[Mongodb 5.0]聚合操作

 本文对应Aggregation Operations — MongoDB Manual

 

 正文

此章节主要介绍了Aggregation Pipeline，其实就是将若干个聚合操作放在管道中进行执行，每一个聚合操作的结果作为下一个聚合操作的输入，每个聚合指令被称为一个stage。

在正式开始学习聚合操作前，请先按照下面的方式在你的mongodb中创建数据可和插入记录：

首先通过创建数据库和表，我这里为了方便直接使用可视化工具Robo3T(官网推荐)来进行操作

 然后直接通过下面指令添加记录

db.orders.insertMany( [
   { _id: 0, name: "Pepperoni", size: "small", price: 19,
     quantity: 10, date: ISODate( "2021-03-13T08:14:30Z" ) },
   { _id: 1, name: "Pepperoni", size: "medium", price: 20,
     quantity: 20, date : ISODate( "2021-03-13T09:13:24Z" ) },
   { _id: 2, name: "Pepperoni", size: "large", price: 21,
     quantity: 30, date : ISODate( "2021-03-17T09:22:12Z" ) },
   { _id: 3, name: "Cheese", size: "small", price: 12,
     quantity: 15, date : ISODate( "2021-03-13T11:21:39.736Z" ) },
   { _id: 4, name: "Cheese", size: "medium", price: 13,
     quantity:50, date : ISODate( "2022-01-12T21:23:13.331Z" ) },
   { _id: 5, name: "Cheese", size: "large", price: 14,
     quantity: 10, date : ISODate( "2022-01-12T05:08:13Z" ) },
   { _id: 6, name: "Vegan", size: "small", price: 17,
     quantity: 10, date : ISODate( "2021-01-13T05:08:13Z" ) },
   { _id: 7, name: "Vegan", size: "medium", price: 18,
     quantity: 10, date : ISODate( "2021-01-13T05:10:13Z" ) }
] )

上面插入的数据，用Robo3T的表格形式显示一下如下：

 

现在有了数据后，我们开始正式学习聚合操作相关的指令

 运行聚合操作，使用的命令为

 db.collection.aggregate() 

下面开始学习聚合相关的指令

• $match
  $match相当于sql中的where条件，来看例子：
  例子：将表中，size字段为medium的记录查询出来

  db.orders.aggregate( [
     {
        $match: { size: "medium" }
     }
  ] )

          

• $group 
  $group就是分组的意思，看例子
  例子：查找size为medium，并且对其进行分组显示

  db.orders.aggregate( [
     // Stage 1: Filter pizza order documents by pizza size
     {
        $match: { size: "medium" }
     },
     // Stage 2: Group remaining documents by pizza name and calculate total quantity
     {
        $group: { _id: "$name", totalQuantity: { $sum: "$quantity" } }
     }
  ] )

  

   在这个例子中我们就会看到聚合操作中所谓的pipeline的用法，例子中我们用了$match和$group两个指令，他们的执行是分为2个阶段(stage)，第一个阶段通过$match来进行数据的过滤，将满足的数据作为$group指令的输入，$group指令将$match的结果进行分组。后面的例子中全都是这种pipeline方式的聚合操作。

• $project
  $project用来指定只输出哪些字段，看例子
  例子：查询name字段为Pepperoni的记录，并且只显示_id和name两个字段

  db.orders.aggregate( [
     { $match: { name: "Pepperoni"} },
     { $project: { _id: 1, name: 1} }
   ] )

  
  通过$project我们指定结果中只显示_id和name字段，注意的是，在$match这个阶段输出的结果中包含了所有的字段，而只有在$project这个阶段，才将所以字段中的_id和name两个字段拿出来显示。

• $sort
  $sort就是就它上面阶段输出的内容进行排序的作用，看例子
  例子：查询name字段为Pepperoni的记录按照_id进行排序，并且只显示_id和name两个字段.

  db.orders.aggregate( [
     // Stage 1: Filter pizza order documents by date range
     { 
         $match: { name: "Pepperoni"} 
     },
     { 
         $project: { _id: 1, name: 1}
      },
      {
          $sort:{_id:-1} // -1:倒序 | 1:正序
      }
   ] )

  

关于更多的aggregate Pipeline的的指令这里就全部列出来了，大家可以到官网中查询剩余的其他指令，下面讲一下关于使用aggregate pipeline的一些限制

1. 在使用aggregate命令执行聚合操作是，对于发挥结果是由限制的，也就是你返回的json内容大小不能超过16 megabyte(16MB)
2. 上面介绍的这些例如$project,$sort这些用在pipeline中的指令不能超过1000个(每个指令被称为一个阶段stage）阶段
3. 当查询结果大于16MB时，会默认使用磁盘来存储结果，可以通过 { allowDiskUse: false }来禁用这个写入磁盘的操作。

Aggregation Pipeline and Sharded Collections

 就是当我们的mongdb是在分片模式下，如何使用聚合操作