mongodb 聚合函数

1.count

这个函数很好理解，和其他数据库一样，就是做一个count操作

select count(*) from tab1 =db.tab1.count()

以上例子很好理解，但是如果在操作中有skip，limit这种操作的话，那么count会忽略掉这些操作，必须加入一个true参数

比如：db.tab1.find().skip(1),limit(2).count()和db.tab1.find().count()得出的结果是一样的

必须修改为db.tab1.find().skip(1).limit(2).count(true)

2.distinct

去重函数，这个也应该很熟悉，各种关系数据库都有

具体操作：db.runCommand({"distinct":"collection","key":"xxxx"})=db.collections.distinct("xxxx");

3.group

selecta,b,sum(c)csumfromcollwhereactive=1group bya,b

db.coll.group( {key: { a:true, b:true },

cond: { active:1 },

reduce:function(obj,prev){prev.csum+=obj.c; },

initial: {csum: 0 }

});

参数解释：

Key:group字段

Reduce：聚合函数，典型的有sum和count操作，包含两个参数，当前遍历对象以及聚合计数器

Initial：初始化计数器值

Cond：查询条件筛选选项，如果是空，那么默认对当前collection的所有行操作

Group不能在sharding中使用,结果输出不能多于10000个keys

举例：

> db.mtb1.find()

{ "_id" : ObjectId("4fb4be52aa814943b788095c"), "name" : "aaa", "score" : 77 }

{ "_id" : ObjectId("4fb4be5caa814943b788095d"), "name" : "bbb", "score" : 79 }

{ "_id" : ObjectId("4fb4be61aa814943b788095e"), "name" : "ccc", "score" : 79 }

{ "_id" : ObjectId("4fb4be69aa814943b788095f"), "name" : "ddd", "score" : 79 }

{ "_id" : ObjectId("4fb4be74aa814943b7880960"), "name" : "eee", "score" : 100 }

{ "_id" : ObjectId("4fb4be7aaa814943b7880961"), "name" : "fff", "score" : 100 }

{ "_id" : ObjectId("4fb4be82aa814943b7880962"), "name" : "ggg", "score" : 100 }

{ "_id" : ObjectId("4fb4be9eaa814943b7880963"), "name" : "hhh", "score" : 200}

> db.mtb1.group(

... {key:{score:true},

... reduce:function(obj,prev){prev.count++;},

... initial:{count:0}

... });

[

{

"score" : 77,

"count" : 1

},

{

"score" : 79,

"count" : 3

},

{

"score" : 100,

"count" : 3

},

{

"score" : 200,

"count" : 1

}

]

一个简单的例子，应该很明白了。其实这里group还是建立在reduce上面

4.map/reduce

这个工具的功能可以实现以上三种任何一种，它是分两步完成，先做map，再reduce，map首先对数据进行分解映射，map执行完，紧接着会进行reduce，map后会的到key-values，像{key：[value1,value2,value3...]}，然后通过reduce处理后得到key-value，也就是单一的值。

语法：

db.runCommand(

{ mapreduce : <collection>,

map : <mapfunction>,

reduce : <reducefunction>

[, query : <query filter object>]

[, sort : <sort the query. useful for optimization>]

[, limit : <number of objects to return from collection>]

[, out : <output-collection name>]

[, keeptemp: <true|false>]

[, finalize : <finalizefunction>]

[, scope : <object where fields go into javascript global scope >]

[, verbose : true]

}

);

query是很常用的，它用来在map阶段过滤查询条件的以限定MapReduce操作的记录范围，sort和limit集合query使用。

out指定输出结果的collections名称

Keeptemp布尔型，默认是false，如果是true那么生成的collection是永久存在的，如果是false，那么在客户端连接关闭后，会自动删除生成的collection

Finalize一般用来计算平均数，裁剪数组，清除多余信息

query是很常用的，它用来在map阶段过滤查询条件的以限定MapReduce操作的记录范围，sort和limit集合query使用。

out指定输出结果的collections名称

Keeptemp布尔型，默认是false，如果是true那么生成的collection是永久存在的，如果是false，那么在客户端连接关闭后，会自动删除生成的collection

Finalize一般用来计算平均数，裁剪数组，清除多余信息

{ result : <collection_name>,

counts : {

input : <number of objects scanned>,

emit : <number of times emit was called>,

output : <number of items in output collection>

} ,

timeMillis : <job_time>,

ok : <1_if_ok>,

[, err : <errmsg_if_error>]

}

result：储存结果的collection的名字

input：满足条件的数据行数

emit：emit调用次数，也就是所有集合中的数据总量

ouput：返回结果条数

timeMillis：执行时间，毫秒为单位

ok：是否成功，成功为1

err：如果失败，这里可以有失败原因

给出官方文档的一个例子：

$ ./mongo

> db.things.insert( { _id : 1, tags : ['dog', 'cat'] } );

> db.things.insert( { _id : 2, tags : ['cat'] } );

> db.things.insert( { _id : 3, tags : ['mouse', 'cat', 'dog'] } );

> db.things.insert( { _id : 4, tags : [] } );

> // map function

> m = function(){

... this.tags.forEach(

... function(z){

... emit( z , { count : 1 } );

... }

... );

...};

> // reduce function

> r = function( key , values ){

... var total = 0;

... for ( var i=0; i<values.length; i++ )

... total += values[i].count;

... return { count : total };

...};

> res = db.things.mapReduce(m,r);

> res

{"timeMillis.emit" : 9 , "result" : "mr.things.1254430454.3" ,

"numObjects" : 4 , "timeMillis" : 9 , "errmsg" : "" , "ok" : 0}

> db[res.result].find()

{"_id" : "cat" , "value" : {"count" : 3}}

{"_id" : "dog" , "value" : {"count" : 2}}

{"_id" : "mouse" , "value" : {"count" : 1}}

> db[res.result].drop()