java mongodb 聚合函数_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：

db.collection.aggregate(

{$match:{x:1},

{limit:10},

{$group:{_id:"$age"}}}

);

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：

{

"_id":"10280",//zipcode

"city":"NEW YORK",//城市

"state":"NY",//城市缩写

"pop":5574,//人口

"loc": [//经纬度

-74.016323,

40.710537

]

}

1、查出一个超过1千万人口的城市

db.zipcodes.aggregate(

{$group:{_id:"$state", totalPop:{$sum:"$pop"}},

{$match:{totalPop:{$gte:10000000}}}

);

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

db.zipcodes.aggregate( { $group :

{ _id : { state : "$state", city :"$city"},

pop : { $sum : "$pop"} } },

{ $group :

{ _id : "$_id.state",

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：

{

"_id": {

"state":"CO",

"city":"EDGEWATER"

},

"pop":13154

}

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：

{

"_id":"MN",

"avgCityPop":5335

},

3、查询每个州人口最大和最小的城市

db.zipcodes.aggregate(

{$group:{_id:{state:"$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

{$sort:{"totalPop":-1}},//对新文档，根据人口数倒序排序

{$group:{_id:"$_id.state",

"biggestCity":{$first:"$_id.city"},//最大人口的城市

"biggestPop":{$first:"totalPop"},//最大人口的数量

"smallestCity":{$last:"$_id.city"},

"smallestPop":{$last:"totalPop"}

}},//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

//本来结构到此基本上差不多了

//但我们需要再对数据进行格式化

{$project:

{_id:0,

state:"$_id",

biggestCity:{name:"$biggestCity",pop:"$biggestPop"},

smallestCity:{name:"$smallestCity",pop:"$smallestPop"}

}

}

);

数据结构，如下：

{

"state":"RI",

"biggestCity": {

"name":"CRANSTON",

"pop":176404

},

"smallestCity": {

"name":"CLAYVILLE",

"pop":45

}

}