场景很适合使用facet：分页查询文档数据的同时，把符合查询条件的总数也查询出来的场景下，如果使用$facet，同时获取分页数据和总数，不用做两次数据库查询（分别查询分页数据和总数）。
语法
{ $facet:
{
<outputField1>: [ <stage1>, <stage2>, ... ], // 这里outputpufield 是自己定义的用来接收stage集合返回的文档数据。
<outputField2>: [ <stage1>, <stage2>, ... ], // 可以基于上一个Facet继续做facet
...
}
}在MongoDB中操作的官方示例
// 数据 插入artwork 表中
{ "_id" : 1, "title" : "The Pillars of Society", "artist" : "Grosz", "year" : 1926,
"price" : NumberDecimal("199.99"),
"tags" : [ "painting", "satire", "Expressionism", "caricature" ] }
{ "_id" : 2, "title" : "Melancholy III", "artist" : "Munch", "year" : 1902,
"price" : NumberDecimal("280.00"),
"tags" : [ "woodcut", "Expressionism" ] }
{ "_id" : 3, "title" : "Dancer", "artist" : "Miro", "year" : 1925,
"price" : NumberDecimal("76.04"),
"tags" : [ "oil", "Surrealism", "painting" ] }
{ "_id" : 4, "title" : "The Great Wave off Kanagawa", "artist" : "Hokusai",
"price" : NumberDecimal("167.30"),
"tags" : [ "woodblock", "ukiyo-e" ] }
{ "_id" : 5, "title" : "The Persistence of Memory", "artist" : "Dali", "year" : 1931,
"price" : NumberDecimal("483.00"),
"tags" : [ "Surrealism", "painting", "oil" ] }
{ "_id" : 6, "title" : "Composition VII", "artist" : "Kandinsky", "year" : 1913,
"price" : NumberDecimal("385.00"),
"tags" : [ "oil", "painting", "abstract" ] }
{ "_id" : 7, "title" : "The Scream", "artist" : "Munch", "year" : 1893,
"tags" : [ "Expressionism", "painting", "oil" ] }
{ "_id" : 8, "title" : "Blue Flower", "artist" : "O'Keefe", "year" : 1918,
"price" : NumberDecimal("118.42"),
"tags" : [ "abstract", "painting" ] }
// 执行$facet聚合
db.artwork.aggregate( [
{
$facet: {
// 第一个Facet操作，按照tag分类：先用unwind拆分tags字段的数组值，交给下一个聚合 $sortByCount, 按照tags的个数排序。
"categorizedByTags": [
{ $unwind: "$tags" },
{ $sortByCount: "$tags" }
],
// 第二个Facet操作，按照price分类：先过滤数据（只处理存在price数据的文档），然后执行$bucket按照价格区间分组 0~150，151~200， 201~300， 301~400这样。
"categorizedByPrice": [
{ $match: { price: { $exists: 1 } } },
{
$bucket: {
groupBy: "$price",
boundaries: [ 0, 150, 200, 300, 400 ],
default: "Other",
output: {
"count": { $sum: 1 },
"titles": { $push: "$title" }
}
}
}
],
// 第三个Facet， 按照years分类。 分成4个区间。
"categorizedByYears(Auto)": [
{
$bucketAuto: {
groupBy: "$year",
buckets: 4
}
}
]
}
}
])MongoTemplate中实现的Java代码
注：以下代码的实现，数据来源参考上边的官方示例的数据， artwork表。 请自行插入数据。
1. 使用Aggregation对象实现
/**
* @Author zaoyu
* Aggregation 实现$facet
*/
@Test
public void testFacetAggregations(){
String ARTWORK_COLLECTION = "artwork";
// Facet中第一组分类（categorizedByTags）的两个聚合操作unwind 和 sortByCount
UnwindOperation unwindForByTags = Aggregation.unwind("$tags");
SortByCountOperation sortByCountForByTags = Aggregation.sortByCount("$tags");
// Facet中第二组分类（categorizedByPrice）的聚合操作match 和 match
MatchOperation matchForByPrice = Aggregation.match(Criteria.where("price").exists(true));
// 分别传入bucket分组的字段price，设置区间值，并设置桶内条数统计和值（这里用titles接收title的值）
BucketOperation bucketForByPrice = Aggregation.bucket("$price")
.withBoundaries(0, 150, 200, 300, 400)
.withDefaultBucket("Other")
.andOutput("count").sum(1).as("count")
.andOutput("$title").push().as("titles");
// Facet中第三组分类 （categorizedByYears(Auto)）的聚合操作，按年自动分成4个区间。
BucketAutoOperation bucketForByYears = Aggregation.bucketAuto("$year", 4);
// Aggregation调用facet方法，按照组别分类顺序，把每一组的聚合操作和输出的名称传进去。
FacetOperation facetOperation = Aggregation.facet(unwindForByTags, sortByCountForByTags).as("categorizedByTags")
.and(matchForByPrice, bucketForByPrice).as("categorizedByPrice")
.and(bucketForByYears).as("categorizedByYears(Auto)");
// 把facetOperation传入newAggregation得到Aggregation对象，调用mongoTemplate的Aggregate方法执行得到结果
Aggregation aggregation = Aggregation.newAggregation(facetOperation);
AggregationResults<Document> resultList = mongoTemplate.aggregate(aggregation, ARTWORK_COLLECTION, Document.class);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}2. 使用Aggregates实现
/**
* @Author zaoyu
* Aggregates 实现$facet
*/
@Test
public void testFacetAggregates() {
String ARTWORK_COLLECTION = "artwork";
// Facet中第一组分类（categorizedByTags）的两个聚合操作unwind 和 sortByCount
Bson unwindBsonForByTags = Aggregates.unwind("$tags");
Bson sortByCountBsonForByTags = Aggregates.sortByCount("$tags");
// 新建Facet对象，传入第一组分类的接收名称，以及在第一组分类中要做的聚合操作。
Facet categorizedByTags = new Facet("categorizedByTags", unwindBsonForByTags, sortByCountBsonForByTags);
// Facet中第二组分类（categorizedByPrice）的聚合操作match 和 match
Bson matchBsonForPrice = Aggregates.match(Filters.exists("price"));
// 这里面要新建BsonField构建 {"count": { $sum: 1 } 和 "titles": { $push: "$title" }} 作为第二组分类中$Bucket聚合操作中output值
BsonField countOutput = new BsonField("count", new Document("$sum", 1));
BsonField titleOutput = new BsonField("titles", new Document("$push", "$price"));
// 上面2个操作传入到BucketOption对象，最后传到bucket操作
BucketOptions bucketOptions = new BucketOptions().defaultBucket("Other").output(countOutput).output(titleOutput);
Bson bucketBsonForByPrice = Aggregates.bucket("$price", Arrays.asList(0, 150, 200, 300, 400), bucketOptions);
Facet categorizedByPrice = new Facet("categorizedByPrice", matchBsonForPrice, bucketBsonForByPrice);
// Facet中第三组分类 （categorizedByYears(Auto)）的聚合操作，按年自动分成4个区间。
Bson bucketAutoBsonForByYears = Aggregates.bucketAuto("$year", 4);
Facet categorizedByYears = new Facet("categorizedByYears", bucketAutoBsonForByYears);
// 新建一个List<Facet>把每组分类的Facet对象传进去。
List<Facet> facetList = new ArrayList<>();
facetList.add(categorizedByTags);
facetList.add(categorizedByPrice);
facetList.add(categorizedByYears);
// 调用Aggregates的facet方法，传入List<Facet>得到最终Bson对象，并添加到Bson集合中。
Bson facetBson = Aggregates.facet(facetList);
List<Bson> bsonList = new ArrayList<>();
bsonList.add(facetBson);
// 调用方法执行得到结果
MongoCollection<Document> collection = mongoTemplate.getCollection(ARTWORK_COLLECTION);
AggregateIterable<Document> resultList = collection.aggregate(bsonList);
for (Document document : resultList) {
System.out.println("result is :" + document);
}
}
最终返回结果， 二者一样。
result is :Document{{categorizedByTags=[Document{{_id=painting, count=6}}, Document{{_id=oil, count=4}},
Document{{_id=Expressionism, count=3}}, Document{{_id=Surrealism, count=2}},
Document{{_id=abstract, count=2}}, Document{{_id=woodblock, count=1}},
Document{{_id=ukiyo-e, count=1}}, Document{{_id=satire, count=1}},
Document{{_id=caricature, count=1}}, Document{{_id=woodcut, count=1}}
],
categorizedByPrice=[Document{{_id=0, titles=[76.04, 118.42]}},
Document{{_id=150, titles=[199.99, 167.30]}},
Document{{_id=200, titles=[280.00]}},
Document{{_id=300, titles=[385.00]}},
Document{{_id=Other, titles=[483.00]}}],
categorizedByYears=[Document{{_id=Document{{min=null, max=1902.0}}, count=2}},
Document{{_id=Document{{min=1902.0, max=1918.0}}, count=2}},
Document{{_id=Document{{min=1918.0, max=1926.0}}, count=2}},
Document{{_id=Document{{min=1926.0, max=1931.0}}, count=2}}]
}}
// 为方便好看，稍微调了下格式。小结
整体来说，MonogoDB官方提供了很详细的资料，但对于Java 层面的操作，或者说SpringBoot层面的操作，文档就比较简单。
个人感觉而言，Aggregations提供的方法比较直接，更适合不太熟悉Springboot上操作Mongo的同学来使用，而Aggregates会更加灵活，但是需要你知道Document, BsonField, Bson之间的转换和获取。
有错漏之处，欢迎指正。
希望这篇文章能帮到你，如果有帮助到你，欢迎点赞评论关注打赏~~
464
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
