Mongodb聚合操作之读书笔记

 Mongodb聚合操作
读书笔记

mongodb，两种计算聚合pipeline和mapreduce
pipeline查询速度快于mapreduce,但MapReduce能够在多台Server上并行执行复杂的聚合逻辑。
mongodb不允许Pipeline的单个聚合操作占用过多的系统内存，如果一个聚合操作消耗20%以上的内存，那么mongodb直接停止操作，并向客户端输出错误消息。

Pipeline方式使用db.collection.aggregate()函数进行聚合运算，运算速度较快，操作简单。
两条限制，单条聚合操作消耗的内存不能超过20%；聚合操作返回的结果集必须限制在16MB以内。

$mathch过滤
$project管道符的作用是选择字段，重命名字段，派生字段
选择字段
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,idx:1,"_id":0}} 
)

重命名字段
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,"preIdx":"$idx",idx:1,"_id":0}} 
)

派生字段
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:
     {
    age:1,
    "preIdx":{$subtract:["$idx",1]},
    idx:1,
    "_id":0}
     } 
)

算术操作符
$add
$multiply
$divide
$mod
$subtract

字符数据
$substr:[expr,start,length] 子字符串
$concat：[expr1,expr2,,,exprn] 连接表达式
$toLower：expr 转小写
$toUpper：expr 转大写

流式运算符，只要有新doc进入，就可以对doc进行处理
非流式运算符，必须等收到所有的文档之后，才能对文档进行处理。

分组操作和排序操作都是非流式运算符。

分组操作
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,"preIdx":{$subtract:["$idx",1]},idx:1,"_id":0}} ,
{$group:{"_id":"$age",count:{$sum:1}}}
)
以age进行分组，统计每个分组中的doc数量

多字段分组
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,"preIdx":{$subtract:["$idx",1]},idx:1,"_id":0}} ,
{$group:{"_id":{age:"$age",age2:"$age"},count:{$sum:1}}}
)

分组聚合计算
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,"preIdx":{$subtract:["$idx",1]},idx:1,"_id":0}} ,
{$group:
   {
    "_id":{age:"$age",age2:"$age"},
    count:{$sum:1},
    idxTotal:{$sum:"$idx"}},
    idxMax:{$max:"$idx"},
    idxFirst:{$first:"$idx"}
   }
}
)

对结果进行排序，再跳过前10，再取前十个。
db.foo.aggregate(
{$match:{age:{$lte:25}}}, 
{$project:{age:1,"preIdx":{$subtract:["$idx",1]},idx:1,"_id":0}} ,
{$group:
   {
    "_id":{age:"$age",age2:"$age"},
    count:{$sum:1},
    idxTotal:{$sum:"$idx"}},
    idxMax:{$max:"$idx"},
    idxFirst:{$first:"$idx"}
   }
}，
{$sort:{age:-1}},
{$skip:10},
{$limit:10}
)

MapReduce能够计算非常复杂，但非常慢，不适用实时数据分析。能够在多台Server上并行执行，最后由Master Server统一返回结果集。
MapReduce方式，主要分为Map 、Shuffle、Reduce三步。
Map,Reduce需要显式定义，shuffle由mongodb实现

MapReduce的最佳实现，是最终结果可以加在一起的场景。

样例，统计doc数量
1.定义Map和Reduce
map=function (){
for(var key in this)
{
  emit(key,{count:1});
}
}

reduce=function (key,emits){
total=0;
for(var i in emits){
  total+=emits[i].count;
}
return {"count":total};
}

2.执行MapReduce
mr=db.runCommand(
{
"mapreduce":"foo",
"map":map,
"reduce":reduce,
out:"Count Doc"
})

3.查看结果
db[mr.result].find()

样例，统计不同age数量
1.定义Map和Reduce
map=function ()
{
emit(this.age,{count:1});
}

reduce= function (key,emits)
{
total=0;
for(var i in emits)
{
   total+=emits[i].count;
}

return {"age":key,count:total};
}

2.执行MapReduce
mr=db.runCommand(
{
"mapreduce":"foo",
"map":map,
"reduce":reduce,
out:"Count Doc"
})

3.查看聚合运算结果
db[mr.result].find()

样例，研究Reduce
reduce= function (key,emits)
{
total=0;
for(var i in emits)
{
   total+=emits[i].count;
}

return {"key":key,count:total};
}

r1=reduce("x",[{count:1},{count:2}])
r2=reduce("x",[{count:3},{count:5}])
r3=reduce("x",[r1,r2])