mongodb代码整理五:sql聚合函数与mongodb聚合函数对比
来源:互联网 发布:windows10基本软件 编辑:程序博客网 时间:2024/06/06 00:47
MongoDB 聚合
MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。有点类似sql语句中的 count(*)。
基本语法为:db.collection.aggregate( [ , , … ] )
现在在mycol集合中有以下数据:
{ "_id" : 1, "name" : "tom", "sex" : "男", "score" : 100, "age" : 34 }{ "_id" : 2, "name" : "jeke", "sex" : "男", "score" : 90, "age" : 24 }{ "_id" : 3, "name" : "kite", "sex" : "女", "score" : 40, "age" : 36 }{ "_id" : 4, "name" : "herry", "sex" : "男", "score" : 90, "age" : 56 }{ "_id" : 5, "name" : "marry", "sex" : "女", "score" : 70, "age" : 18 }{ "_id" : 6, "name" : "john", "sex" : "男", "score" : 100, "age" : 31 }
1、$sum 计算总和。
Sql: select sex,count(*) from mycol group by sex MongoDb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', personCount: {$sum: 1}}}])
Sql: select sex,sum(score) totalScore from mycol group by sex MongoDb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', totalScore: {sum:′score'}}}])
2、$avg 计算平均值
Sql: select sex,avg(score) avgScore from mycol group by sex Mongodb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', avgScore: {avg:′score'}}}])
3、$max 获取集合中所有文档对应值得最大值。
Sql: select sex,max(score) maxScore from mycol group by sex Mongodb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', maxScore : {max:′score'}}}])
4、$min 获取集合中所有文档对应值得最小值。
Sql: select sex,min(score) minScore from mycol group by sex Mongodb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', minScore : {min:′score'}}}])
5、$push 把文档中某一列对应的所有数据插入值到一个数组中。
Mongodb: db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', scores : {push:′score'}}}])
6、$addToSet 把文档中某一列对应的所有数据插入值到一个数组中,去掉重复的
db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', scores : {addToSet:′score'}}}])
7、 $first 根据资源文档的排序获取第一个文档数据。
db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', firstPerson : {first:′name'}}}])
8、 $last 根据资源文档的排序获取最后一个文档数据。
db.mycol.aggregate([{group: {_id: 'group: {_id: 'sex', lastPerson : {last:′name'}}}])
9、全部统计 null
db.mycol.aggregate([{group:{_id:null,totalScore:{group:{_id:null,totalScore:{push:'$score'}}}])
例子
现在在t2集合中有以下数据:
{ “country” : “china”, “province” : “sh”, “userid” : “a” }
{ “country” : “china”, “province” : “sh”, “userid” : “b” }
{ “country” : “china”, “province” : “sh”, “userid” : “a” }
{ “country” : “china”, “province” : “sh”, “userid” : “c” }
{ “country” : “china”, “province” : “bj”, “userid” : “da” }
{ “country” : “china”, “province” : “bj”, “userid” : “fa” }
需求是统计出每个country/province下的userid的数量(同一个userid只统计一次)程如下。
db.t2.aggregate([ { group: {“_id”: { “country” : “group: {“_id”: { “country” : “country”, “prov”: “province”} , “number”:{province”} , “number”:{sum:1}} } ])
是错误的:
原因是,这样来统计不能区分userid相同的情况 (上面的数据中sh有两个 userid = a)
为了解决这个问题,首先执行一个group,其id 是 country, province, userid三个field:
db.t2.aggregate([ { group: {“_id”: { “country” : “group: {“_id”: { “country” : “country”, “province”: “province”,”uid”:”userid” } } } ])
可以看出,这步的目的是把相同的userid只剩下一个。
然后第二步,再第一步的结果之上再执行统计:
db.t2.aggregate([
{ group: {“_id”: { “country” : “group: {“_id”: { “country” : “country”, “province”: “province”,”uid”:”userid” } } } ,
{ group: {“_id”: { “country” : “group: {“_id”: { “country” : “_id.country”, “province”: “_id.province” }, count : {_id.province” }, count : {sum : 1 } } }
])
这回就对了
加入一个$project操作符,把_id去掉
db.t2.aggregate([ { group: {"_id": { "country" : "group: {"_id": { "country" : "country", "province": "province","uid":"userid" } } } , { group: {"_id": { "country" : "group: {"_id": { "country" : "_id.country", "province": "_id.province" }, count: {_id.province" }, count: {sum : 1 } } }, { project : {"_id": 0, "country" : "project : {"_id": 0, "country" : "_id.country", "province" : "$_id.province", "count" : 1}} ])
最终结果如下:
**
管道的概念
**
管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的参数。
MongoDB的聚合管道将MongoDB文档在一个管道处理完毕后将结果传递给下一个管道处理。管道操作是可以重复的。
表达式:处理输入文档并输出。表达式是无状态的,只能用于计算当前聚合管道的文档,不能处理其它的文档。
这里我们介绍一下聚合框架中常用的几个操作:
db.mycol.aggregate({$project:{name : 1, score : 1}})
这样的话结果中就只还有_id,name和score三个字段了,默认情况下_id字段是被包含的,如果要想不包含_id话可以这样:
db.mycol.aggregate({$project:{_id : 0, name : 1, score : 1}})
2、$match实例
用于获取分数大于小于并且小于的记录,然后将符合条件的记录送到下一阶段match用于获取分数大于30小于并且小于100的记录,然后将符合条件的记录送到下一阶段group管道操作符进行处理
db.mycol.aggregate([{match :{score: {match :{score: {gt: 30, lt: 100}}},{lt: 100}}},{group:{_id:'sex',count:{sex',count:{sum:1}}}])
- mongodb代码整理五:sql聚合函数与mongodb聚合函数对比
- mongodb 聚合函数
- MongoDB 聚合函数
- mongodb聚合函数操作
- MongoDB的聚合函数 Aggregate
- MongoDB的聚合函数 Aggregate
- mongodb-aggregate(聚合函数)
- java 操作mongodb 聚合函数
- MongoDB聚合整理
- 五、MongoDB 聚合
- 在MongoDB中实现聚合函数
- java操作mongodb(聚合函数)
- mongodb系列之六:java聚合函数
- java操作mongodb(聚合函数)
- MongoDB aggregate聚合函数的使用
- MongoDB-分页,聚合函数,mapRedcue,游标
- mongodb聚合函数时间分组问题
- MongoDB常用命令汇总之基本聚合函数。
- 2017CCPC秦皇岛H(二分 + 二分图的最大匹配数)
- nova中的volume接口
- c++学习笔记:动态内存管理类StrVec类的实现
- 11.1 BSGS BZOJ 3239+2242
- MaxCompute Studio使用心得系列2——编译SQL脚本
- mongodb代码整理五:sql聚合函数与mongodb聚合函数对比
- FreeSWITCH学习笔记 第一场 第九个镜头 拨号计划(Dialplan)
- SSL 双向认证过程
- MONGDB数据导入导出
- Linux vi/vim
- parallel python (pp) Python 中job_server.submit设置的例子
- 【资源篇】Python那么火,你还不知道如何人门?
- 从网络上获取到文件 并解析到listview中
- ESP8266编译脚本之四