MongoDB聚合查询|极客教程

MongoDB聚合查询

介绍

MongoDB是一种非关系型数据库，被广泛应用于大数据处理和分析中。聚合查询是MongoDB中一种强大的功能，能够处理大量数据并提供灵活的分析和计算能力。

聚合查询可以通过将多个操作连接在一起，来组合和计算文档集合中的数据。这些操作包括筛选、分组、排序、计数、求和、平均、获取最大最小值等。聚合查询常用于统计报表、数据分析和业务指标计算等场景。

本文将详细介绍MongoDB聚合查询的语法、常用操作和示例。

聚合查询语法

MongoDB的聚合查询语法使用了管道操作符（pipeline）来描述多个操作的执行过程。每个操作都是一个阶段（stage），可以按照需求来灵活组合。

聚合查询语法的一般形式如下：

db.collection.aggregate([stage1, stage2, ..., stageN])

其中，collection是要进行聚合查询的集合名，stage1, stage2, …, stageN是具体的操作阶段。

常用聚合查询操作

`$match`操作

$match操作用于筛选满足条件的文档。

语法如下：

{ $match: { <query> } }

示例：

db.collection.aggregate([
  {  $match: { age: {$ gt: 18 } } }
])

上述示例将返回age大于18的文档。

`$group`操作

$group操作用于对文档进行分组，并根据指定的条件计算聚合结果。

语法如下：

{ $group: { _id: <expression>, <field1>: { <accumulator1> }, ... } }

示例：

db.collection.aggregate([
  {  $group: { _id: "$ category", total: {  $sum: "$ amount" } } }
])

上述示例将按照category字段分组，并计算每组的amount之和。

`$sort`操作

$sort操作用于对结果进行排序。

语法如下：

{ $sort: { <field1>: <sort order1>, ... } }

示例：

db.collection.aggregate([
  { $sort: { total: -1 } }
])

上述示例将结果按照total字段降序排序。

`$limit`操作

$limit操作用于限制返回结果的数量。

语法如下：

{ $limit: <n> }

示例：

db.collection.aggregate([
  { $limit: 10 }
])

上述示例将返回前10条结果。

`$project`操作

$project操作用于选择要返回的字段，并可进行字段重命名、加减运算等操作。

语法如下：

{ $project: { <field1>: 1, <field2>: 1, ..., <newField>: <expression> } }

示例：

db.collection.aggregate([
  {  $project: { _id: 0, name: 1, age: 1, doubledAge: {$ multiply: ['$age', 2] } } }
])

上述示例将返回结果中的name、age字段，并新增一个doubledAge字段，其值为age字段的两倍。

完整示例

假设我们有一个名为students的集合，其中包含了学生的姓名、年龄和成绩。

> db.students.insertMany([
    { name: "张三", age: 20, score: 80 },
    { name: "李四", age: 22, score: 85 },
    { name: "王五", age: 21, score: 90 },
    { name: "赵六", age: 19, score: 75 },
    { name: "钱七", age: 18, score: 95 }
  ])

我们可以使用聚合查询来统计各年龄段学生的平均成绩，并按照年龄降序排序。

> db.students.aggregate([
    {  $group: { _id: "$ age", averageScore: {  $avg: "$ score" } } },
    { $sort: { _id: -1 } }
  ])

运行上述查询后，将得到以下结果：

{ "_id" : 22, "averageScore" : 85 }
{ "_id" : 21, "averageScore" : 90 }
{ "_id" : 20, "averageScore" : 80 }
{ "_id" : 19, "averageScore" : 75 }
{ "_id" : 18, "averageScore" : 95 }