关于mongodb:mongodb常用命令4聚合及管道

44次阅读

共计 3728 个字符，预计需要花费 10 分钟才能阅读完成。

首先我的数据库是这样的（存在很多反复数据）：

当初应用聚合 aggregate 查问反复数据：

db.ss_tests.aggregate([{$group : {_id : "$id", count : {$sum : 1}}}])

db.ss_tests.aggregate([{$group: { _id: {id: '$id'},count: {$sum: 1}} }])

两条语句是一样的。只不过一个间接输入 value，一个减少了 key 值。

* 语法解释：应用聚合 aggregate 函数查问，应用索引_id 进行查问, 将 id 雷同的应用管道 $group 将其分为一组，并应用 sum 计算一组的个数，将其赋值给 count，输入

能够看到，我下面语句查问到的反复数据有的有 20 几条之多！

办法一，应用聚合解决：

db.ss_tests.aggregate([

  {$group: { _id: '$id',count: {$sum: 1},multiples: {$addToSet: '$_id'}}

  },

  {$match: {count: {$gt: 1}}

  }

]).forEach(function(doc){doc.multiples.shift();

  db.ss_tests.remove({_id: {$in: doc.dups}});

})

* 语法解释：
1. 应用聚合函数对 ss_tests 的 id 雷同的文档（document）进行分组，应用 $sum 进行计算统计 id 雷同的条数，并把条数赋值给 count, 应用 $addToSet 在返回后果中减少 key 为：multiples，value 为：_id 字段（因为聚合分组只会返回参加分组的字段）；
演示：
（1）不实用 addToset:
db.ss_tests.aggregate([{$group: { _id: {id: '$id'},count: {$sum: 1}} }])
后果很清晰，没有多余的数据：

{"_id" : { "id" : "3714"}, "count" : 2 }
{"_id" : { "id" : "3542"}, "count" : 1 }
{"_id" : { "id" : "3457"}, "count" : 24 }
{"_id" : { "id" : "3856"}, "count" : 23 }
{"_id" : { "id" : "3261"}, "count" : 4 }
{"_id" : { "id" : "3857"}, "count" : 23 }
{"_id" : { "id" : "3849"}, "count" : 1 }
{"_id" : { "id" : "3771"}, "count" : 23 }
{"_id" : { "id" : "3321"}, "count" : 24 }
{"_id" : { "id" : "2983"}, "count" : 24 }
{"_id" : { "id" : "4141"}, "count" : 23 }
{"_id" : { "id" : "4066"}, "count" : 23 }
{"_id" : { "id" : "3918"}, "count" : 23 }
{"_id" : { "id" : "3770"}, "count" : 23 }
{"_id" : { "id" : "3696"}, "count" : 24 }
{"_id" : { "id" : "3548"}, "count" : 24 }
{"_id" : { "id" : "3519"}, "count" : 24 }
{"_id" : { "id" : "3134"}, "count" : 24 }
{"_id" : { "id" : "3129"}, "count" : 24 }
{"_id" : { "id" : "3054"}, "count" : 24 }

2. 应用 addToset 的范例：
单单是“_id:3054”的就有这么多数据，因为它会把每一个符合条件的“_id”退出对象中

{"_id" : "3054", "count" : 24, "multiples" : [ ObjectId("605a7b8e00c31774b8b1d71f"), ObjectId("605a24b8484104570ceff2ca"), ObjectId("60556465ecc3c2203bcb77b3"), ObjectId("60550d8b1f84370319fddae4"), ObjectId("6054b6b1d47438654aeb098f"), ObjectId("605408f85c26901b6393f2a1"), ObjectId("60545fd3396fea44070dcb12"), ObjectId("605ad26bbe00311786e9a0bb"), ObjectId("6055bb3d0812c740b987fc40"), ObjectId("6057169a70776d3ef59e48ba"), ObjectId("60535aa7c3e533526a0d0e9d"), ObjectId("6053b21d9b938d73a90c1709"), ObjectId("605668e989cf997e62ec36c0"), ObjectId("6058c8c9b9015359d723678f"), ObjectId("60597709e1767e19b9b5b4e8"), ObjectId("605303ca9c9956350d1b5672"), ObjectId("60581b1d9aeace1a78562abe"), ObjectId("605612135f71606091ced0d4"), ObjectId("6056bfc0d8e4b71fd81c4318"), ObjectId("6057c4476b779b7b337cf037"), ObjectId("605871f3735c7a3af6bb659b"), ObjectId("60576d7058a77d5b9ad21916"), ObjectId("605920335ae8b5784cfbe330"), ObjectId("6059cde2206111394daa441e") ] }

2. 再应用 match 匹配大 id 雷同条数大于 1 的 document；
此处演示不必 addToSet 下的后果，比拟容易看：
演示范例：
db.ss_tests.aggregate([{$group: { _id: {id: '$id'},count: {$sum: 1}} }, {$match: {count: {$gt: 1}}}])
后果都是 count 大于 1 的后果：

{"_id" : { "id" : "3714"}, "count" : 24 }
{"_id" : { "id" : "3542"}, "count" : 24 }
{"_id" : { "id" : "3457"}, "count" : 24 }
{"_id" : { "id" : "3856"}, "count" : 23 }
{"_id" : { "id" : "3261"}, "count" : 24 }
{"_id" : { "id" : "3857"}, "count" : 23 }
{"_id" : { "id" : "3849"}, "count" : 23 }
{"_id" : { "id" : "3771"}, "count" : 23 }
{"_id" : { "id" : "3321"}, "count" : 24 }
{"_id" : { "id" : "2983"}, "count" : 24 }
{"_id" : { "id" : "4141"}, "count" : 23 }
{"_id" : { "id" : "4066"}, "count" : 23 }
{"_id" : { "id" : "3918"}, "count" : 23 }
{"_id" : { "id" : "3770"}, "count" : 23 }
{"_id" : { "id" : "3696"}, "count" : 24 }
{"_id" : { "id" : "3548"}, "count" : 24 }
{"_id" : { "id" : "3519"}, "count" : 24 }
{"_id" : { "id" : "3134"}, "count" : 24 }
{"_id" : { "id" : "3129"}, "count" : 24 }
{"_id" : { "id" : "3054"}, "count" : 24 }

3. 应用 js 的 forEach 对返回的 group 组进行遍历，应用 js 办法的 shift 函数将每一个数组的反复的数据的第一个移除。此时再进行删除剩下反复的，因为后面的 shift 办法移除掉每一个反复数据的第一个，所以达到了保留的数据的都没有反复的目标

去除反复数据前，我的 ss_tests 数据汇合中有这么多数据：

应用 forEach 去除数据后：

办法 2：应用 distinct 办法去除反复数据：
此办法有些限度，摘抄官网文档一段话：

NOTE

Results must not be larger than the maximum BSON size. If your results exceed the maximum BSON size, use the aggregation pipeline to retrieve distinct values using the $group operator, as described in Retrieve Distinct Values with the Aggregation Pipeline.

他说最大的数据量不能超过 BSON 的最大容量，即 16MB, 且要传入反复值的字符串，能力删除，此处不做展现，间接放弃。

正文完