MongoDB - 聚合查询
聚合管道
聚合框架是 MongoDB 中的一组分析工具，可以对一个或多个集合中的文档进行分析。
MongoDB 的聚合框架基于管道的概念：首先从集合中获取到输入，然后将输入的文档传递到一个或多个阶段，每个阶段都将之前阶段输出的内容作为输入，最终得到一个聚合结果作为输出。
上面的图是一个比较宽泛的管道流程图。这里展示一个 MongoDB 聚合语句映射到管道之后的情况：
在这里可以看得出，aggregate([{}, {}]) 是一个聚合语句，在函数的数组中，每一个对象都是一个阶段，$match应该就是一个筛选文档的阶段，$group 应该就是一个分组汇总的阶段。
管道阶段
使用聚合框架最重要的就是熟悉操作的语法，以及将这些语法构建成管道当中的阶段。
在 MongoDB 聚合框架中，每一个阶段都必须要规定一个特定的阶段运算符，这些阶段运算符表明了阶段的执行规则，可以到 官方文档 上查看更多、更详细的内容。
常见操作
最常见的操作应该是能与普通查询语句对应上的操作，如查询、投影、排序、跳过、限制等等。虽然这些在一个 find() 语句中就能实现。
最常使用的操作就是查询，也可以说是筛选、过滤，在聚合框架中使用 $match 来表明这是一个筛选文档的阶段。如下是其使用语法：
{ $match: { <query> } } |
第二个则是投影，这个阶段可以修改输入文档的结构，通常是重命名、增加、删除属性，也可以通过表达式创建计算结果以及嵌套文档。如下是其使用语法：
// <field>: <1 or true> | |
// <field>: <0 or false> | |
// <field>: <expression> | |
{ $project: { <specification(s)> } } | |
排序、跳过、限制都比较容易理解，实际上可以与 find() 结果的游标支持的函数做联系。如下是其使用语法：
// 排序 | |
{ $sort: { <field1>: <sort order>, <field2>: <sort order> ... } } | |
// 跳过 | |
{ $skip: <positive 64-bit integer> } | |
// 限制 | |
{ $limit: <positive 64-bit integer> } |
上述 5 个阶段是最常用的阶段，在使用时需要注重它们的效率，一般会使用这样的顺序去构建管道：
- 通过筛选语句过滤指定集合，得到符合要求的文档列表；
- 如果排序非常重要，这一个阶段需要在过滤文档之后；
- 如果需要做分页功能，应该是先执行跳过的阶段，然后再到限制的阶段；
- 最后，执行投影阶段（进入投影阶段的文档应该尽量少）。
更多操作 - 投影
投影阶段一个比较大的作用就是，限制下一步的文档字段数量，也就是删除属性，如下是使用方式：
// 不返回 _id 字段 | |
{ $project: { _id: 0 } } | |
// 不返回指定的 field 字段 | |
{ $project: { <field>: 0 } } |
删除属性是黑名单的功能，投影阶段也支持白名单的功能，即返回列表内的字段，如下是使用方式：
// 返回指定的 field 字段 | |
{ $project: { <field>: 1 } } |
前两个功能是比较好理解的，但投影阶段所能做的远不止如此，还有很多其他的功能（投影阶段支持大部分条件组），这里做个简单举例：
// 将 author 嵌套文档下 last 属性赋值给 lastName 属性 | |
{ $project: { lastName: "$author.last" } } | |
// 上述的功能里，对于嵌套文档和内嵌数组返回的结果是不一样的，数组会继承下来 | |
// 投影支持类似于三元运算的表达式 | |
{ $project: { lastName: { | |
$cond: { | |
if: { $eq: [ "", "$author.last" ] }, | |
then: "$$REMOVE", | |
else: "$author.last", | |
} | |
} } } |
更多操作 - 展开
在处理数组时，一个比较常见的操作是为数组中的每一个元素形成一个输出文档。
一个实际的例子就是，一件衣服在库存中有 S、M、L 三个尺寸，而这三个尺寸会存储在同一个数组字段当中，当我们聚合时想要将这一条文档展开成三个文档，一个尺寸对应一个文档。
// 原始文档 | |
{ | |
"clothesId": "123456", | |
"sizeList": ["S", "M", "L"] | |
} | |
// 展开后的文档 | |
{ | |
"clothesId": "123456", | |
"sizeList": "S" | |
} | |
{ | |
"clothesId": "123456", | |
"sizeList": "M" | |
} | |
{ | |
"clothesId": "123456", | |
"sizeList": "L" | |
} |
聚合过程中，展开阶段的语法是：
{ $unwind: <field path> } | |
// 上述衣服的例子中，可以用以下语句来展开 | |
{ $unwind: "$sizeList" } | |
更多操作 - 分组
分组是聚合管道中举足轻重的一个阶段，这里的分组可以看作是 SQL 的 GOURP BY 语句，其能为聚合功能带来非常大的可能性。
分组阶段使用了 $group 运算符，支持使用一个键或多个键将输入的文档进行分组，其语法如下：
{ | |
$group: { | |
// 分组的标识 | |
_id: <expression>, | |
<field1>: { <accumulator1> : <expression1> }, | |
... | |
} | |
} |
其中 _id 是必须的，可以简单指定分组的键，也可以使用条件组做处理后生成自定义键。
可选的 <field> 是分组后需要展示的键，并且可以指定条件组来决定它们的值是什么。
尤其是，MongoDB 提供了累加器可以实现复杂的功能，如求和、平均值、最大值、最小值等等。
这里有个对集合求和的例子，也是最简单的使用：
{ | |
$group: { | |
// 对类型进行分组 | |
_id: "type", | |
// 这里是求和，一个文档记作 1 个，即对同类型的文档进行计数 | |
count: { $sum: 1 }, | |
} | |
} |
更多操作 - 入库
顾名思义，入库需要作为管道中最后的阶段，将管道生成的文档写入集合中。
聚合框架提供了 $out 和 $merge 两个运算符标识入库阶段，其中 $merge 是在 4.2 版本中引入的。这两个操作符的语法如下：
// 指定数据库和集合，会直接覆盖 | |
{ $out: { db: "<output-db>", coll: "<output-collection>" } } | |
// 配置更加丰富 | |
{ $merge: { | |
// 指定数据库和集合 | |
into: <collection> -or- { db: <db>, coll: <collection> }, | |
// 确定唯一标识与集合中做匹配 | |
on: <identifier field> -or- [ <identifier field1>, ...], // Optional | |
// 设定变量 | |
let: <variables>, // Optional | |
// 如果标识存在时处理文档的方式 | |
whenMatched: <replace|keepExisting|merge|fail|pipeline>, // Optional | |
// 如果标识不存在时处理文档的方式 | |
whenNotMatched: <insert|discard|fail> // Optional | |
} } |
如果可以的话，建议使用 $merge 作为写入集合的首选方式，其功能更多。
当然，其真正的优势是，可以按照按需生成的物化视图（materialized view），在管道运行的阶段，输出到集合的内容会进行增量更新。
条件组累加器
在一些阶段操作中，MongoDB 支持使用累加器来增强聚合功能，这里说的累加器泛指求和、平均值、最大值、最小值等功能的操作符。
算术运算
这里的算术运算不是统称的四则运算，指的是与数学相关的运算，如平均值、求和等。
$avg 累加器用于计算平均值，通过是直接指定一个键名即可，使用 { $avg: "$keyName" } 这样的语法。
$sum 累加器用于计算指定键的和，也是直接指定一个键名即可，使用 { $sum: "$keyName" } 这样的语法。
最值运算
累加器支持的最值包括这些：最小值、最大值、最大的 n 个值。
最小值和最大值的理解都比较容易，使用也比较容易。最小值使用了 { $min: "$keyName" } 这样的语法，最大值使用了 { $max: "$keyName" } 这样的语法。
最大的 n 个值是在 5.2 版本新增的累加器，其作用是通过指定输入的键，得到这些键值中排序后最大的 n 个值，其语法如下：
{ | |
$maxN: { | |
// 指定键名 input: "$score" | |
input: <expression>, | |
// 指定数量 n: 3 | |
n: <expression> | |
} | |
} |
数组提取
这里的数组提取指的是提取数组中的某个元素，现在能支持到的就是提取出数组中的前 n 个元素、后 n 个元素。
在这里可以使用 $first、$firstN、$last、$lastN 这样的运算符，它们的语法分别如下：
{ $first: <expression> } | |
{ | |
$firstN: { | |
input: <expression>, | |
n: <expression> | |
} | |
} | |
{ $last: <expression> } | |
{ | |
$lastN: { | |
input: <expression>, | |
n: <expression> | |
} | |
} |
其他运算
除了上述的累加器，聚合框架还有非常多其他的累加器，这里简单列一下：
$accumulator: 返回自定义累加器函数的结果$addToSet: 返回一个无重复值的数组$bottom: 返回指定排序规则后最后 1 个元素$bottomN: 返回指定排序规则后最后 n 个元素$count: 返回文档的计数$mergeObjects: 返回合并多个对象之后的结果$push: 返回一个可以有重复值的数组$stdDevPop: 返回输入值的总体标准差$stdDevSamp: 返回输入值的样本标准差
这些累加器都有各自的用法，使用得当可实现非常强大的数据分析功能，完整的内容可以到 官方文档 上查看。