【知识小课堂】之聚合函数

我们先来看几个简单的聚合命令：

1.count

> db.foo.count()
4
> db.foo.find({_id:{$gte:2}})
{ "_id" : 2, "x" : 2 }
{ "_id" : 3, "x" : 3 }
> db.foo.find({_id:{$gte:2}}).count()
2
> db.foo.count({_id:{$gte:2}})
2
>

这个命令很简单，但我们往往会忽略最后一种用法，其实count() 函数里面也可以加条件的。

类似于sql 的： select count(*) from table_name;

2.distinct

> db.order_detail.find()
{ "_id" : 1, "cust_id" : 1, "order_id" : 1, "prod_id" : 1 }
{ "_id" : 2, "cust_id" : 1, "order_id" : 1, "prod_id" : 2 }
{ "_id" : 3, "cust_id" : 2, "order_id" : 2, "prod_id" : 2 }
{ "_id" : 4, "cust_id" : 3, "order_id" : 2, "prod_id" : 1 }
{ "_id" : 5, "cust_id" : 3, "order_id" : 3, "prod_id" : 3 }

示例数据如上。如果我们要查询有多少种prod_id

db.runCommand({distinct:"order_detail",key:"prod_id"})
{"values" : [1,2,3],"stats" : {"n" : 5,"nscanned" : 5,"nscannedObjects" : 5,"timems" : 0,"cursor" : "BasicCursor"},"ok" : 1
}

功能类似于sql :　select distinct prod_id from table_name

3.GROUP

我们再来先看示例：

> db.runCommand({group:{ "ns":"order_detail",
... key:{cust_id:true},
... initial:{"qty":0},
... "$reduce":function(doc,prev){
... prev.qty +=1; }
... } } )
{"retval" : [ {"cust_id" : 1,"qty" : 2},{"cust_id" : 2,"qty" : 1},{"cust_id" : 3,"qty" : 2}],"count" : 5,"keys" : 3,"ok" : 1
}

关键词说明：

ns: 要分组的集合

Key :分组依据的键

Initial:初始化

Reduce: reduce 函数

sort: 排序依据；

使用GROUP 可以求：

Count 计数；

SUM 和

AVG 平均值

MAX 最大值

MIN 最小值

FIRST 第一个值

LAST 最后一个值

如果指定了排序键值，那么使用 $first / $last 性能会比 MAX/ MIN 好。但在使用$FIRST/$ LAST 时，$sort 放在 $FIRST/$ LAST 前面

以下是一个书上的例子：

按日期分组，列出每天最后交易时间及价格

> db.runCommand({"group" : {
... "ns" : "stocks",
... "key" : "day",
... "initial" : {"time" : 0},
... "$reduce" : function(doc, prev) {
...     if (doc.time > prev.time) {
...         prev.price = doc.price;
...         prev.time = doc.time;
...     }
... }}})

db.scores.aggregate(
... {
...     "$sort" : {"score" : 1}
... },
... {
...     "$group" : {
...         "_id" : "$grade",
...         "lowestScore" : {"$first" : "$score"},
...         "highestScore" : {"$last" : "$score"}
...     }
... })

当然，在group 中，你也可以使用 $LIMIT,$SKIP ，同时也可以添加条件进行汇总查询。

$condition 添加查询条件

> db.order_detail.find()
{ "_id" : 1, "cust_id" : 1, "order_dt" : ISODate("2014-04-30T16:00:00Z"), "order_id" : 1, "prod_id" : 1 }
{ "_id" : 2, "cust_id" : 1, "order_dt" : ISODate("2014-08-11T05:45:50.584Z"), "order_id" : 1, "prod_id" : 2 }
{ "_id" : 3, "cust_id" : 2, "order_dt" : ISODate("2014-08-11T05:45:50.584Z"), "order_id" : 2, "prod_id" : 2 }
{ "_id" : 4, "cust_id" : 3, "order_dt" : ISODate("2014-08-11T05:45:50.584Z"), "order_id" : 2, "prod_id" : 1 }
{ "_id" : 5, "cust_id" : 3, "order_dt" : ISODate("2014-08-11T05:45:50.584Z"), "order_id" : 3, "prod_id" : 3 }
> db.runCommand({group:{ "ns":"order_detail",
... key:{cust_id:true},
... initial:{"qty":0},
... "$reduce":function(doc,prev){
... prev.qty +=1; } ,
... condition:{order_dt:{$gt:new Date('2014,08,01')}}
... } } )
{"retval" : [{"cust_id" : 1,"qty" : 1},{"cust_id" : 2,"qty" : 1},{"cust_id" : 3,"qty" : 2}],"count" : 4,"keys" : 3,"ok" : 1
}
>

Condition 也可以简写成 cond, 或：query ，q

4.Aggregate()

还是先看示例：

> db.order_detail.aggregate( {$group:{_id:"$cust_id",count:{$sum:1}}} )
{"result" : [{"_id" : 3,"count" : 2},{"_id" : 2,    "count" : 1},{"_id" : 1,    "count" : 2}],"ok" : 1
}
>

aggregate() 聚合函数功能就强大了：

关键词如下：

{$project:{“author”:1}} 指定要显示的字段名称

{$match:{“state”:”OR”}} 指定查询的条件

{$group:{_id:”$day”}} 指定分组的字段

{$sort:{count:-1}} 指定排序

{$limit:5} 指定返回的数量，当然也可以使用 $skip

{unwind:”$comments”} 指定拆分的字段（独立使用）

4.1 这里主要来讲讲 $project ：

在sql 中，我们有 substr(col1,1,10), to_str(create_dt,'yyyy') ,此类的功能，只取字段的某一部分。在MONGODB 中，我们也可以实现。

这就是我们这里要讲的。

a. 指定某些字段要显示： {$project:{"userId":"$_id","_id":0}}

b.字符串处理：

"$substr":{$substr:[col1,1,10]} ,类似于 substring(col1,1,10)

“$concat”:{"$concat":[col1,col2]}, 类似于 col1+col2

"$toLower":{"$toLower:col1"} ,类似于 lower(col1)

"$toUpper":{"$toLower:col1"}

b.日期处理：

"$year","$month”,"$week","$dayOfMonth","$dayOfweek","$dayOfYear","$hour","$minuse","$second" ,使用这些函数，可以返回你所需要的一个日期字段的部分值。

c.数字计算：

“$add” + ,"subtract" - ,'$multiply' *,'$divide' /,"$mod" 取余。这些计算操作符，可以把多个字段的计算后返回。

d.逻辑表达式：

还可以进行逻辑处理，返回一个新的字段值：

“$cmp”: [expr1,expr2]

expr1=expr2: 0;

expr1<expr2: 负数;

expr1>expr2: 正数;

“$strcasecmp”:[str1,str2]

区分str1,str2 大小

"$and":[expr1,expr2]

所有条件为true,返回 true,否则false;

"$or":[expr1,expr2]

只要有一条件为true,返回 true,否则false;

"$not"：expr1

取反

"$cond"：[booleanExpr: trueExpr,falseExpr]

如果 booleanExpr=true,返回trueExpr ,否则返回 falseExpr

"$ifNull":[expr,replacementExpr] 类似于： oracle: nvl()

4.2 多重分组

先看一个官方的示例：

db.zipcodes.aggregate( [{ $group : { _id : { state : "$state", city : "$city" }, pop : { $sum : "$pop" } } },{ $group : { _id : "$_id.state", avgCityPop : { $avg : "$pop" } } }
] )

在aggregate 中，可以使用多重组合。也就是使用前一个分组后的数据，再进行一次分组。

比如下面的sql:

select ip.city,count(distince user_cookie) from website_open_log

group by ip.city

我要统计网站的登录用户的分布。但汇总的数据为有多人人，而不是有多少次。同一个用户可能有多次访问。

下面的代码中，我使用了两种方法，统计结果稍有些不同，但在这里很能说明问题

db.website_open_log.aggregate({$match:{company_id:1}},{$group:{_id:"$cookie",ip:{$first:"$ip.province"}}},{$group:{_id:"$ip",qty:{$sum:1}}},{$sort:{qty:-1}},{$limit:10})

> db.website_open_log.aggregate({$match:{company_id:1}},
...  {$group:{_id:{"cookie":"$cookie","province":"$ip.province"},
...           qty:{$sum:1}
...   }
...  },
...  {$group:{_id:"$_id.province",
...           qty1:{$sum:1}
...   }
...  },
...  {$sort:{qty1:-1}}
...  );