谈MongoDB伟大的聚合管道（Aggregation Pipeline）

MongoDB聚合管道

使用聚合管道可以对集合中的文档进行变换和组合。 管道是由一个个功能节点组成的，这些节点用管道操作符来进行表示。聚合管道以一个集合中的所有文档作为开始，然后这些文档从一个操作节点流向下一个节点 ，每个操作节点对文档做相应的操作。这些操作可能会创建新的文档或者过滤掉一些不符合条件的文档，在管道中可以对文档进行重复操作。 管道表达式只可以操作当前管道中的文档，不能访问其他的文档：表达式操作可以在内存中完成对文档的转换。

语法格式：

db.runCommand({
           

aggregate: "<collection>",
           

pipeline: [ <stage>, <...> ],
           

explain: <boolean>,
           

allowDiskUse: <boolean>,
           

cursor: <document>,
           

bypassDocumentValidation: <boolean>
           

})
           

//或
					           

db.collection.aggregate([ <pipeline>, <...> ], options)
           

参数说明：

操作符	描述
aggregate	要聚合的集合名称
pipeline	管道操作符
explain	返回指定aggregate各个阶段管道的执行计划信息
allowDiskUse	每个阶段管道限制为100MB的内存，如果大于100MB的数据可以先写入临时文件。设置为true时，aggregate操作可时可以先将数据写入对应数据目录的子目录中 的唯一并以_tmp结尾的文档中。
cursor	指定游标的初始批批大小。光标的字段的值是一个与场batchSize文件。 }
bypassDocumentValidation	只有当你指定了$out操作符，使db.collection.aggregate绕过文档验证操作过程中。这让您插入不符合验证要求的文档。

管道操作符：

$project	数据投影，主要用于重命名、增加和删除字段
$match	过滤操作，筛选符合条件文档，作为下一阶段的输入 $match的语法和查询表达式db.collection.find() 的语法相同 注意：1. 不能在$match操作符中使用$where 表达式操作符。 2. $match尽量出现在管道的前面，这样可以提早过滤文档，加快聚合速度。 3. 如果$match出现在最前面的话，可以使用索引来加快查询。
$limit	限制经过管道的文档数量 $limit的参数只能是一个正整数
$skip	从待操作集合开始的位置跳过文档的数目 $skip参数也只能为一个正整数
$unwind	将数组分解为单个的元素，并与文档的其余部分一同返回 注意：1.如果$unwind目标字段不存在，则整个文档都会被忽略过滤掉 2.如果$unwind目标字段不是一个数组，则会报错 3.如果$unwind目标字段数组为空，则该文档也会被忽略过滤掉
$group	可以将文档依据指定字段的不同值进行分组，如果选定了需要进行分组的字段，就可以将指定的字段传递给$group函数的_id字段注意：1.$group的输出是无序的。 2.$group操作默认实在内存中进行的，超过此限制会报错，若要允许处理大型数据集，allowDiskUse 将选项设置为启用 $group 操作真实写入临时文件。具体请参考 官方文档
$sort	对文档按照指定字段排序 注意：1.如果将$sort放到管道前面的话可以利用索引，提高效率 2.在管道中如果$sort出现在$limit之前的话，$sort只会对前$limit个文档进行操作，这样在内存中也只会保留前$limit个文档，从而可以极大的节省内存 3.$sort操作符默认在内存中进行，，超过此限制会报错，若要允许处理大型数据集，allowDiskUse 将选项设置为启用 $group 操作真实写入临时文件。具体请参考
$geoNear	会返回一些坐标值，这些值以按照距离指定点距离由近到远进行排序
$sample	从待操作的集合中随机返回指定数量的文档 注意：如果指定的数量 N 大于等于集合文档总数的5%，$sample 执行集合扫描，执行排序，然后选择前 N 的文档(受排序的内存限制) 如果 N 是小于 5%的集合中的文档总数 如果使用 WiredTiger 存储引擎，$sample 使用伪随机游标在抽样 N 文档集合。 如果使用 MMAPv1 存储引擎，$sample 使用 _id 索引随机选择 N 个文档。
$lookup	用于与统一数据库中其他集合之间进行join操作
$out	用户将聚合的结果输出到指定的集合，如果要使用$out则必须在整个管道操作的最后阶段 如果指定的集合尚不存在，$out 操作会在当前数据库中创建一个新的集合。集合不是可见的直到聚合完成。如果聚合失败，MongoDB 不会创建集合。 如果集合指定的 $out 操作已经存在，然后完成后的聚合，$out 阶段以原子方式以新的结果集合替换现有集合的，$out 操作不会更改任何存在于以前的集合的索引。如果聚合失败$out 则不会对现有集合做任何更改。
$redact	字段所处的document结构的级别. $redact还有三个重要的参数： 1）$$DESCEND： 返回包含当前document级别的所有字段，并且会继续判字段包含内嵌文档，内嵌文档的字段也会去判断是否符合条件。 2）$$PRUNE：返回不包含当前文档或者内嵌文档级别的所有字段，不会继续检测此级别的其他字段，即使这些字段的内嵌文档持有相同的访问级别。 3）$$KEEP：返回包含当前文档或内嵌文档级别的所有字段，不再继续检测此级别的其他字段，即使这些字段的内嵌文档中持有不同的访问级别。

聚合管道操作实例

提取字段

db.order.aggregate({ $project: { cust_id: 1, price: 1 } });
           

db.order.aggregate({ $project: { items: 1, items: { sku: 1 } } });
           

重命名字段

db.order.aggregate({ $project: { "orderid": '$_id', _id: 0, "custid": '$cust_id' } });
           

db.order.aggregate({ $project: { items: { '_sku': '$sku', sku: 1 } } })
           

新建文档

db.order.aggregate({
           

$project: {
           

price: 1,
           

details: { price: '$items.price' }
           

}
           

});
           

注意：由于对字段进行重命名时，MongoDB并不会记录字段的历史名称，所以如果针对原来的字段创建过索引，那么聚合管道在进行排序时无法在下面的排序操作时使用索引， 应当尽量在修改字段名称之前使用排序

db.order.aggregate([{ $project: { "orderid": '$_id', _id: 0, "custid": '$cust_id' } }, { $sort: { custid: -1 } }])
           

//建议写法
					           

db.order.aggregate([{ $sort: { cust_id: -1 } }, { $project: { "orderid": '$_id', _id: 0, "custid": '$cust_id' } }])
           

{ $add: [ <expression1>, <expression2>, ... ] } 将多个数字或日期进行相加，只支持数字和时间格式，如果其中一个参数是日期，$add会将其他参数视为要添加到日期的毫秒

db.order.aggregate({
           

$project: {
           

"add": {
           

"$add": ["$price", 1]
           

}
           

}
           

})
           

{ $subtract: [ <expression1>, <expression2> ] } 接受两个表达式作为参数，使用第一个表达式减去第二个表达式作为结果

db.order.aggregate({
           

$project: {
           

"subtract": {
           

"$subtract": [{ "$add": ["$price", 12] }, 10]
           

}
           

}
           

})
           

{ $multiply: [ <expression1>, <expression2>, ... ] } 接受一个或多个表达式，并将它们相乘

db.order.aggregate({
           

$project: {
           

"multiply": { "$multiply": ["$price", 3] }
           

}
           

})
           

{ $divide: [ <expression1>, <expression2> ] } 接受两个表达式作为参数，使用第一个表达式除以第二个表达式的商作为结果

db.order.aggregate({
           

$project: {
           

"divide": { "$divide": ["$price", 3] }
           

}
           

})
           

更多数学表达式参考官方文档 https://docs.mongodb.com/manual/reference/operator/aggregation-arithmetic/

{ $cond: { if: <boolean-expression>, then: <true-case>, else: <false-case-> } } 或{ $cond: [ <boolean-expression>, <true-case>, <false-case> ] }如果boolean-expression为true则执行true-case否则执行false-case

db.order.aggregate({
           

$project: {
           

"price": {
           

"$cond": { if: { $gt: ["$price", 25] }, then: true, else: false }
           

}
           

}
           

});
           

//或
					           

db.order.aggregate({
           

$project: {
           

"price": {
           

"$cond": [{ $gt: ["$price", 25] }, true, false]
           

}
           

}
           

});
           

{ $ifNull: [ , ] } 如果expression 为 null 则返回replacement-expression-if-null 否则返回expression的值

db.order.aggregate({
           

$project: {
           

"total": {
           

"$ifNull": ["$total", 0]
           

}
           

}
           

})
           

{ $and: [ <expression1>, <expression2>, ... ] } 如果所有表达式都返回true，则结果为true，否则为false 除了布尔类型false，以下几种类型也为false，如：null,0,undefined ；其它值则为true，包括非0的值及数组

//Example                             Result
           

{ $and: [1, "green"] }              true
           

{ $and: [] }                        true
           

{ $and: [[null], [false], [0]] }    true
           

{ $and: [null, true] }              false
           

{ $and: [0, true] }                 false
           

{ $or: [ <expression1>, <expression2>, ... ] } 只要有任意表达式为true，则结果为true，否则为false 除了布尔类型false，以下几种类型也为false，如：null,0,undefined ；其它值则为true，包括非0的值及数组

//Example                            Result
           

{ $or: [ true, false ] }            true
           

{ $or: [ [ false ], false ] }       true
           

{ $or: [ null, 0, undefined ] }       false
           

{ $or: [] }                        false
           

{ $not: [ <expression> ] } 对expression取反 除了布尔类型false，以下几种类型也为false，如：null,0,undefined ；其它值则为true，包括非0的值及数组

//total不存在为false，取反结果则为true
           

db.order.aggregate({
           

$project: {
           

not: {
           

$not: "$total"
           

}
           

}
           

})
           

$match 过滤操作，筛选符合条件文档，作为下一阶段的输入 $match的语法和查询表达式db.collection.find() 的语法相同

db.order.aggregate([{ $match: { cust_id: "1" } }, {
           

$project: {
           

"total": {
           

"$ifNull": ["$total", 0]
           

}
           

}
           

}])
           

$out 用户将聚合的结果输出到指定的集合

db.order.aggregate([{ $match: { cust_id: "1" } }, {
           

$project: {
           

"total": {
           

"$ifNull": ["$total", 0]
           

}
           

}
           

},
           

{ $out: "testaggregate" }])
           

$unwind 将数组分解为单个的元素，并与文档的其余部分一同返回

db.order.aggregate({$unwind:"$items"})
           

$group 对数据进行分组 $group的时候必须要指定一个_id域，同时也可以包含一些算术类型的表达式操作符

db.order.aggregate([
           

{
           

$unwind: "$items"
           

},
           

{
           

$group: {
           

_id: "$cust_id",
           

qty: {
           

$sum: "$items.qty"
           

}
           

}
           

}
           

])
           

关系型数据库与MongoDB关于聚合的一些对比

关系型数据库	Mongodb
WHERE
GROUP BY
HAVING
SELECT
ORDER BY
LIMIT
SUM()	$sum
COUNT()
join