五聚合

谈数据库呢，就一定要谈聚合啦。

聚合框架

用于对集合中的文档进行变换和组合。处理文档的东西叫做管道pipeline，管道由多个构件构成。构建包括了：filtering, projection, grouping, sorting, limiting, skipping。

假设有如此需求：

投影出所有作者
按照作者名称排序，统计每个作者名字出现次数
根据作者名字出现次数降序排列
返回结果限制为前五个

步骤为：

{'$project': {'author': 1}}
只投影出author字段。
{'$group: {'_id': '$author', 'count': {'sum': 1}}'}
大家都知道group是干嘛用的了，就是把所有文档浓缩成一份的意思。合并文档的根据在这里被规定为author，并为每个文档新增字段count，内容是同作者名的文档的出现次数。
{'$sort': {'count': -1}}
根据count进行降序排列。
{'$limit': 5}
只要前五个文档。

要构建一个管道，需要把各种构件条件传入aggregate()函数。

1 2	db.test.aggregate({'$project': {'author': 1}}, {'$group: {'_id': '$author', 'count': {'$sum': 1}}, {'$sort': {'count': -1}}, {'$limit': 5})

管道操作符

$match

相当于条件筛选，可以看作是find。

应尽可能地把match操作提前，减少后面的聚合工作量。

$project

投影。

默认的投影操作还会加入_id这个字段，如果不想要就把它设置为0。

1	db.test.aggregate({'$project': {'age': 1, '_id': 0}})

除了将想要返回的字段设置成1，还可以用别的方式进行改名，比如：

1	db.test.aggregate({'$project': {'userId': '$_id'}})

就是将_id映射为userId。

也可以映射数组中的第n个元素，只要{'$project': {'userId': '$fieldname.n'}}。

有个问题，在映射为别的名字之后，就无法使用原来能使用的索引了，所以要用sort，就别乱映射成别的名字。

映射的基础功能是筛选一些自己要的字段，但是之外还能使用各种表达式来做更高阶的操作。

数学表达式

举例用法：

db.test.aggregate(
    {
        'project': {
            'totalPay': {
                '$add' ['$salary', '$bonus']
            }
        }
    }
)

有加减乘除余5种算法：

$add
$subtract
$multiply
$divide
$mod

日期表达式

我们当然知道数据库中有一种数据类型叫做date。运用日期表达式，你可以从某个日期中提取出年日月等你所需要的信息。

db.test.aggregate(
    {
        '$project': {
            'theMonth': {'$month': '$theDate'}
        }
    }
)

除了单纯的投影操作之外，还能结合算术表达式计算时间跨度。

db.test.aggregate(
    {
        '$project': {
            'duration': {
                'substract': [
                    {'$year': new Date()},
                    {'$year': '$theDate'}
                ]
            }
        }
    }
)

字符表达式

$substr 对象是数组，数组里是参数，第一个参数是字符串来源，第二个是开始index，第三个是结束index
$concat
$toLower
$toUpper

db.test.aggregate(
    {
        '$project': {
            'email': {
                '$concat': [
                    {'$substr': ['$firstName', 0, 1]},
                    '.',
                    '$lastName',
                    '@example.com'
                ]
            }
        }
    }
)

逻辑表达式

$cmp
$strcasecmp
$and
$or
$not

都没啥说的，简单易懂，不懂是傻Ⅹ。注意参数都是用数组形式包起来的就好。

$cond[booleanExpr, trueExpr, falseExpr] 如果booleanExpr结果是真，就返回trueExpr，否则返回falseExpr

$group

分组。所谓分组，我尽量用人话描述一遍：

假设你要对属性x进行分组，在你的集合中x总共存在a、b、c三种情况。那么分组后返回给你的就是三个文档。文档的内容是什么呢？如果没有定义，那就是没有。但是如果比如定义了一个sum操作符，就可以累计所有同个x中的y字段的总和。

算术操作符

$sum
$avg

group操作的参数是一个dict，其中必定有一个字段叫做_id，字段值就是你的分组依据，若是上文那种情况，那就是x。

db.test.aggregate(
    {
        '$group': {
            '_id': '$x',
            'count': {'$sum': '$y'}, // 所有y字段的总和
        }
    }
)

极限操作符

~~在爆发的边缘试探。~~

$max
$min
$first
$last

假设求每个班里面分数最高的人。

db.test.aggregate(
    {
        '$group': {
            '_id': '$classNo',
            'bestStudent': {
                '$max': '$score'
            }
        }
    }
)

如果上面的group已经根据score排过序了，那么用first或者last的性能会更高一些（这不是废话）。

$unwind

那么这里的最大的问题就是，这个英语是啥意思？！说到wind就想起风，风是它的名词意思，它的动词意思是缠绕，可以想象一下一股龙卷风在缠绕。unwind就是接触缠绕的意思，在MongoDB中可以把数组中的每一个值拆分成为单独的文档。

暂时想不出有什么卵用，反正记得有这么一个拆分数组为多个独立文档的功能就好了。

$sort

这都不用说啦。

$limit

见前文。

$skip

见前文。

管道使用优化

如果需要排序，那就尽量在第一阶段排序，利用好索引，索引只能在原有的集合中使用。如果单一的聚合操作内存占用超过20%，直接报错。

MapReduce

非常灵活的聚合工具，缺点是慢，不应该在项目运行过程中跑。

没啥了解的欲望，$skip: 1。

聚合命令

count

1	db.test.count()

distinct

返回一个数组，内容是某个字段的所有不同结果（排除了相同的结果）。

假设集合名称test，要找出所有不同的age。

1	db.runCommand({'distinct': 'test', 'key': 'age'})

group

不想看。

五 聚合