aggregate聚合

最新推荐文章于 2023-07-03 14:37:40 发布

转载最新推荐文章于 2023-07-03 14:37:40 发布 · 518 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/two-bees/p/10483330.html

文章标签：

#移动开发 #数据结构与算法 #数据库

最近使用mongodb需要查询数据，用到了aggregate，学习下，上代码

db.表名.aggregate([
{$match:{'created_time':{$gte:'2016-01-15',$lte:'2019-01-20'},'token':{'$ne':null}}}
,{$group:{"_id":{"lm_number":"$lm_number","source_type":"$source_type","app":"$app","position":"$position","created_time":"$created_time","token":"$token"}}}
,{$group:{"_id":{"lm_number":"$_id.lm_number","source_type":"$_id.source_type","app":"$_id.app","created_time":"$_id.created_time","position":"$_id.position"}, "COUNT(token)" : {"$sum" : NumberInt(1)}}}
,{$project:{"_id": 0,"lm_number":"$_id.lm_number","created_time":"$_id.created_time","source_type":"$_id.source_type","app":"$_id.app","position":"$_id.position","COUNT(token)":"$COUNT(token)"}}
,{$sort:{"created_time":-1}
,{$skip:0}
,{$limit:1}
,{$unwind: {path: '$created_time',preserveNullAndEmptyArrays: true}}
]);

　　对应的目标数据结构

{ 
    "_id" : ObjectId("5c469ad680499b3d42558c1b"), 
    "event_id" : "1002106", 
    "is_login" : "0", 
    "event_time" : "1548131024375", 
    "device_id" : "5c469ab9879842003a2dca3d", 
    "token" : "A4pudYt6COzQ-f2mSVAriPaloRGKKqKg", 
    "mobile" : "", 
    "version_code" : "10100", 
    "source_type" : "client", 
    "os" : "android", 
    "app" : "ep", 
    "channel" : "autoupdate", 
    "utm_source" : "", 
    "created_time" : "2019-01-18 12:23:50"
}
{ 
    "_id" : ObjectId("5c469b5f526159282e5daabf"), 
    "ad_id" : "3", 
    "event_id" : "1002107", 
    "is_login" : "1", 
    "position" : "1", 
    "lm_number" : "2018122614102766196661", 
    "event_time" : "1548131161304", 
    "device_id" : "5c469b53879842003a2dd0f1", 
    "token" : "A4pudYt6COzQ-f2mSVAriPaloRGKKqKg", 
    "mobile" : "13894101298", 
    "version_code" : "10100", 
    "source_type" : "client", 
    "os" : "android", 
    "app" : "ep", 
    "channel" : "autoupdate", 
    "utm_source" : "aaa", 
    "created_time" : "2019-01-16 12:26:07", 
    "user_id" : "258"
}

　　#$match:过滤，按条件筛选。$gte大于等于，$lte小于等于，$gt大于，$lt小于
　　#$group:分组聚合。$sum计算总和，{$sum: 1}表示返回总和×1的值(即总和的数量),使用{$sum: '$制定字段'}也能直接获取制定字段的值的总和
　　#$project:投射，从聚合的子文档中提取字段供显示，也可重命名（注意显示的字段必须要在子文档中存在）；其中的"_id"为0则不显示其值，反之为1显示
　　#$sort:排序，-1为desc降序，1位asc正序
　　#skip:跳过指定数量条数，默认0。类似mysql的limit的第一个参数
　　#limit:限制读取的条数。类似mysql的limit的第二个参数
　　#unwind:对其中指定的数组类型进行拆分，最终每条信息中包含数组的一个值。还可以写成{$unwind:'$created_time'},其中的$created_time是数据中的一个字段，此字段可以为空数组、非数组、null、字符串。数组会拆分如上述所讲，其他值若不设置会丢失（除字符串）。所以就需要使用preserveNullAndEmptyArrays的写法，其值为true既保留空数组等；path为指定的字段。

　　###注意，这里连续使用了两个group，第一个$group为多条件分组聚合，第二个为多重分组聚合
　　###用mysql的思想就是

select lm_number,source_type,app,position,count(token) from (

	select 
	lm_number
	,source_type
	,app
	,position
	,token 
	from 表名
	group by lm_number,source_type,app,position,token
	
) as t group by lm_number,source_type,app,position;

　　###第一个相当于上述的子查询那部分，第二个就是外面的那部分。在很多聚合后还会有重复的场景中就可以使用多重聚合。

　　###多重聚合取总数：
　　##多个条件时：

db.表名.aggregate([
{$group:{"_id":{"lm_number":"$_id.lm_number","source_type":"$_id.source_type","app":"$_id.app","created_time":"$_id.created_time","position":"$_id.position"}, "COUNT(token)" : {"$sum" : NumberInt(1)}}}
]);

　　##单个条件时：

db.表名.aggregate([
{$group:{"_id":"lm_number", "count" : {"$sum" : NumberInt(1)}}}
]);

　　学习学习学习...

转载于:https://www.cnblogs.com/two-bees/p/10483330.html