MongoDB入門實戰教程（6）

阿新 • • 發佈：2021-06-16

本系列教程目錄：

MongoDB入門實戰教程（1）

MongoDB入門實戰教程（2）

MongoDB入門實戰教程（3）

MongoDB入門實戰教程（4）

MongoDB入門實戰教程（5）

通過前面幾篇的學習，作為後端開發的我們基本可以應付70%的開發場景。接下來，我們就來看點進階一點的東西，首先是聚合查詢。

1 聚合框架簡介

前面的學習我們都是針對單個Collection操作的，雖然在MongoDB中針對Collection的設計就已經是無模式的，因此我們大部分場景都是針對單個Collection進行操作。

但是，我們在實際應用場景中還是會遇到想要SQL查詢中的 GROUP BY、LEFT OUTER JOIN、AS等操作。

好在，MongoDB提供了一套聚合框架（Aggregation Framework），它可以幫助我們在一個或多個Collection上，對Collection中的資料進行一系列的計算，並將這些資料轉化為期望的格式。

整個聚合計算的過程也被稱之為管道（Pipeline），由多個步驟（Stage）組成，這一點和Jenkins Pipeline比較類似。其中，每個管道需要：

（1）接受一系列Document（原始資料）

（2）每個步驟對這些Document進行一系列的運算

（3）結果Document輸出給下一個步驟

整個管道的過程如下圖所示：

聚合計算的基本格式如下所示：

pipeline = [$stage1, $stage2, ...$stageN];

db. 
<CollectionName>.aggregate(
pipeline,
{ options }
);

2 聚合操作例項

示例資料資料庫

這裡我們使用《MongoDB入門實戰教程（3）》中使用Mongo Tools進行恢復的Mock資料庫中的orders集合來進行應用。

在orders集合中，約有100000條記錄。

每個order文件的資料模型如下所示：

練習1：目前為止的訂單總銷量

假設我們需要針對orders集合進行一個操作，計算到目前為止的所有訂單的總銷售額：

db.orders.aggregate([
  { $group:
    {
      _id: null,
      total: { $ 
sum: "$total" }
    }
  }
]);

這裡我們使用到了一個常見的步驟（Stage）：$group，它和SQL中的GROUP BY等價，用於對資料進行分組。這裡我們僅僅是做一個求和，不需要對誰進行分組。

然後，我們還用到了一個分組步驟中常用的運算子：$sum，它和SQL中的SUM等價，用於對指定列的資料進行求和。這裡我們需要對total欄位進行一個求和。

下圖是查詢結果：

練習2：某個日期區間的訂單金額彙總

假設我們需要查詢在2019年第一季度已完成訂單的訂單總金額和訂單總數。

說明：第一季度為1月1日~3月31日，訂單狀態為completed。

db.orders.aggregate([
// 步驟1：匹配條件
{ $match: { status: "completed", orderDate: {
                                $gte: ISODate("2019-01-01"),
                                $lt: ISODate("2019-04-01") } } },
// 步驟二：聚合訂單總金額、總運費、總數量
{ $group: {
              _id: null,
              total: { $sum: "$total" },
              shippingFee: { $sum: "$shippingFee" },
              count: { $sum: 1 } } },
{ $project: {
              // 計算總金額
              grandTotal: { $add: ["$total", "$shippingFee"] },
              count: 1,
              _id: 0 } }
])

可以看到，這是一個較為複雜的查詢，我們可以將其分為三步：

第一步，使用$match進行匹配，這一點是做的SQL中的WHERE操作。

第二步，使用$group進行分組，目的是為了使用SUM運算子求和。

第三步，使用$project進行投影，目的是選擇需要的或排除不需要的欄位顯示。

下圖是查詢結果：

3 MQL vs SQL

分頁查詢對比

在SQL中常使用SKIP 和 LIMIT 進行分頁查詢，在MQL中也有等價操作：

-- SQL
SELECT
  FIRST_NAME AS `名`,
  LAST_NAME AS `姓`
FROM Users
WHERE GENDER = '男'
SKIP 100
LIMIT 20
-- MQL
db.users.aggregate([
  {$match: {gender: "男"}},
  {$skip: 100},
  {$limit: 20},
  {$project: {
    '名': '$first_name',
    '姓': '$last_name'
  }}
]);

分組查詢對比

在SQL中常使用GROUP BY + HAVING 的分組高階查詢，在MQL中也有等價操作：

-- SQL
SELECT DEPARTMENT,
  COUNT(NULL) AS EMP_QTY
FROM Users
WHERE GENDER = '女'
GROUP BY DEPARTMENT HAVING
COUNT(*) < 10
-- MQL
db.users.aggregate([
  {$match: {gender: '女'}},
  {$group: {
    _id: '$DEPARTMENT’,
    emp_qty: {$sum: 1}
  }},
  {$match: {emp_qty: {$lt: 10}}}
]);

unwind

在MQL中有一個特有的步驟unwind，它可以實現將文件中的某一個數組型別欄位拆分成多條，每條包含陣列中的一個值。

> db.students.findOne()
{
  name:'張三',
  score:[
    {subject:'語文',score:84},
    {subject:'數學',score:90},
    {subject:'外語',score:69}
  ]
}

> db.students.aggregate([{$unwind: '$score'}])
{name: '張三', score: {subject: '語文', score: 84}}
{name: '張三', score: {subject: '數學', score: 90}}
{name: '張三', score: {subject: '外語', score: 69}}