邮政编码数据的示例

进入MongoDB中文手册（4.2版本）目录

本文档中的示例使用zipcodes集合。该集合位于： media.mongodb.org/zips.json。使用mongo import将该数据集加载到您的mongod实例中。

1 数据模型

zipcodes集合中的每个文档都具有以下格式：

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

• _id字段将邮政编码保存为字符串。
• city字段保存城市名称。一个城市可以具有多个与之相关的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码。
• state字段保存州的两个字母缩写。
• pop字段保存人口数量。
• loc字段将位置保存为经度纬度对。

2 aggregate()方法

以下所有示例均在mongoShell中使用aggregate()方法。
aggregate()方法使用聚合管道将文档处理为聚合结果。一个聚合管道由阶段组成，有每个阶段在文件经过管道的时候处理文件。文件依次经过各个阶段。
mongo shell中的aggregate()方法为aggregate数据库命令提供了包装。有关用于数据聚合操作的详细的接口，请参见驱动程序的文档 。

3 返回人口超过1000万的州

以下聚合操作将返回总人口超过1000万的所有州：

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

在此示例中，聚合管道包括$group以及紧跟其后的$match阶段：

• $group阶段将zipcode集合按state字段分组文档，totalPop为每个周计算字段，并为每个唯一的州输出文档。
  新的每个州的文档有两个字段：_id字段和totalPop字段。该_id字段包含州的值，即按字段分组。该totalPop字段是包含每个州的总人口的计算字段。$group使用$sum运算符为每个州添加人口字段pop来计算totalPop字段的值。
  在$group阶段之后，管道中的文档类似于以下内容：

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

• $match阶段过滤这些分组的文档且仅输出totalPop值大于或等于1000万的那些文档。$match阶段不会更改匹配的文档，但会输出未修改的匹配文档。

此聚合操作的等效SQL为：

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

也可以看看

• $group，$match，$sum

4 返回各州城市平均人口数

以下聚合操作返回每个州的城市平均人口：

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

在这个例子中，聚集管道由$group阶段以及接着是的另一个$group阶段组成：

• 第一个$group阶段根据city和state的组合分组文档，使用$sum表达式来计算每个组合的人口，并且每个city和state组合输出一个文档。 ¹
  在管道中的此阶段之后，文档类似于以下内容：

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

• 第二个$group阶段按_id.state字段（即文档state内部的字段_id）对管道中的文档进行分组，使用$avg表达式计算每个州的平均城市人口avgCityPop，并每个州输出一个文档。

此聚合操作产生的文档类似于以下内容：

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

也可以看看

• $group，$sum，$avg

5 按州返回最大和最小城市

以下聚合操作将按人口返回每个州的最小和最大城市：

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" }
    }
  }
] )

在此示例中，聚合管道由一个$group阶段，一个$sort阶段，另一个$group阶段和一个$project阶段组成：

• 第一$group阶段通过city和state的组合分组文档，为每个组合计算spop值的总和，并且每个city和state组合输出一个文档。
  在管道的此阶段，文档类似于以下内容：

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

• $sort阶段根据pop字段值对管道中文件排序，从最小到最大; 即递增排序。此操作不会更改文档。
• 下一个$group阶段按_id.state字段（即文档state内部的字段 _id）对现有排序的文档进行分组，并为每个州输出一个文档。
  该阶段还将为每个州计算以下四个字段。使用$last表达式，$group运算符创建biggestCity和biggestPop字段，用于存储人口最多的城市和人口。使用$first表达式，$group运算符创建smallestCity和smallestPop字段，用于存储人口最少的城市和人口。
  在管道的此阶段，这些文档类似于以下内容：

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

• 最后的$project阶段重命名_id字段为state和移动biggestCity，biggestPop， smallestCity，和smallestPop分别成为biggestCity和smallestCity的嵌入文档。

此聚合操作的输出文档类似于以下内容：

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

进入MongoDB中文手册（4.2版本）目录

---

1. 一个城市可以具有多个与之相关的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码 ↩︎