MongoDB中的聚合操作

根据MongoDB的文档描述，在MongoDB的聚合操作中，有以下五个聚合命令。

其中，count、distinct和group会提供很基本的功能，至于其他的高级聚合功能（sum、average、max、min），就需要通过mapReduce来实现了。

在MongoDB2.2版本以后，引入了新的聚合框架（聚合管道，aggregation pipeline ，使用aggregate命令），是一种基于管道概念的数据聚合操作。

Name	Description
count	Counts the number of documents in a collection.
distinct	Displays the distinct values found for a specified key in a collection.
group	Groups documents in a collection by the specified key and performs simple aggregation.
mapReduce	Performs map-reduce aggregation for large data sets.
aggregate	Performs aggregation tasks such as group using the aggregation framework.

下面就开始对这些聚合操作进行介绍，所有的测试数据都是基于上一篇文章。

count

首先，我们看下MongoDB文档中，count命令可以支持的选项：

{ count: <collection>, query: <query>, limit: <limit>, skip: <skip>, hint: <hint> }

• count：要执行count的collection
• query(optional)：过滤条件
• limit(optional)：查询匹配文档数量的上限
• skip(optional)：跳过匹配文档的数量
• hint(optional)：使用那个索引

例子：查看男学生的数量

> db.runCommand({"count":"school.students", "query":{"gender":"Male"}})
{ "n" : 5, "ok" : 1 }
>

在MongoDB中，对count操作有一层包装，所以也可以通过shell直接运行db."collectionName".count()。

但是为了保持风格一致，我还是倾向于使用db.runCommand()的方式。

distinct

接下来看看distinct命令，下面列出可以支持的选项：

{ distinct: "<collection>", key: "<field>", query: <query> }

• distinct：要执行distinct的collection
• key：要执行distinct的键
• query(optional)：过滤条件

例子：查看所有学生年龄的不同值

> db.runCommand({"distinct":"school.students","key":"age"})
{
        "values" : [
                20,
                21,
                22,
                23,
                24
        ],
        "stats" : {
                "n" : 10,
                "nscanned" : 10,
                "nscannedObjects" : 0,
                "timems" : 0,
                "cursor" : "BtreeCursor age_1"
        },
        "ok" : 1
}

group

group命令相比前两就稍微复杂了一些。

{
  group:
   {
     ns: <namespace>,
     key: <key>,
     $reduce: <reduce function>,
     initial: 
     $keyf: <key function>,
     cond: <query>,
     finalize: <finalize function>
   }
}

• ns：要执行group的collection
• key：要执行group的键，可以是多个键；和keyf两者必须有一个
• $reduce：在group操作中要执行的聚合function，该function包括两个参数，当前文档和聚合结果文档
• initial：reduce中使用变量的初始化
• $keyf(optional)：可以接受一个function，用来动态的确定分组文档的字段
• cond(optional)：过滤条件
• finalize(optional)：在reduce执行完成，结果集返回之前对结果集最终执行的函数

例子：统计不同年龄、性别分组的学生数量

> db.runCommand({
...     "group":{
...         "ns":"school.students",
...         "key":{"age":true, "gender":true},
...         "initial":{"count":0},
...         "$reduce": function(cur, result){ result.count++;},
...         "cond":{"age":{"$lte":22}}
...     }
... })
{
        "retval" : [
                {
                        "age" : 20,
                        "gender" : "Female",
                        "count" : 2
                },
                {
                        "age" : 20,
                        "gender" : "Male",
                        "count" : 1
                },
                {
                        "age" : 21,
                        "gender" : "Male",
                        "count" : 2
                },
                {
                        "age" : 22,
                        "gender" : "Female",
                        "count" : 1
                }
        ],
        "count" : 6,
        "keys" : 4,
        "ok" : 1
}
>

通过finalize选项，可以在结果返回之前进行一些自定义设置。

> db.runCommand({
...     "group":{
...         "ns":"school.students",
...         "key":{"age":true, "gender":true},
...         "initial":{"count":0},
...         "$reduce": function(cur, result){
...                             result.count++;
...                         },
...         "cond":{"age":{"$lte":22}},
...         "finalize": function(result){
...                             result.percentage = result.count/10;
...                             delete result.count;
...                         }
...     }
... })
{
        "retval" : [
                {
                        "age" : 20,
                        "gender" : "Female",
                        "percentage" : 0.2
                },
                {
                        "age" : 20,
                        "gender" : "Male",
                        "percentage" : 0.1
                },
                {
                        "age" : 21,
                        "gender" : "Male",
                        "percentage" : 0.2
                },
                {
                        "age" : 22,
                        "gender" : "Female",
                        "percentage" : 0.1
                }
        ],
        "count" : 6,
        "keys" : 4,
        "ok" : 1
}
>

 

mapReduce

前面三个聚合操作提供了最基本的功能，如果要用到更加复杂的聚合操作，我们就需要自己通过mapReduce来实现了。

mapReduce更重要的用法是实现多个服务器上的聚合操作。

根据MongoDB文档，得到mapReduce的原型如下：

{
    mapReduce: <collection>,
    map: <function>,
    reduce: <function>,
    out: <output>,
    query(optional): <document>,
    sort(optional): <document>,
    limit(optional): <number>,
    finalize(optional): <function>,
    scope(optional): <document>,
    jsMode(optional): <boolean>,
    verbose(optional): <boolean>
}

• mapReduce：要执行map-reduce操作的collection
• map：map function，生成键/值对，可以理解为映射函数
• reduce：reduce function，对map的结果进行统计，可以理解为统计函数
• out：统计结果存放集合 (不指定则使用临时集合,在客户端断开后自动删除)
• query：过滤条件
• sort：排序条件
• limit：map函数可以接受的文档数量的最大值
• finalize：在reduce执行完成后，结果集返回之前对结果集最终执行的函数
• scope：向 map、reduce、finalize 导入外部变量
• jsMode：设置是否把map和reduce的中间数据转换成BSON格式
• verbose：设置是否显示详细的时间统计信息

注意：map、reduce和finalize的函数实现都有特定的要求，具体的要求请参考MongoDB文档

例子：

查询男生和女生的最大年龄

> db.runCommand({
...     "mapReduce": "school.students",
...     "map": function(){
...                     emit({gender: this.gender}, this.age);
...                 },
...     "reduce": function(key, values){
...                         var max = 0;
...                         for(var i = 0; i < values.length; i++)
...                             max = max>values[i]?max:values[i];
...                         return max;
...                    },
...     "out": {inline: 1},
...
... })
{
        "results" : [
                {
                        "_id" : {
                                "gender" : "Female"
                        },
                        "value" : 24
                },
                {
                        "_id" : {
                                "gender" : "Male"
                        },
                        "value" : 24
                }
        ],
        "timeMillis" : 2,
        "counts" : {
                "input" : 10,
                "emit" : 10,
                "reduce" : 2,
                "output" : 2
        },
        "ok" : 1
}
>

分别得到男生和女生的平均年龄

> db.runCommand({
...     "mapReduce": "school.students",
...     "map": function(){
...                     emit({gender: this.gender}, this.age);
...                 },
...     "reduce": function(key, values){
...                         var result = {"total": 0, "count": 0};
...                         for(var i = 0; i < values.length; i++)
...                             result.total += values[i];
...                         result.count = values.length;
...                         return result;
...                    },
...     "out": {inline: 1},
...     "finalize": function(key, reducedValues){
...                         return reducedValues.total/reducedValues.count;
...                    }
... })
{
        "results" : [
                {
                        "_id" : {
                                "gender" : "Female"
                        },
                        "value" : 22
                },
                {
                        "_id" : {
                                "gender" : "Male"
                        },
                        "value" : 21.8
                }
        ],
        "timeMillis" : 55,
        "counts" : {
                "input" : 10,
                "emit" : 10,
                "reduce" : 2,
                "output" : 2
        },
        "ok" : 1
}
>

小技巧：关于自定义js函数

在MongoDB中，可以通过db.system.js.save命令（其中system.js是一个存放js函数的collections）来创建并保存JavaScript函数，这样在就可以在MongoDB shell中重用这些函数。

比如，下面两个函数是网上网友实现的

SUM	db.system.js.save( { _id : "Sum" , value : function(key,values) { var total = 0; for(var i = 0; i < values.length; i++) total += values[i]; return total; }});
AVERAGE	db.system.js.save( { _id : "Avg" , value : function(key,values) { var total = Sum(key,values); var mean = total/values.length; return mean; }});

通过利用上面两个函数，我们的"分别得到男生和女生的平均年龄"例子就可以通过以下方式实现。

这个例子中，我们还特殊设置了"out"选项，把返回值存入了"average_age"这个collection中。

> db.runCommand({
...     "mapReduce": "school.students",
...     "map": function(){
...                     emit({gender: this.gender}, this.age);
...                 },
...     "reduce": function(key, values){
...                         avg = Avg(key, values);
...                         return avg;
...                    },
...     "out": {"merge": "average_age"}
... })
{
        "result" : "average_age",
        "timeMillis" : 30,
        "counts" : {
                "input" : 10,
                "emit" : 10,
                "reduce" : 2,
                "output" : 2
        },
        "ok" : 1
}
>

通过以下命令，我们可以看到新增的collection，并且查看里面的内容。

> show collections
average_age
school.students
system.indexes
system.js
>
> db.average_age.find()
{ "_id" : { "gender" : "Female" }, "value" : 22 }
{ "_id" : { "gender" : "Male" }, "value" : 21.8 }
>
> db.system.js.find()
{ "_id" : "Sum", "value" : function (key,values)
{
    var total = 0;
    for(var i = 0; i < values.length; i++)
        total += values[i];
    return total;
} }
{ "_id" : "Avg", "value" : function (key,values)
{
    var total = Sum(key,values);
    var mean = total/values.length;
    return mean;
} }
>

总结

通过这篇文章，介绍了MongoDB中count、distinct、group和mapReduce的基本使用。没有一次把所有的聚合操作都看完，聚合管道只能放在下一次了。

Ps: 文章中使用的例子可以通过以下链接查看

http://files.cnblogs.com/wilber2013/aggregation.js