聚合攻略——MongoDB

聚合：主要用于简单的数据处理（平均值，求和等），并返回计算后的数据结果。

MongoDB提供了3种方式来执行聚合命令：聚合管道方法，通过aggregate语句实现；map-reduce方法和单一目标聚合方法(此次不讲)。

一、聚合管道方法（aggregate）

聚合管道方法，可以理解为合计流水线法，就是把集合里若干含数值型的文档记录，按其键对应的值进行各种分类统计。该方法支持分片集合操作。

聚合攻略——MongoDB

语法：db.Col.aggregate(
[ {$match:{< field>}}, //统计查找条件
{ $group:{ < field1> , < field2> }}
])
field1 为分类字段，field2为含各种统计操作符的数值型字段，
如 $ sum,$ min,$ max,$ push,$ addToSet,$ first,$last操作符。

一（1）管道命令之 $group

按照某个字段进行分组
$group是所有聚合命令中用的最多的一个命令，用来将集合中的文档分组，可用于统计结果。

db.shuju.aggregate([{$group:{_id:null,"总人数":{$sum:1},"平均年龄":{$avg:"$age"}}}])

{$sum:1}表示计算机数量 {$sum:"$age"} 表示计算机 age 总数，

同理 {$avg:"$age"}，表示age平均数，max，min 同样。

可以用$project 不显示内容

聚合攻略——MongoDB

一（2）管道命令之 $match

$match用于进行数据的过滤，是在能够在聚合操作中使用的命令，和find区别在于$match 操作可以把结果交给下一个管道处理。

查找年龄大于10岁的数据，按$sort升序排序

db.shuju.aggregate({$match:{age:{$gt:10}}},{$sort:{"age":1}})

聚合攻略——MongoDB

使用 $skip 跳过第一个文档，$limit 输出限制位3个

db.shuju.aggregate({$match:{age:{$gt:10}}},

{$sort:{"age":1}},{$skip:1},{$limit:3})

聚合攻略——MongoDB

例子 1：通过产品类型来进行分组，然后在统计卖出的数量

db.item.aggregate([{$group:{_id:"$pnumber",total:{$sum:"$quantity"}}}])

聚合攻略——MongoDB

二 map-reduce方法

Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。

MongoDB提供的Map-Reduce非常灵活，对于大规模数据分析也相当实用。

使用 MapReduce 要实现两个函数 Map 函数和 Reduce 函数,Map 函数调用 emit(key, value), 遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理。

>db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction},   //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

Map 函数必须调用 emit(key, value) 返回键值对。

参数说明:

map ：映射函数 (生成键值对序列,作为 reduce 函数参数)。
reduce 统计函数，reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。。
out 统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)。
query 一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合）
sort 和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制
limit 发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大）

以上面 例子1 为例通过产品类型来进行分组，然后在统计卖出的数量（两种方法）

var map1=function(){emit(this.pnumber,this.quantity)}
var reduce1 = function(key,values){return Array.sum(values)}
db.item.mapReduce(map1,reduce1,{out:"mymapreduce1"})
db.mymapreduce1.find()

db.item.mapReduce(
function(){emit(this.pnumber,this.quantity)},
function(key,values){return Array.sum(values)},
{ out:"item_total" }
)

聚合攻略——MongoDB

结果表明共有 8个符合条件的文档，在map函数中生成了 3个键值对文档，最后使用reduce函数将相同的键值分为 3 组。

result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。
timeMillis：执行花费的时间，毫秒为单位
input：满足条件被发送到map函数的文档个数
emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量
ouput：结果集合中的文档个数（count对调试非常有帮助）
ok：是否成功，成功为1
err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大

聚合攻略——MongoDB

一、聚合管道方法（aggregate）

一（1）管道命令之 $group

一（2）管道命令之 $match

二 map-reduce方法

相关推荐