浅析mongodb的group分组统计

group做的聚合有些复杂。先选定分组所依据的键，此后MongoDB就会将集合依据选定键值的不同分成若干组。然后可以通过聚合每一组内的文档，产生一个结果文档。
和数据库一样group常常用于统计。MongoDB的group还有很多限制，如：返回结果集不能超过16M， group操作不会处理超过10000个唯一键，好像还不能利用索引[不很确定]。

Group大约需要一下几个参数。

 1.key：用来分组文档的字段。和keyf两者必须有一个
 2.keyf：可以接受一个javascript函数。用来动态的确定分组文档的字段。和key两者必须有一个
 3.initial：reduce中使用变量的初始化
 4.reduce：执行的reduce函数。函数需要返回值。
 5.cond：执行过滤的条件。
 6.finallize：在reduce执行完成，结果集返回之前对结果集最终执行的函数。可选的。
下面介绍一个实例：
先插入测试数据：

?

1 2 3 4

for (var i=1; i<20; i++){ var num=i%6; db. test .insert({_id:i,name: "user_" +i,age:num}); }

1.普通分组查询

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

db. test .group({              key:{age: true },              initial:{num:0},              $reduce: function (doc,prev){                 prev.num++              }             });   db.runCommand({group: { ns: "test" , key:{age: true }, initial:{num:0}, $reduce: function (doc,prev) { prev.num++ } } });

2.筛选后再分组

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

db. test .group({ key:{age: true }, initial:{num:0}, $reduce: function (doc,prev) { prev.num++ }, condition:{age:{$gt:2}} });   db.runCommand({group: { ns: "test" , key:{age: true }, initial:{num:0}, $reduce: function (doc,prev) { prev.num++}, condition:{age:{$gt:2}} } });

3、普通的$where查询：

?

1 2 3 4

db. test . find ({$where: function (){ return this.age>2; } });

group联合$where查询

?

1 2 3 4 5 6 7 8 9 10 11

db. test .group({ key:{age: true }, initial:{num:0}, $reduce: function (doc,prev){ prev.num++ }, condition:{$where: function (){ return this.age>2; } } });

4、使用函数返回值分组

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

// 注意，$keyf指定的函数一定要返回一个对象 db. test .group({ $keyf: function (doc){ return {age:doc.age};}, initial:{num:0}, $reduce: function (doc,prev){ prev.num++ } });   db.runCommand({group: { ns: "test" , $keyf: function (doc){ return {age:doc.age};}, initial:{num:0}, $reduce: function (doc,prev){ prev.num++} } });

5.使用终结器

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

db. test .group({ $keyf: function (doc){ return {age:doc.age};}, initial:{num:0}, $reduce: function (doc,prev){ prev.num++ }, finalize: function (doc){ doc.count=doc.num;delete doc.num; } });   db.runCommand({group: { ns: "test" , $keyf: function (doc){ return {age:doc.age};}, initial:{num:0}, $reduce: function (doc,prev){ prev.num++}, finalize: function (doc){ doc.count=doc.num;delete doc.num; } } });

有关MapReduce

?

1 2 3 4 5 6 7 8 9 10 11 12 13

// 首先插入测试数据 for (var i=1;i<21;i++) { db. test .insert({_id:i,name: 'mm' +i}); } // 进行mapreduce db.runCommand( { mapreduce: 'test' , map: function (){emit(this.name.substr(0,3),this);}, reduce: function (key,vals){ return vals[0];}, // 注意：vals是一个Object对象而不是数组 out: 'wq' });

注意：

1.mapreduce是根据map函数里调用的emit函数的第一个参数来进行分组的
2.仅当根据分组键分组后一个键匹配多个文档，才会将key和文档集合交由reduce函数处理。例如：

?

1 2 3 4 5 6 7

db.runCommand( { mapreduce: 'test' , map: function (){emit(this.name.substr(0,3),this);}, reduce: function (key,vals){ return 'wq' ;}, out: 'wq' });

执行mapreduce命令后，再查看wq表数据：

?

1 2 3 4 5 6 7 8 9 10 11

db.wq. find ()   { "_id" : "mm1" , "value" : "wq" } { "_id" : "mm2" , "value" : "wq" } { "_id" : "mm3" , "value" : { "_id" : 3, "name" : "mm3" } } { "_id" : "mm4" , "value" : { "_id" : 4, "name" : "mm4" } } { "_id" : "mm5" , "value" : { "_id" : 5, "name" : "mm5" } } { "_id" : "mm6" , "value" : { "_id" : 6, "name" : "mm6" } } { "_id" : "mm7" , "value" : { "_id" : 7, "name" : "mm7" } } { "_id" : "mm8" , "value" : { "_id" : 8, "name" : "mm8" } } { "_id" : "mm9" , "value" : { "_id" : 9, "name" : "mm9" } }

以上所述就是本文的全部内容了，希望大家能够喜欢。