一、聚合操作

聚合操作处理数据记录并返回计算结果。聚合操作组值来自多个文档，可以对分组数据执行各种操作以返回单个结果。聚合操作包含三类：单一作用聚合、聚合管道、MapReduce。

单一作用聚合：提供了对常见聚合过程的简单访问，操作都从单个集合聚合文档。

聚合管道是一个数据聚合的框架，模型基于数据处理流水线的概念。文档进入多级管道，将文档转换为聚合结果。

MapReduce操作具有两个阶段：处理每个文档并向每个输入文档发射一个或多个对象的map阶段，以及reduce组合map操作的输出阶段。

1、单一作用聚合

MongoDB提供 db.collection.estimatedDocumentCount(), db.collection.count(), db.collection.distinct() 这类单一作用的聚合函数。所有这些操作都聚合来自单个集合的

文档。虽然这些操作提供了对公共聚合过程的简单访问，但它们缺乏聚合管道和mapReduce的灵活性和功能。

db.collection.estimatedDocumentCou

nt()

返回集合或视图中所有文档的计数

db.collection.count()

返回与find()集合或视图的查询匹配的文档计数。等同于

db.collection.find(query).count()构造

db.collection.distinct()

在单个集合或视图中查找指定字段的不同值，并在数组中

返回结果。

#检索books集合中所有文档的计数
 db.books.estimatedDocumentCount()
#计算与查询匹配的所有文档
 db.books.count({favCount:{$gt:50}})
#返回不同type的数组
 db.books.distinct("type")
#返回收藏数大于90的文档不同type的数组
 db.books.distinct("type",{favCount:{$gt:90}})

注意：在分片群集上，如果存在孤立文档或正在进行块迁移，则db.collection.count()

没有查询谓词可能导致计数不准确。要避免这些情况，请在分片群集上使用

db.collection.aggregate()方法。

2、聚合管道

什么是 MongoDB 聚合框架

MongoDB 聚合框架（Aggregation Framework）是一个计算框架，它可以：作用在一个或几个集合上；对集合中的数据进行的一系列运算；将这些数据转化为期望的形式；

从效果而言，聚合框架相当于 SQL 查询中的GROUP BY、 LEFT OUTER JOIN 、 AS等。

管道（Pipeline）和阶段（ Stage） 整个聚合运算过程称为管道（Pipeline），它是由多个阶段（

Stage）组成的，每个管道：接受一系列文档（原始数据）；每个阶段对这些文档进行一系列运算；结果文档输出给下一个阶段；

聚合管道操作语法

pipeline = [$stage1, $stage2, ...$stageN];
db.collection.aggregate(pipeline, {options})

pipelines 一组数据聚合阶段。除$out、$Merge和$geonear阶段之外，每个阶段都可以在管道中出现多次。

options 可选，聚合操作的其他参数。包含：查询计划、是否使用临时文件、游标、最大操作时间、读写策略、强制索引等等

常用的管道聚合阶段

聚合管道包含非常丰富的聚合阶段，下面是最常用的聚合阶段

数据准备

准备数据集，执行脚本

var tags = ["nosql","mongodb","document","developer","popular"];
 var types = ["technology","sociality","travel","novel","literature"];
 var books=[];
 for(var i=0;i<50;i++){
 var typeIdx = Math.floor(Math.random()*types.length);
 var tagIdx = Math.floor(Math.random()*tags.length);
 var tagIdx2 = Math.floor(Math.random()*tags.length);
 var favCount = Math.floor(Math.random()*100);
 var username = "xx00"+Math.floor(Math.random()*10);
 var age = 20 + Math.floor(Math.random()*15);
 var book = {
 title: "book‐"+i,
 type: types[typeIdx],
 tag: [tags[tagIdx],tags[tagIdx2]],
 favCount: favCount,
 author: {name:username,age:age}
 };
 books.push(book)
 }
 db.books.insertMany(books);

$project

投影操作，将原始字段投影成指定名称，如将集合中的 title 投影成 name

db.books.aggregate([{$project:{name:"$title"}}])

$project 可以灵活控制输出文档的格式，也可以剔除不需要的字段

db.books.aggregate([{$project:{name:"$title",_id:0,type:1,author:1}}])

从嵌套文档中排除字段

db.books.aggregate([
 {$project:{name:"$title",_id:0,type:1,"author.name":1}}
])
 或者
db.books.aggregate([
 {$project:{name:"$title",_id:0,type:1,author:{name:1}}}
])

$match

$match用于对文档进行筛选，之后可以在得到的文档子集上做聚合，$match可以使

用除了地理空间之外的所有常规查询操作符，在实际应用中尽可能将$match放在管道的前

面位置。这样有两个好处：一是可以快速将不需要的文档过滤掉，以减少管道的工作量；二

是如果再投射和分组之前执行$match，查询可以使用索引。

db.books.aggregate([{$match:{type:"technology"}}])

筛选管道操作和其他管道操作配合时候时，尽量放到开始阶段，这样可以减少后续管道

操作符要操作的文档数，提升效率

db.books.aggregate([
 {$match:{type:"technology"}},
 {$project:{name:"$title",_id:0,type:1,author:{name:1}}}
 ])

$count

计数并返回与查询匹配的结果数

db.books.aggregate([
   {$match:{type:"technology"}},
   {$count: "type_count"}
 ])

$match阶段筛选出type匹配technology的文档，并传到下一阶段；

$count 阶段返回聚合管道中剩余文档的计数，并将该值分配给type_count

$group

按指定的表达式对文档进行分组，并将每个不同分组的文档输出到下一个阶段。输出文档包

含一个_id字段，该字段按键包含不同的组。

输出文档还可以包含计算字段，该字段保存由$group的_id字段分组的一些accumulator表

达式的值。 $group不会输出具体的文档而只是统计信息.

{ $group: { _id: <expression>, <field1>: { <accumulator1> : <expression1>
}, ... } }

1、_id字段是必填的;但是，可以指定_id值为null来为整个输入文档计算累计值。

2、剩余的计算字段是可选的，并使用<accumulator>运算符进行计算。

3、_id和<accumulator>表达式可以接受任何有效的表达式。

accumulator操作符

名称	描述	类比sql
$avg	计算均值	avg
$first	返回每组第一个文档，如果有排序，按照排序，如果没有按照默认的存储的顺序的第一个文档。	limit0,1
$last	返回每组最后一个文档，如果有排序，按照排序，如果没有按照默认的存储的顺序的最后个文档
$max	根据分组，获取集合中所有文档对应值得最大值	max
$min	根据分组，获取集合中所有文档对应值得最小值。	min
$pus	将指定的表达式的值添加到一个数组中
$addToSet	将表达式的值添加到一个集合中（无重复值，无序）
$sum	计算总和	sum
$stdDevPop	返回输入值的总体标准偏差（population standard deviation）
$stdDevSamp	返回输入值的样本标准偏差（the sample standard deviation）

$group阶段的内存限制为100M。默认情况下，如果stage超过此限制，$group将产生错

误。但是，要允许处理大型数据集，请将allowDiskUse选项设置为true以启用$group操作

以写入临时文件。

book的数量，收藏总数和平均值

db.books.aggregate([
 {$group:{_id:null,count:{$sum:1},pop:{$sum:"$favCount"},avg:{$avg:"$favCount"}}}
 ])

统计每个作者的book收藏总数

db.books.aggregate([
 {$group:{_id:"$author.name",pop:{$sum:"$favCount"}}}
 ])

统计每个作者的每本book的收藏数

db.books.aggregate([
 {$group:{_id:{name:"$author.name",title:"$title"},pop:{$sum:"$favCount"}}}
 ])

每个作者的book的type合集

db.books.aggregate([
  {$group:{_id:"$author.name",types:{$addToSet:"$type"}}}
])

$unwind

可以将数组拆分为单独的文档

{
 $unwind:
 {
 #要指定字段路径，在字段名称前加上$符并用引号括起来。
 path: <field path>,
 #可选,一个新字段的名称用于存放元素的数组索引。该名称不能以$开头。
 includeArrayIndex: <string>,
 #可选，default :false，若为true,如果路径为空，缺少或为空数组，则$unwind输出文档
 preserveNullAndEmptyArrays: <boolean>
 } }

姓名为xx006的作者的book的tag数组拆分为多个文档

db.books.aggregate([
 {$match:{"author.name":"xx006"}},
 {$unwind:"$tag"}
 ])

 db.books.aggregate([
 {$match:{"author.name":"xx006"}}
 ])

每个作者的book的tag合集

db.books.aggregate([
 {$unwind:"$tag"},
 {$group:{_id:"$author.name",types:{$addToSet:"$tag"}}}
 ])

$limit

db.books.aggregate([
 {$limit : 5 }
 ])

此操作仅返回管道传递给它的前5个文档。 $limit对其传递的文档内容没有影响。

注意：当$sort在管道中的$limit之前立即出现时，$sort操作只会在过程中维持前n个结

果，其中n是指定的限制，而MongoDB只需要将n个项存储在内存中。

$skip

跳过进入stage的指定数量的文档，并将其余文档传递到管道中的下一个阶段

db.books.aggregate([
 {$skip : 5 }
 ])

此操作将跳过管道传递给它的前5个文档。 $skip对沿着管道传递的文档的内容没有影响。

$sort

对所有输入文档进行排序，并按排序顺序将它们返回到管道。

语法：

{ $sort: { <field1>: <sort order>, <field2>: <sort order> ... } }

要对字段进行排序，请将排序顺序设置为1或-1，以分别指定升序或降序排序，如下例所

示：

db.books.aggregate([
 {$sort : {favCount:‐1,title:1}}
 ])

$lookup

Mongodb 3.2版本新增，主要用来实现多表关联查询，相当关系型数据库中多表关联查

询。每个输入待处理的文档，经过$lookup 阶段的处理，输出的新文档中会包含一个新生

成的数组（可根据需要命名新key ）。数组列存放的数据是来自被Join集合的适配文档，如

果没有，集合为空（即为[ ])

语法：

db.collection.aggregate([{
 $lookup: {
 from: "<collection to join>",
 localField: "<field from the input documents>",
 foreignField: "<field from the documents of the from collection>",
 as: "<output array field>"
  }
 })

from	同一个数据库下等待被Join的集合。
localField	源集合中的match值，如果输入的集合中，某文档没有 localField 这个Key（Field），在处理的过程中，会默认为此文档含有 localField：null的键值对。
foreignField	待Join的集合的match值，如果待Join的集合中，文档没有foreignField 值，在处理的过程中，会默认为此文档含有 foreignField：null的键值对。
as	为输出文档的新增值命名。如果输入的集合中已存在该值，则会覆盖掉

注意：null = null 此为真

其语法功能类似于下面的伪SQL语句：

SELECT *, <output array field>
 FROM collection
 WHERE <output array field> IN (SELECT *
 FROM <collection to join>
 WHERE <foreignField>= <collection.localField>);

案例

数据准备

db.customer.insert({customerCode:1,name:"customer1",phone:"13112345678",address:"test1"})
db.customer.insert({customerCode:2,name:"customer2",phone:"13112345679",address:"test2"})
db.order.insert({orderId:1,orderCode:"order001",customerCode:1,price:200})
db.order.insert({orderId:2,orderCode:"order002",customerCode:2,price:400})
db.orderItem.insert({itemId:1,productName:"apples",qutity:2,orderId:1})
db.orderItem.insert({itemId:2,productName:"oranges",qutity:2,orderId:1})
db.orderItem.insert({itemId:3,productName:"mangoes",qutity:2,orderId:1})
db.orderItem.insert({itemId:4,productName:"apples",qutity:2,orderId:2})
db.orderItem.insert({itemId:5,productName:"oranges",qutity:2,orderId:2})
db.orderItem.insert({itemId:6,productName:"mangoes",qutity:2,orderId:2})

关联查询

db.customer.aggregate([
 {$lookup: {
    from: "order",
    localField: "customerId",
    foreignField: "customerId",
    as: "customerOrder"
    }
  }
 ])

 db.order.aggregate([
 {$lookup: {
 from: "customer",
 localField: "customerCode",
 foreignField: "customerCode",
 as: "curstomer"
 }
},
 {$lookup: {
 from: "orderItem",
 localField: "orderId",
 foreignField: "orderId",
 as: "orderItem"
 }
 } ])

聚合操作案例1

统计每个分类的book文档数量

db.books.aggregate([
 {$group:{_id:"$type",total:{$sum:1}}},
 {$sort:{total:‐1}}
 ])

标签的热度排行，标签的热度则按其关联book文档的收藏数（ favCount）来计算

db.books.aggregate([
 {$match:{favCount:{$gt:0}}},
 {$unwind:"$tag"},
 {$group:{_id:"$tag",total:{$sum:"$favCount"}}},
 {$sort:{total:‐1}}
 ])

1. $match阶段：用于过滤favCount=0的文档。

2. $unwind阶段：用于将标签数组进行展开，这样一个包含3个标签的文档会被拆解为3个条目。

3. $group阶段：对拆解后的文档进行分组计算，$sum："$favCount"表示按 favCount字段进行累加。

4. $sort阶段：接收分组计算的输出，按total得分进行排序。

统计book文档收藏数[0,10),[10,60),[60,80),[80,100),[100,+∞）

db.books.aggregate([{
 $bucket:{
 groupBy:"$favCount",
 boundaries:[0,10,60,80,100],
 default:"other",
 output:{"count":{$sum:1}}
 }
 }])

二、MapReduce

MapReduce操作将大量的数据处理工作拆分成多个线程并行处理，然后将结果合并在一

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

MapReduce具有两个阶段：

1. 将具有相同Key的文档数据整合在一起的map阶段

2. 组合map操作的结果进行统计输出的reduce阶段

从MongoDB 5.0开始，map-reduce操作已被弃用。聚合管道比映射-reduce操作提供更

好的性能和可用性。Map-reduce操作可以使用聚合管道操作符重写，例如$group、

$merge等

Java之集合

一、聚合操作

1、单一作用聚合

2、聚合管道

什么是 MongoDB 聚合框架

常用的管道聚合阶段

数据准备

$project

$match

$count

$group

$unwind

$limit

$skip

$sort

$lookup

二、MapReduce