Mongodb 3.2 SQL对应聚合 官方

最新推荐文章于 2025-06-13 09:23:20 发布
转载 最新推荐文章于 2025-06-13 09:23:20 发布 · 486 阅读 · 0
文章标签：

#Mongodb #3.2

本文介绍如何将常见的SQL聚合操作转换为MongoDB的聚合管道操作，包括使用$match、$group、$project等操作符实现WHERE、GROUP BY、SELECT等功能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

SQL to Aggregation Mapping Chart

On this page

The aggregation pipeline allowsMongoDB to provide native aggregation capabilities that corresponds tomany common data aggregation operations in SQL.

The following table provides an overview of common SQL aggregationterms, functions, and concepts and the corresponding MongoDBaggregation operators:

SQL Terms, Functions, and ConceptsMongoDB Aggregation Operators
WHERE$match
GROUP BY$group
HAVING$match
SELECT$project
ORDER BY$sort
LIMIT$limit
SUM()$sum
COUNT()$sum
join

$lookup

New in version 3.2.

Examples

The following table presents a quick reference of SQL aggregationstatements and the corresponding MongoDB statements. The examples inthe table assume the following conditions:

  • The SQL examples assume two tables, orders andorder_lineitem that join by theorder_lineitem.order_id andtheorders.id columns.

  • The MongoDB examples assume one collection orders that containdocuments of the following prototype:

    {
  cust_id: "abc123",
  ord_date: ISODate("2012-11-02T17:04:11.102Z"),
  status: 'A',
  price: 50,
  items: [ { sku: "xxx", qty: 25, price: 1 },
           { sku: "yyy", qty: 25, price: 1 } ]
}
SQL ExampleMongoDB ExampleDescription
SELECT COUNT(*) AS count
FROM orders

db.orders.aggregate( [
   {
     $group: {
        _id: null,
        count: { $sum: 1 }
     }
   }
] )
Count all recordsfrom orders
SELECT SUM(price) AS total
FROM orders

db.orders.aggregate( [
   {
     $group: {
        _id: null,
        total: { $sum: "$price" }
     }
   }
] )
Sum the price fieldfromorders
SELECT cust_id,
       SUM(price) AS total
FROM orders
GROUP BY cust_id

db.orders.aggregate( [
   {
     $group: {
        _id: "$cust_id",
        total: { $sum: "$price" }
     }
   }
] )
For each unique cust_id,sum theprice field.
SELECT cust_id,
       SUM(price) AS total
FROM orders
GROUP BY cust_id
ORDER BY total

db.orders.aggregate( [
   {
     $group: {
        _id: "$cust_id",
        total: { $sum: "$price" }
     }
   },
   { $sort: { total: 1 } }
] )
For each unique cust_id,sum theprice field,results sorted by sum.
SELECT cust_id,
       ord_date,
       SUM(price) AS total
FROM orders
GROUP BY cust_id,
         ord_date

db.orders.aggregate( [
   {
     $group: {
        _id: {
           cust_id: "$cust_id",
           ord_date: {
               month: { $month: "$ord_date" },
               day: { $dayOfMonth: "$ord_date" },
               year: { $year: "$ord_date"}
           }
        },
        total: { $sum: "$price" }
     }
   }
] )
For each uniquecust_id,ord_date grouping,sum theprice field.Excludes the time portion of the date.
SELECT cust_id,
       count(*)
FROM orders
GROUP BY cust_id
HAVING count(*) > 1

db.orders.aggregate( [
   {
     $group: {
        _id: "$cust_id",
        count: { $sum: 1 }
     }
   },
   { $match: { count: { $gt: 1 } } }
] )
For cust_id with multiple records,return thecust_id andthe corresponding record count.
SELECT cust_id,
       ord_date,
       SUM(price) AS total
FROM orders
GROUP BY cust_id,
         ord_date
HAVING total > 250

db.orders.aggregate( [
   {
     $group: {
        _id: {
           cust_id: "$cust_id",
           ord_date: {
               month: { $month: "$ord_date" },
               day: { $dayOfMonth: "$ord_date" },
               year: { $year: "$ord_date"}
           }
        },
        total: { $sum: "$price" }
     }
   },
   { $match: { total: { $gt: 250 } } }
] )
For each unique cust_id,ord_dategrouping, sum theprice fieldand return only where thesum is greater than 250.Excludes the time portion of the date.
SELECT cust_id,
       SUM(price) as total
FROM orders
WHERE status = 'A'
GROUP BY cust_id

db.orders.aggregate( [
   { $match: { status: 'A' } },
   {
     $group: {
        _id: "$cust_id",
        total: { $sum: "$price" }
     }
   }
] )
For each unique cust_idwith statusA,sum the price field.
SELECT cust_id,
       SUM(price) as total
FROM orders
WHERE status = 'A'
GROUP BY cust_id
HAVING total > 250

db.orders.aggregate( [
   { $match: { status: 'A' } },
   {
     $group: {
        _id: "$cust_id",
        total: { $sum: "$price" }
     }
   },
   { $match: { total: { $gt: 250 } } }
] )
For each unique cust_idwith statusA,sum the price field and returnonly where thesum is greater than 250.
SELECT cust_id,
       SUM(li.qty) as qty
FROM orders o,
     order_lineitem li
WHERE li.order_id = o.id
GROUP BY cust_id

db.orders.aggregate( [
   { $unwind: "$items" },
   {
     $group: {
        _id: "$cust_id",
        qty: { $sum: "$items.qty" }
     }
   }
] )
For each unique cust_id,sum the correspondingline itemqty fieldsassociated with theorders.
SELECT COUNT(*)
FROM (SELECT cust_id,
             ord_date
      FROM orders
      GROUP BY cust_id,
               ord_date)
      as DerivedTable

db.orders.aggregate( [
   {
     $group: {
        _id: {
           cust_id: "$cust_id",
           ord_date: {
               month: { $month: "$ord_date" },
               day: { $dayOfMonth: "$ord_date" },
               year: { $year: "$ord_date"}
           }
        }
     }
   },
   {
     $group: {
        _id: null,
        count: { $sum: 1 }
     }
   }
] )
Count the number of distinctcust_id,ord_date groupings.Excludes the time portion of the date.

Was this page helpful?

Yes No

© MongoDB, Inc 2008-2016. MongoDB, Mongo, and the leaf logo are registered trademarks of MongoDB, Inc.

albert0707
关注
【微服务】springboot整合mongodb使用详解
congge_study的博客
07-30 5537
springboot整合mongodb使用详解
MongoDB 3.2版本常用代码全整理(2) - 聚合
qz baozi
04-10 333
原文地址 MongoDB的3.x版本Java驱动相对2.x做了全新的设计，类库和使用方法上有很大区别。例如用Document替换BasicDBObject、通过Builders类构建Bson替代直接输入$命令等，本文整理了基于3.2版本的常用增删改查操作的使用方法。为了避免冗长的篇幅，分为增删改、查询、聚合、地理索引等几部分。聚合用于统计文档个数、求和、最大最小值、求平均值等，功能和函数名称和SQ
MongoDB中的aggregate()方法
小白菜的博客
05-26 3万+
    MongoDB的一个很大的好处是能够使用MapReduce来吧数据库查询的结果简化成一个与原来的集合完全不同的结构。MapReduce把一个数据库查询的值映射为一个完全不同的形式，然后简化结果，使它们的可用性更好。    MongoDB有一个MapReduce框架，它也允许你使用聚合来简化吧一个MapReduce操作传输到另一个MapReduce操作的一系列过程。有了MapReduce和聚...
ＭＯＮＧＯＤＢ　与sql聚合操作对应图
好记忆也需烂博客
03-11 1万+
SQL Terms, Functions, and Concepts                                       MongoDB Aggregation Operators WHERE                                $match GROUP BY
MongoDB进阶——高级查询和聚合统计（aggregate)
maxmao1024的博客
11-27 3万+
MongoDB初识——安装连接（centos） https://blog.csdn.net/maxmao1024/article/details/84426836 MongoDB入门——增删改查 https://blog.csdn.net/maxmao1024/article/details/84528649 1. 数据准备 > use test > db.event.drop() &...
MongoDB count()的正确用法
热门推荐
猎人在吃肉
10-27 5万+
> db.foo.find({name:{$ne:null}}) { "_id" : ObjectId("544db3b45d92133398a80dab"), "a" : 1, "name" : "zzz" } > db.foo.find({name:{$ne:null}}).count() 1 > db.foo.find({name:{$ne:null}}).skip(2)  
Mongodb 3.2 SQL到MongoDB映射表 官方
albert0707的专栏
12-22 1135
SQL到MongoDB映射表 On this page 术语和概念可执行文件示例Additional Resources 针对以下图表，你可能会考虑查看 常见问题 章节查询一些关于MongoDB的常用问题。 术语和概念 下表中列出了多个SQL中的术语和概念以及相对应的MongoDB中的术语和概念。 SQL 术语/概念 MongoDB 术
MongoDB系列-02MongoDB聚合操作
AI_96的博客
06-13 804
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。将具有相同Key的文档数据整合在一起的map阶段组合map操作的结果进行统计输出的reduce阶段}, //map 函数function(key,values) {return reduceFunction}, //reduce 函数map，将数据拆分成键值对，交给reduce函数reduce，根据键将值做统计运算。
MongoDB聚合操作
qq15035899256的博客
05-01 4843
本文是对MongoDB的学习，主要学习了MongoDB的聚合操作，重点掌握了 $group分组查询, $unwind展开数组, $lookup左外连接等聚合管道，并且实现了一些应用场景。之后的学习内容将持续更新！！！
limit mongodb 聚合_mongodb聚合
weixin_42349182的博客
12-23 270
MongoDB的聚合框架实现sum()、avg()、group by等聚合操作。通过聚合框架，还可对返回的结果进行处理，实现一些特殊需求，例如数据过滤、别名显示、增加字段、提取子字段等。1 聚合框架组件聚合框架包含两大组件：管道和表达式。1.1管道管道与unix管道类似，实质就是把扫描的数据输入聚合进程，进行一些过滤、分组、求和等操作，这些操作是通过管道操作符完成的。例如，实现类似SQL：sele...
MongoDB聚合操作详解
qq_44027353的博客
07-28 1092
数组列存放的数据是来自被Join集合的适配文档，如果没有，集合为空（即 为[ ])操作具有两个阶段：处理每个文档并向每个输入文档发射一个或多个对象的map阶段，以及reduce组合map操作的输出阶段。投影操作， 将原始字段投影成指定名称，也就是mysql中的字段别名功能。筛选管道操作和其他管道操作配合时候时，尽量放到开始阶段，这样可以减少后续管道操作符要操作的文档数，提升效率。操作只会在过程中维持前n个结果，其中n是指定的限制，而MongoDB只需要将n个项存储在内存中。
MongoDB聚合操作MongoDB常用聚合管道聚合$project$match$count$group$unwind$limit$skip$sort$lookup用法及操作案例
qq_34930344的博客
03-28 5764
目录 1.聚合操作 1.1 单一作用聚合 1.2 聚合管道 什么是 MongoDB 聚合框架 管道（Pipeline）和阶段（Stage） 常用的管道聚合阶段 $project $match $count $group $unwind $limit $skip $sort $lookup 聚合操作案例1 聚合操作案例2 1.3 MapReduce 1.聚合操作 聚合操作处理数据记录并返回计算结果。聚合操作组值来自多个文档，可以对分组数据执行各种操作以返回单个结果。
【详细教程】一文参透MongoDB聚合查询
博学谷狂野架构师的博客
07-15 4576
聚合操作主要用于处理数据并返回计算结果。聚合操作将来自多个文档的值组合在一起，按条件分组后，再进行一系列操作（如求和、平均值、最大值、最小值）以返回单个结果。
MongoDB聚合框架深度解析：$lookup多表关联查询
聚合管道中的各个操作如$project、$match等用于数据处理，$lookup则是在3.2版本中引入，专门用于集合间的关联操作。它通过指定from字段来指定要连接的集合，localField表示当前集合要匹配的字段，foreignField是被...
MPU9250九轴传感器数据融合：扩展卡尔曼滤波（EKF）算法解析与应用——以四元数、陀螺仪和加速度计为核心 · 四元数
08-13
MPU9250 九轴传感器的工作原理及其应用背景，重点讲解了如何利用扩展卡尔曼滤波 (EKF) 进行数据融合。文中解释了选择四元数作为状态量、三轴陀螺仪的漂移作为控制量以及三轴加速度计和磁偏角作为观测量的原因。通过这种方式，在短时间尺度上优先信任陀螺仪提供的高精度角速度数据，而在长时间尺度上则依赖于加速度计提供的稳定姿态信息。此外，还提供了 Python 实现的简单 EKF 数据融合算法代码示例。 适合人群：对传感器数据融合感兴趣的电子工程技术人员、自动化控制领域的研究人员、从事机器人导航系统开发的技术人员。 使用场景及目标：适用于需要精确测量和稳定控制的场合，如无人机飞行控制系统、自动驾驶汽车的姿态感知模块、智能穿戴设备的动作捕捉单元等。目的是提高运动信息的准确性与稳定性。 其他说明：本文不仅理论阐述详尽，而且附有实际代码示例，便于读者理解和实践。对于希望深入了解传感器数据融合技术并掌握其实现细节的专业人士而言，是一份非常有价值的参考资料。
S7-200与MCGS PLC控制抽水泵系统：梯形图程序、接线图及组态画面解析 梯形图
08-13
No.201 S7-200与MCGS PLC在控制抽水泵系统中的应用。首先，文章讲解了梯形图程序作为控制逻辑的关键组成部分，展示了如何通过梯形图实现自动化控制，如当水位低于设定值时启动抽水泵电机。其次，文章阐述了IO分配与接线图原理图的重要性，通过合理的输入输出分配，确保系统的高效稳定运行。最后，文章介绍了MCGS PLC的组态画面，使操作人员能实时监控和管理系统，提供便捷的操作界面和故障排查工具。 适合人群：从事工业自动化领域的工程师和技术人员，特别是对PLC控制系统有一定了解的人群。 使用场景及目标：适用于需要理解和掌握S7-200与MCGS PLC在抽水泵系统中的具体应用场合，帮助工程师和技术人员更好地设计、安装和维护此类系统。 其他说明：文章不仅提供了理论知识，还附有具体的实例和图表，便于读者理解和实践。
威纶通触摸屏配方管理模板（含图库与宏程序详解）
08-13
内容概要：本文深入介绍了威纶通触摸屏配方管理模板的应用，涵盖从模板概览、文件构成到宏程序详解等多个方面。首先，模板包含完整的图库、原图和PS原文件，用户可以通过直接拖拽的方式快速设计触摸屏界面，或者对原文件进行个性化修改。其次，文中详细解释了宏程序的工作原理，以一个简单的照明控制系统为例，展示了如何利用宏程序实现灯光的开关控制。最后，文章强调了这套模板在实际应用中的灵活性和高效性，无论是简单控制还是复杂工艺流程，都能提供极大便利。 适合人群：从事自动化控制领域的工程师和技术人员，尤其是需要使用威纶通触摸屏进行项目开发的人员。 使用场景及目标：适用于各类工业控制场景，旨在提高工作效率，简化触摸屏界面设计和配置过程，帮助用户更好地理解和应用宏程序。 其他说明：本文不仅提供了理论指导，还通过具体实例进行了操作演示，确保读者能够在实践中掌握相关技能。
DC-Buck芯片TPS56637 4.5V-28V输入,6A
最新发布
08-13
同步降压，三阶环路调节
### 【工业自动化】西门子梯形图程序转换手册：指令与内存映射解析
08-13
内容概要：本文档是西门子梯形图程序转换器的操作手册附录，版本为 Rev 1.10。主要内容包括三大部分：指令转换列表、指令转换解决方案以及I/O内存转换表。指令转换列表详细列出了从S7-200到不同型号PLC（如CP1E、CP1L、CP1H）之间的指令对应关系，涵盖了逻辑操作、比较、定时器、计数器、数据移动、算术运算、转换指令等。对于某些复杂指令，提供了详细的转换解决方案。I/O内存转换表则详细说明了S7-200与各型号PLC之间输入输出寄存器、变量存储器、位存储器、定时器、计数器等内存区域的映射关系。此外，还包括特殊内存位的转换对照。 适合人群：具有PLC编程基础的技术人员，特别是从事西门子S7-200系列PLC向其他品牌或型号PLC迁移工作的工程师。 使用场景及目标：①帮助工程师将现有S7-200程序迁移到其他型号PLC上；②确保转换后的程序逻辑正确性和功能完整性；③提供详细的转换规则和步骤，减少迁移过程中可能出现的问题。 其他说明：文档提供了详尽的指令和内存映射表，适用于多种应用场景。工程师可以根据具体需求选择合适的转换方案，并参考提供的详细说明进行实际操作。同时，对于一些复杂指令，文档给出了具体的转换方法和注意事项，有助于提高迁移的成功率。
MongoDB 3.2与C#驱动2.0异步聚合操作指南
资源摘要信息:"在MongoDB 3.2和C＃驱动程序2.0中执行聚合并使用异步方法" 知识点详细说明： MongoDB是一种高性能、开源的NoSQL文档数据库，广泛应用于大数据和高性能应用场景中。C#是微软公司开发的一种面向对象的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值