MongoDB（4）： 聚合框架

一、简介

MongoDB的聚合框架，主要用来对集合中的文档进行变换和组合，从而对数据进行分析以加以利用。

聚合框架的基本思路是：

 采用多个构件来创建一个管道，用于对一连串的文档进行处理。

这些构件包括：

 筛选(filtering)、投影(projecting)、分组(grouping)、排序(sorting)、限制(limiting)和跳过(skipping)。

使用聚合框架的方式：

 db.集合.aggregate（构件1，构件2…）

注意：由于聚合的结果要返回到客户端，因此聚合结果必须限制在16M以内，这是MongoDB支持的最大响应消息的大小。

二、使用例子

2.1、准备样例数据

for(var i=0;i<100;i++){
    for(var j=0;j<4;j++){
        db.scores.insert({"studentId":"s"+i,"course":"课程"+j,"score":Math.random()*100});
    }
}

2.2、找出考80分以上的课程门数最多的3个学生

步骤：

 1：找到所有考了80分以上的学生，不区分课程

> db.scores.aggregate({"$match":{"score":{$gte:80}}});

2：将每个学生的名字投影出来

> db.scores.aggregate({"$match":{"score":{$gte:80}}},{$project:{"studentId":1}});

3：对学生的名字排序，某个学生的名字出现一次，就给他加1

> db.scores.aggregate({"$match":{"score":{$gte:80}}},{$project:{"studentId":1}},{$group:{"_id":"$studentId","count":{$sum:1}}});

4：对结果集按照count进行降序排列

> db.scores.aggregate({"$match":{"score":{$gte:80}}},{$project:{"studentId":1}},{$group:{"_id":"$studentId","count":{$sum:1}}},{"$sort":{"count":-1}});

5：返回前面的3条数据

db.scores.aggregate({"$match":{"score":{$gte:80}}},{$project:{"studentId":1}},{$group:{"_id":"$studentId","count":{$sum:1}}},{"$sort":{"count":-1}},{"$limit":3});

三、管道操作符

每个操作符接受一系列的文档，对这些文档做相应的处理，然后把转换后的文档作为结果传递给下一个操作符。最后一个操作符会将结果返回。

不同的管道操作符，可以按照任意顺序，任意个数组合在一起使用。

3.1、筛选命令$match

用于对文档集合进行筛选，里面可以使用所有常规的查询操作符。通常会放置在管道最前面的位置，理由如下：

 1：快速将不需要的文档过滤，减少后续操作的数据量

 2：在投影和分组之前做筛选，查询可以使用索引

3.2、投影命令$project

用来从文档中提取字段，可以指定包含和排除字段，也可以重命名字段。比如要将studentId改为sid，如下：

db.scores.aggregate({"$project":{"sid":"$studentId"}})

管道操作符还可以使用表达式，以满足更复杂的需求。

管道操作符$project的数学表达式：

比如给成绩集体加20分，如下：

> db.scores.aggregate({"$project":{"studentId":1,"newScore":{$add:["$score",20]}}});

支持的操作符和相应语法：

 1：$add : [expr1[,expr2,…exprn]]

 2：$subtract:[expr1,expr2]

 3：$multiply:[expr1[,expr2,…exprn]]

 4：$divice:[expr1,expr2]

 5：$mod:[expr1,expr2]

管道操作符$project的日期表达式：

聚合框架包含了一些用于提取日期信息的表达式，如下：

$year、$month、$week、$dayOfMonth、$dayOfWeek、$dayOfYear、$hour、$minute、$second 。

注意：这些只能操作日期型的字段，不能操作数据，使用示例：

{"$project":{"opeDay":{"$dayOfMonth":"$recoredTime"}}}

管道操作符$project的字符串表达式：

1：$substr : [expr,开始位置,要取的字节个数]

2：$concat:[expr1[,expr2,…exprn]]

3：$toLower:expr

4：$toUpper:expr

例如：{"$project":{"sid":{$concat:["$studentId","cc"]}}}

管道操作符$project的逻辑表达式：

1：$cmp:[expr1,expr2] :比较两个表达式，0表示相等，正数前面的大，负数后面的大

2：$strcasecmp:[string1,string2] :比较两个字符串，区分大小写，只对由罗马字符组成的字符串有效

3：$eq、$ne、$gt、$gte、$lt、$lte ：[expr1,expr2]

4：$and、$or、$not

5：$cond:[booleanExpr,trueExpr,falseExpr]:如果boolean表达式为true，返回true表达式，否则返回false表达式

6：$ifNull:[expr,otherExpr]:如果expr为null，返回otherExpr，否则返回expr

例如：db.scores.aggregate({"$project":{"newScore":{$cmp:["$studentId","sss"]}}})

3.3、分组命令$group

用来将文档依据特定字段的不同值进行分组。选定了分组字段过后，就可以把这些字段传递给$group函数的“_id”字段了。例如：

 db.scores.aggregate({“$group”:{“_id”:“$studentId”}}); 

 或者是

 db.scores.aggregate({"$group":{"_id":{"sid":"$studentId","score":"$score"}}});

$group支持的操作符：

1：$sum:value ：对于每个文档，将value与计算结果相加

2：$avg:value ：返回每个分组的平均值

3：$max:expr ：返回分组内的最大值

4：$min:expr ：返回分组内的最小值

5：$first:expr ：返回分组的第一个值，忽略其他的值，一般只有排序后，明确知道数据顺序的时候，这个操作才有意义

6：$last:expr ：与上面一个相反，返回分组的最后一个值

7：$addToSet:expr ：如果当前数组中不包含expr，那就将它加入到数组中

8：$push:expr：把expr加入到数组中

3.4、拆分命令$unwind

用来把数组中的每个值拆分成为单独的文档。

3.5、排序命令$sort

可以根据任何字段进行排序，与普通查询中的语法相同。如果要对大量的文档进行排序，强烈建议在管道的第一个阶段进行排序，这时可以使用索引。

3.6、常见的聚合函数

1：count：用于返回集合中文档的数量

2：distinct：找出给定键的所有不同值，使用时必须指定集合和键，例如：

db.runCommand({"distinct":"users","key":"userId"});

四、MapReduce

在MongoDB的聚合框架中，还可以使用MapReduce，它非常强大和灵活，但具有一定的复杂性，专门用于实现一些复杂的聚合功能。

MongoDB中的MapReduce使用JavaScript来作为查询语言，因此能表达任意的逻辑，但是它运行非常慢，不应该用在实时的数据分析中。

4.1、MapReduce的HelloWorld

实现的功能，找出集合中所有的键，并统计每个键出现的次数。

1：Map函数使用emit函数来返回要处理的值，示例如下：

var map = function(){
    for(var key in this){
        emit(key,{count:1});
    }
}

this表示对当前文档的引用。

2：reduce函数需要处理Map阶段或者是前一个reduce的数据，因此reduce返回的文档必须要能作为reduce的第二个参数的一个元素，示例如下：

var reduce = function(key,emits){
    var total = 0;
    for(var i in emits){
        total += emits[i].count;
    }
    return {"count":total};
};

3：运行MapReduce，示例如下：

> var mr =db.runCommand({"mapreduce":"scores","map":map,"reduce":reduce,"out":"mrout"});

说明:scores是集合名，map是map函数，reduce是reduce函数，mrout是输出的变量名

4：查询最终的结果，示例如下：

db.mrout.find();

还可以改变一下，比如统计studentId中值，以及每个值出现的次数，就可以如下操作：

1：修改map函数，示例如下：

var map = function(){
    emit(this.studentId,{count:1});
};

2：reduce函数不用改

3：重新执行

db.runCommand({"mapreduce":"scores","map":map,"reduce":reduce,"out":"mrout"});

4：查看最终结果

db.mrout.find();

4.2、更多MapReduce可选的键

1：finalize:function ：可以将reduce的结果发送到finalize，这是整个处理的最后一步

2：keeptemp:boolean ：是否在连接关闭的时候，保存临时结果集合

3：query:document ：在发送给map前对文档进行过滤

4：sort:document ：在发送给map前对文档进行排序

5：limit:integer ：发往map函数的文档数量上限

6：scope:document ：可以在javascript中使用的变量

7：verbose:boolean ：是否记录详细的服务器日志

示例：

var query = {"studentId":{"$lt":"s2"}}
var sort = {"studentId":1};
var finalize = function(key,value){
    return {"mykey":key,"myV":value};
};
var mr =db.runCommand({"mapreduce":"scores","map":map,"reduce":reduce,"out":"mrout","query":query,"sort":sort,"limit":2,"finalize":finalize});

五、聚合命令group

用来对集合进行分组，分组过后，再对每一个分组内的文档进行聚合。

比如要对studentId进行分组，找到每个学生最高的分数，可以如下步骤进行：

db.runCommand({"group":{
    "ns":"scores",
    "key":{"studentId":1},
    "initial":{"score":0},
    "$reduce":function(doc,prev){
        if(doc.score > prev.score){
            prev.score = doc.score;
        }
    }
}});

ns：指定要分组的集合

key：指定分组的键

initial：每一组的reduce函数调用的时候，在开头的时候调用一次，以做初始化

$reduce：在每组中的每个文档上执行，系统会自动传入两个参数，doc是当前处理的文档，prev是本组前一次执行的结果文档

你还可以在group的时候添加条件，就是加入condition，示例如：

db.runCommand({"group":{
    "ns":"scores",
    "key":{"studentId":1},
    "initial":{"score":0},
    "$reduce":function(doc,prev){
        if(doc.score > prev.score){
            prev.score = doc.score;
        }
    }
    ,"condition":{"studentId":{$lt:"s2"}}
}});

同样可以使用finalizer来对reduce的结果进行最后的处理，比如要求每个学生的平均分，就可以先按照studentId分组，求出一个总的分数来，然后在finalizer里面，求平均分：

db.runCommand({"group":{
    "ns":"scores",
    "key":{"studentId":1},
    "initial":{"total":0},
    "$reduce":function(doc,prev){
        prev.total += doc.score;
    },
    "condition":{"studentId":{"$lt":"s2"}},
    "finalize":function(prev){
        prev.avg = prev.total/3;
    }
}});

注意：finalize是只在每组结果返回给用户前调用一次，也就是每组结果只调用一次

对于分组的key较为复杂的时候，还可以采用函数来做为键，比如让键不区分大小下，就可以如下定义：

db.runCommand({"group":{
    "ns":"scores",
    $keyf:function(doc){
        return {studentId:doc.studentId.toLowerCase()};
    },
    "initial":{"total":0},
    "$reduce":function(doc,prev){
        prev.total += doc.score;
    },
    "condition":{"$or":[{"studentId":{"$lt":"s2"}},{"studentId":"S0"}]},
    "finalize":function(prev){
        prev.avg = prev.total/3;
    }
}});

注意：要使用$keyf来定义函数作为键，另外一定要返回对象的格式