MongoDB入门实战教程(6)
本系列教程目录:
通过前面几篇的学习,作为后端开发的我们基本可以应付70%的开发场景。接下来,我们就来看点进阶一点的东西,首先是聚合查询。
1 聚合框架简介
前面的学习我们都是针对单个Collection操作的,虽然在MongoDB中针对Collection的设计就已经是无模式的,因此我们大部分场景都是针对单个Collection进行操作。
但是,我们在实际应用场景中还是会遇到想要SQL查询中的 GROUP BY、LEFT OUTER JOIN、AS等操作。
好在,MongoDB提供了一套聚合框架(Aggregation Framework),它可以帮助我们在一个或多个Collection上,对Collection中的数据进行一系列的计算,并将这些数据转化为期望的格式。
整个聚合计算的过程也被称之为管道(Pipeline),由多个步骤(Stage)组成,这一点和Jenkins Pipeline比较类似。其中,每个管道需要:
(1)接受一系列Document(原始数据)
(2)每个步骤对这些Document进行一系列的运算
(3)结果Document输出给下一个步骤
整个管道的过程如下图所示:
聚合计算的基本格式如下所示:
pipeline = [$stage1, $stage2, ...$stageN]; db.<CollectionName>.aggregate( pipeline, { options } );
2 聚合操作实例
示例数据数据库
这里我们使用《MongoDB入门实战教程(3)》中使用Mongo Tools进行恢复的Mock数据库中的orders集合来进行应用。
在orders集合中,约有100000条记录。
每个order文档的数据模型如下所示:
练习1:目前为止的订单总销量
假设我们需要针对orders集合进行一个操作,计算到目前为止的所有订单的总销售额:
db.orders.aggregate([ { $group: { _id: null, total: { $sum: "$total" } } } ]);
这里我们使用到了一个常见的步骤(Stage):$group,它和SQL中的GROUP BY等价,用于对数据进行分组。这里我们仅仅是做一个求和,不需要对谁进行分组。
然后,我们还用到了一个分组步骤中常用的运算符:$sum,它和SQL中的SUM等价,用于对指定列的数据进行求和。这里我们需要对total字段进行一个求和。
下图是查询结果:
练习2:某个日期区间的订单金额汇总
假设我们需要查询在2019年第一季度已完成订单的订单总金额和订单总数。
说明:第一季度为1月1日~3月31日,订单状态为completed。
db.orders.aggregate([ // 步骤1:匹配条件 { $match: { status: "completed", orderDate: { $gte: ISODate("2019-01-01"), $lt: ISODate("2019-04-01") } } }, // 步骤二:聚合订单总金额、总运费、总数量 { $group: { _id: null, total: { $sum: "$total" }, shippingFee: { $sum: "$shippingFee" }, count: { $sum: 1 } } }, { $project: { // 计算总金额 grandTotal: { $add: ["$total", "$shippingFee"] }, count: 1, _id: 0 } } ])
可以看到,这是一个较为复杂的查询,我们可以将其分为三步:
第一步,使用$match进行匹配,这一点是做的SQL中的WHERE操作。
第二步,使用$group进行分组,目的是为了使用SUM运算符求和。
第三步,使用$project进行投影,目的是选择需要的或排除不需要的字段显示。
下图是查询结果:
3 MQL vs SQL
分页查询对比
在SQL中常使用SKIP 和 LIMIT 进行分页查询,在MQL中也有等价操作:
-- 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' }} ]);
分组查询对比
在SQL中常使用GROUP BY + HAVING 的分组高级查询,在MQL中也有等价操作:
-- 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}}} ]);
unwind
在MQL中有一个特有的步骤 unwind,它可以实现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。
> db.students.findOne() { name:'张三', score:[ {subject:'语文',score:84}, {subject:'数学',score:90}, {subject:'外语',score:69} ] } > 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}}
4 总结
本文简单介绍了MongoDB的Aggregation Framework 以及 如何使用聚合框架进行聚合查询。
下一篇,我们会学习MongoDB的模式设计中的一些设计模式。
参考资料
Microsoft Doc,使用ASP.NET Core和MongoDB创建WebAPI
唐建法,《MongoDB高手课》(极客时间)
郭远威,《MongoDB实战指南》(图书)
△推荐订阅学习