Spring Data MongoDB 六：进阶Aggregation操作（上）

来源：互联网发布：淘宝达人名字大全图片编辑：程序博客网时间：2024/05/16 17:04

一、Aggregate简介

db.collection.aggregate()是基于数据处理的聚合管道，每个文档通过一个由多个阶段（stage）组成的管道，可以对每个阶段的管道进行分组、过滤等功能，然后经过一系列的处理，输出相应的结果。

1、db.collection.aggregate()可以多个管道，能方便的进行数据的处理。

2、db.collection.aggregate()使用了MongoDB内置的原生操作，聚合效率非常高,支持类似于SQL Group By操作的功能，而不再需要用户编写自定义的JavaScript例程。

3、每个阶段管道限制为100MB的内存。如果一个节点管道超过这个极限,MongoDB将产生一个错误。为了能够在处理大型数据集,可以设置allowDiskUse为true来在聚合管道节点把数据写入临时文件。这样就可以解决100MB的内存的限制。

4、db.collection.aggregate()可以作用在分片集合，但结果不能输在分片集合，MapReduce可以作用在分片集合，结果也可以输在分片集合。

5、db.collection.aggregate()方法可以返回一个指针（cursor），数据放在内存中，直接操作。跟Mongo shell 一样指针操作。

6、db.collection.aggregate()输出的结果只能保存在一个文档中，BSON Document大小限制为16M。可以通过返回指针解决，版本2.6中后面：DB.collect.aggregate()方法返回一个指针，可以返回任何结果集的大小。

二、Aggregate pipeline 参数

今天主要是pipeline 运用到Spring上：

【pipeline 参数】

pipeline 类型是Array 语法：db.collection.aggregate( [ { <stage> }, ... ] )

$project：可以对输入文档进行添加新字段或删除现有的字段，可以自定哪些字段显示与不显示。

$match ：根据条件用于过滤数据，只输出符合条件的文档，如果放在pipeline前面，根据条件过滤数据，传输到下一个阶段管道，可以提高后续的数据处理效率。还可以放在out之前，对结果进行再一次过滤。

$limit ：用来限制MongoDB聚合管道返回的文档数

$skip :在聚合管道中跳过指定数量的文档，并返回余下的文档。

$unwind :将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。

$out :必须为pipeline最后一个阶段管道，因为是将最后计算结果写入到指定的collection中。

$group : 将集合中的文档分组，可用于统计结果，$group首先将数据根据key进行分组。

MongoDB上对 pipeline 操作可以查看

学习MongoDB 十一： MongoDB聚合（Aggregation Pipeline基础篇上）（三）

学习MongoDB 十二： MongoDB聚合（Aggregation Pipeline基础篇-下）（四）

三、举例子并在MongoDB操作pipeline

举例【订单】

db. orders.insert([  {          "onumber" : "001",           "date" : "2015-07-02",           "cname" : "zcy1",            "items" :[ {                     "ino" : "001",                    "quantity" :2,                     "price" : 4.0                   },{                     "ino" : "002",                    "quantity" : 4,                     "price" : 6.0                  }                  ]  },{           "onumber" : "002",           "date" : "2015-07-02",           "cname" : "zcy2",            "items" :[ {                    "ino" : "003",                    "quantity" :1,                     "price" : 4.0                     },{                    "ino" : "002",                    "quantity" :6,                     "price" : 6.0                   }                 ]  },{           "onumber" : "003",           "date" : "2015-07-02",           "cname" : "zcy2",            "items" :[ {                    "ino" : "004",                    "quantity" :3,                     "price" : 4.0                     },{                    "ino" : "005",                    "quantity" :1,                     "price" : 6.0                   }                 ]  },{           "onumber" : "004",           "date" : "2015-07-02",           "cname" : "zcy2",            "items" :[ {                    "ino" : "001",                    "quantity" :3,                     "price" : 4.0                     },{                    "ino" : "003",                    "quantity" :1,                     "price" : 6.0                   }                 ]  }])

【MongoDB Aggregation】

我们需要查询订单号为001,002,003中的订单详情各个产品卖出多少个，并且过滤掉数量小于1的产品

> db.orders.aggregate([... {$match:{"onumber":{$in:["001","002", "003"]}}},... {$unwind:"$items"},... {$group:{_id:"$items.ino",total:{$sum:"$items.quantity"}}},... {$match:{total:{$gt:1}}}... ]);{ "_id" : "004", "total" : 3 }{ "_id" : "002", "total" : 10 }{ "_id" : "001", "total" : 2 }

四、AggregationOutput

Spring Data MongoDB 项目提供与MongoDB文档数据库的集成。如果对环境的搭建不清楚可以先看

Spring Data MongoDB 一：入门篇（环境搭建、简单的CRUD操作）

我们先介绍Mongo本身提供的com.mongodb.AggregationOutput进行分组查询，下一篇会介绍Spring Data MongoDB模板封装的Aggregation方法，我们直接看代码

通过模板获取连接，然后执行Aggregation，该方法是参数可以接受多个参数。AggregationOutput提供了一个方法results是返回了

Iterator<DBObject>

【实现类】

@Overridepublic void getAggregation() {Set<String> onumberSet=new HashSet<String>();onumberSet.add("001");onumberSet.add("002");onumberSet.add("003");//过滤条件DBObject queryObject=new BasicDBObject("onumber", new BasicDBObject("$in",onumberSet));DBObject queryMatch=new BasicDBObject("$match",queryObject);//展开数组DBObject queryUnwind=new BasicDBObject("$unwind","$items");//分组统计DBObject groupObject=new BasicDBObject("_id",new BasicDBObject("ino","$items.ino"));groupObject.put("total", new BasicDBObject("$sum","$items.quantity"));DBObject  queryGroup=new BasicDBObject("$group",groupObject);//过滤条件DBObject finalizeMatch=new BasicDBObject("$match",new BasicDBObject("total",new BasicDBObject("$gt",1)));AggregationOutput  output=mongoTemplate.getCollection("orders").aggregate(queryMatch,queryUnwind,queryGroup,finalizeMatch);for (Iterator<DBObject> iterator = output.results().iterator(); iterator.hasNext();) {DBObject obj =iterator.next();System.out.println(obj.toString());}          }

【测试类】

public class TestOrders { private static OrdersDao ordersDaoImpl;      private static  ClassPathXmlApplicationContext  app;      @BeforeClass        public static void initSpring() {           try {                  app = new ClassPathXmlApplicationContext("classpath:applicationContext-mongo.xml");             ordersDaoImpl = (OrdersDao) app.getBean("ordersDaoImpl");           } catch (Exception e) {              e.printStackTrace();          }             }                 @Test           public void testAggregation()          {          ordersDaoImpl.getAggregation();                    }  }

【结果】

2 0