家具营销策划方案,技术教程优化搜索引擎整站,网站图片多 如何优化,销售公司运营方案本文对应Aggregation Operations — MongoDB Manual 正文
此章节主要介绍了Aggregation Pipeline#xff0c;其实就是将若干个聚合操作放在管道中进行执行#xff0c;每一个聚合操作的结果作为下一个聚合操作的输入#xff0c;每个聚合指令被称为一个stage。
在正式开始学… 本文对应Aggregation Operations — MongoDB Manual 正文
此章节主要介绍了Aggregation Pipeline其实就是将若干个聚合操作放在管道中进行执行每一个聚合操作的结果作为下一个聚合操作的输入每个聚合指令被称为一个stage。
在正式开始学习聚合操作前请先按照下面的方式在你的mongodb中创建数据可和插入记录
首先通过创建数据库和表我这里为了方便直接使用可视化工具Robo3T(官网推荐)来进行操作 然后直接通过下面指令添加记录
db.orders.insertMany( [{ _id: 0, name: Pepperoni, size: small, price: 19,quantity: 10, date: ISODate( 2021-03-13T08:14:30Z ) },{ _id: 1, name: Pepperoni, size: medium, price: 20,quantity: 20, date : ISODate( 2021-03-13T09:13:24Z ) },{ _id: 2, name: Pepperoni, size: large, price: 21,quantity: 30, date : ISODate( 2021-03-17T09:22:12Z ) },{ _id: 3, name: Cheese, size: small, price: 12,quantity: 15, date : ISODate( 2021-03-13T11:21:39.736Z ) },{ _id: 4, name: Cheese, size: medium, price: 13,quantity:50, date : ISODate( 2022-01-12T21:23:13.331Z ) },{ _id: 5, name: Cheese, size: large, price: 14,quantity: 10, date : ISODate( 2022-01-12T05:08:13Z ) },{ _id: 6, name: Vegan, size: small, price: 17,quantity: 10, date : ISODate( 2021-01-13T05:08:13Z ) },{ _id: 7, name: Vegan, size: medium, price: 18,quantity: 10, date : ISODate( 2021-01-13T05:10:13Z ) }
] )
上面插入的数据用Robo3T的表格形式显示一下如下 现在有了数据后我们开始正式学习聚合操作相关的指令 运行聚合操作使用的命令为 db.collection.aggregate()
下面开始学习聚合相关的指令
$match $match相当于sql中的where条件来看例子 例子将表中size字段为medium的记录查询出来 db.orders.aggregate( [{$match: { size: medium }}
] ) $group $group就是分组的意思看例子 例子查找size为medium并且对其进行分组显示 db.orders.aggregate( [// Stage 1: Filter pizza order documents by pizza size{$match: { size: medium }},// Stage 2: Group remaining documents by pizza name and calculate total quantity{$group: { _id: $name, totalQuantity: { $sum: $quantity } }}
] ) 在这个例子中我们就会看到聚合操作中所谓的pipeline的用法例子中我们用了$match和$group两个指令他们的执行是分为2个阶段(stage)第一个阶段通过$match来进行数据的过滤将满足的数据作为$group指令的输入$group指令将$match的结果进行分组。后面的例子中全都是这种pipeline方式的聚合操作。 $project $project用来指定只输出哪些字段看例子 例子查询name字段为Pepperoni的记录并且只显示_id和name两个字段 db.orders.aggregate( [{ $match: { name: Pepperoni} },{ $project: { _id: 1, name: 1} }] ) 通过$project我们指定结果中只显示_id和name字段注意的是在$match这个阶段输出的结果中包含了所有的字段而只有在$project这个阶段才将所以字段中的_id和name两个字段拿出来显示。 $sort $sort就是就它上面阶段输出的内容进行排序的作用看例子 例子查询name字段为Pepperoni的记录按照_id进行排序并且只显示_id和name两个字段. db.orders.aggregate( [// Stage 1: Filter pizza order documents by date range{ $match: { name: Pepperoni} },{ $project: { _id: 1, name: 1}},{$sort:{_id:-1} // -1:倒序 | 1:正序}] )
关于更多的aggregate Pipeline的的指令这里就全部列出来了大家可以到官网中查询剩余的其他指令下面讲一下关于使用aggregate pipeline的一些限制
在使用aggregate命令执行聚合操作是对于发挥结果是由限制的也就是你返回的json内容大小不能超过16 megabyte(16MB)上面介绍的这些例如$project,$sort这些用在pipeline中的指令不能超过1000个(每个指令被称为一个阶段stage阶段当查询结果大于16MB时会默认使用磁盘来存储结果可以通过 { allowDiskUse: false }来禁用这个写入磁盘的操作。
Aggregation Pipeline and Sharded Collections 就是当我们的mongdb是在分片模式下如何使用聚合操作
