|
我们先来看几个简单的聚合命令：
1.count
> db.foo.count()
4
> db.foo.find({_id:{$gte:2}})
{ "_id" : 2,"x" : 2 }
{ "_id" : 3,"x" : 3 }
> db.foo.find({_id:{$gte:2}}).count()
2
> db.foo.count({_id:{$gte:2}})
2
>
这个命令很简单，但我们往往会忽略 最后一种用法，其实count() 函数里面也可以加条件的。
类似于sql 的： select count(*) from table_name;
2.distinct
> db.order_detail.find()
{ "_id" : 1,"cust_id" : 1,"order_id" : 1,"prod_id" : 1 }
{ "_id" : 2,"prod_id" : 2 }
{ "_id" : 3,"cust_id" : 2,"order_id" : 2,"prod_id" : 2 }
{ "_id" : 4,"cust_id" : 3,"prod_id" : 1 }
{ "_id" : 5,"order_id" : 3,"prod_id" : 3 }
示例数据如上。如果我们要查询 有多少种prod_id
db.runCommand({distinct:"order_detail",key:"prod_id"})
{"values" : [1,2,3],"stats" : {
"n" : 5,"nscanned" : 5,"nscannedObjects" : 5,"timems" : 0,"cursor" : "BasicCursor"
},"ok" : 1
}
功能类似于sql : select distinct prod_id from table_name
3.GROUP
我们再来先看示例：
> db.runCommand({group:{ "ns":"order_detail",... key:{cust_id:true},... initial:{"qty":0},... "$reduce":function(doc,prev){
... prev.qty +=1; }
... } } )
{"retval" : [ {"cust_id" : 1,"qty" : 2},{"cust_id" : 2,"qty" : 1},{"cust_id" : 3,"qty" : 2}
],"count" : 5,"keys" : 3,"ok" : 1
}
关键词说明：
ns: 要分组的集合
Key :分组依据的键
Initial:初始化
Reduce: reduce 函数
sort: 排序依据；
使用GROUP 可以求：
Count 计数；
SUM 和
AVG 平均值
MAX 最大值
MIN 最小值
FIRST 第一个值
LAST 最后一个值
如果指定了排序键值，那么使用 $first / $last 性能会比 MAX/ MIN 好。但在使用$FIRST/$ LAST 时，$sort 放在$FIRST/$ LAST 前面
以下是一个书上的例子：
按日期分组，列出每天最后交易时间及价格
> db.runCommand({"group" : {
... "ns" : "stocks",... "key" : "day",... "initial" : {"time" : 0},... "$reduce" : function(doc,prev) {
... if (doc.time > prev.time) {
... prev.price = doc.price;
... prev.time = doc.time;
... }
... }}})
db.scores.aggregate(
... {
... "$sort" : {"score" : 1}
... },... {
... "$group" : {
... "_id" : "$grade",... "lowestScore" : {"$first" : "$score"},... "highestScore" : {"$last" : "$score"}
... }
... })
当然，在group 中，你也可以使用 $LIMIT,$SKIP ，同时也可以添加条件进行汇总查询。
$condition 添加查询条件
> db.order_detail.find()
{ "_id" : 1,"order_dt" : ISODate("2014-04-30T16:00:00Z"),"order_dt" : ISODate("2014-08-11T05:45:50.584Z"),"prod_id" : 3 }
> db.runCommand({group:{ "ns":"order_detail",prev){
... prev.qty +=1; },... condition:{order_dt:{$gt:new Date('2014,08,01')}}
... } } )
{"retval" : [{"cust_id" : 1,"qty" : 2}
],"count" : 4,"ok" : 1
}
>
Condition 也可以简写成 cond,或：query ，q
4.Aggregate()
还是先看示例：
> db.order_detail.aggregate( {$group:{_id:"$cust_id",count:{$sum:1}}} )
{"result" : [{"_id" : 3,"count" : 2},{"_id" : 2,"count" : 1},{"_id" : 1,"count" : 2}
],"ok" : 1
}
>
aggregate() 聚合函数功能就强大了：
关键词如下：
{$project:{“author”:1}} 指定要显示的字段名称
{$match:{“state”:”OR”}} 指定查询的条件
{$group:{_id:”$day”}} 指定分组的字段
{$sort:{count:-1}} 指定排序
{$limit:5} 指定返回的数量 ，当然也可以使用 $skip
{unwind:”$comments”} 指定拆分的字段 （独立使用）
4.1 这里主要来讲讲 $project ：
在sql 中，我们有 substr(col1,1,10),to_str(create_dt,'yyyy'),此类的功能，只取字段的某一部分。在MONGODB 中，我们也可以实现。
这就是我们这里要讲的。
a. 指定某些字段要显示： {$project:{"userId":"$_id","_id":0}}
b.字符串处理：
"$substr":{$substr:[col1,10]},类似于 substring(col1,10)
“$concat”:{"$concat":[col1,col2]},类似于 col1+col2
"$toLower":{"$toLower:col1"},类似于 lower(col1)
"$toUpper":{"$toLower:col1"}
b.日期处理：
"$year","$month”,"$week","$dayOfMonth","$dayOfweek","$dayOfYear","$hour","$minuse","$second",使用这些函数，可以返回你所需要的一个日期字段的部分值。
c.数字计算：
“$add” +,"subtract" -,'$multiply' *,'$divide' /,"$mod" 取余。这些计算操作符，可以把多个字段的计算后返回。
d.逻辑表达式：
还可以进行逻辑处理，返回一个新的字段值：
“$cmp”: [expr1,expr2]
expr1=expr2: 0;
expr1<expr2: 负数;
expr1>expr2: 正数;
“$strcasecmp”:[str1,str2]
区分str1,str2 大小
"$and":[expr1,expr2]
所有条件为true,返回 true,否则false;
"$or":[expr1,expr2]
只要有一条件为true,否则false;
"$not"：expr1
取反
"$cond"：[booleanExpr: trueExpr,falseExpr]
如果 booleanExpr=true,返回trueExpr,否则返回 falseExpr
"$ifNull":[expr,replacementExpr] 类似于： oracle: nvl()
4.2 多重分组
先看一个官方的示例：
db.zipcodes.aggregate( [
{ $group : { _id : { state : "$state",city : "$city" },pop : { $sum : "$pop" } } },{ $group : { _id : "$_id.state",avgCityPop : { $avg : "$pop" } } }
] )
在aggregate 中，可以使用多重组合。也就是使用前一个分组后的数据，再进行一次分组。
比如下面的sql:
select ip.city,count(distince user_cookie) from website_open_log
group by ip.city
我要统计网站的登录用户的分布。但汇总的数据为有多人人，而不是有多少次。同一个用户可能有多次访问。
下面的代码中，我使用了两种方法，统计结果稍有些不同，但在这里很能说明问题
db.website_open_log.aggregate(
{$match:{company_id:1}},{$group:{_id:"$cookie",ip:{$first:"$ip.province"}
}
},{$group:{_id:"$ip",qty:{$sum:1}
}
},{$sort:{qty:-1}},{$limit:10}
)
> db.website_open_log.aggregate({$match:{company_id:1}},... {$group:{_id:{"cookie":"$cookie","province":"$ip.province"},... qty:{$sum:1}
... }
... },... {$group:{_id:"$_id.province",... qty1:{$sum:1}
... }
... },... {$sort:{qty1:-1}}
... );
（编辑：李大同）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
