《MongoDB高手课》学习记录（第四天）

第四天

今天要学习的是《08 | 聚合查询》，这一节主要是理论的内容，后面的一节是演练。

聚合框架

MongoDB的聚合框架，可以处理进行类似于SQL的group，left outer join之类的运算，只不过可以来控制执行的顺序。
适应的范围目前看优势还是在分析（OLAP），当然OLTP也支持

基本格式

常规的用法是生成一个数组(Pipeline),然后在Pipeline里写处理的步骤(Stage)，最后在表（Collection）上调用arrgegate来进行运算。

## 这个是伪代码
pipeline = [$stage1, $stage2, ... $stageN];
db.<COLLECTION>.aggregate(
    pipline,
    { options }
);

与MySQL的对比

与SQL运算符的比较

步骤	作用	SQL
$match	过滤	where
$project	投影	as
$sort	排序	order by
$group	分组	group by
$skip/$limit	结果限制	skip/limit
$lookup	左外连接	left outer join

步骤中运算符

$match，过滤

$eq/$gt/$lt/$gte/$lte
$and/$or/$not/$in
$geoWithin/$intersect

---

$project,选择字段

$map/$reduce/$filter
$range
$multiply/$divide/$substract/$add
$year/$month/$dayOfMonth/$hour/$minute/$second

---

$group,分组

$sum/$avg
$push/$addToSet
$first/$last/$max/$min

---

特有的步骤，SQL里没有对应的

步骤	作用
$unwind	展开数组
$graphLookup	图搜索
$facet/$bucket	分面搜索

例子1

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'
    }
  }
]);

例子2

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 }}}
])

例子3 $unwind

说白了就是将文档的树型结构展开成行的结构

文档

> db.students.findOne()
{
  name: '张三',
  score: [
    { subject: '语文', score: 84 },
    { subject: '数学', score: 90 },
    { subject: '外语', score: 69 }
  ]
}

展开成行

db.students.aggregate([$unwind: '$score'}])
{ name: '张三', score: {subject: '语文', score: 84 }}
{ name: '张三', score: {subject: '数学', score: 90 }}
{ name: '张三', score: {subject: '外语', score: 69 }}

$bucket，就是针对一个数据，按区间来统计

db.products.aggregate([{
  $bucket: {
    groupBy: '$price',
    boundaries: [0, 10, 20, 30, 40],
    default: 'Other',
    output: { 'count': { $sum: 1 }}
  }
}])

$facet,还是按区间统计，但可针对多个数据分别统计

db.products.aggregate([{
  $facet: {
    price: {
      $bucket: {...}
    },
    year: {
      $bucket: {...}
    }
  }
}])

最后

今天的状态不太好哈，简单过一个基础知识，明天操练起来