NoSQL | MongoDB入门实战教程（6）-技术圈

【NoSQL】| 总结/Edison Zhou

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：

3MQL 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：

-- SQLSELECT  FIRST_NAME AS `名`,  LAST_NAME AS `姓`FROM UsersWHERE GENDER = '男'SKIP 100LIMIT 20-- MQLdb.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：

-- SQLSELECT DEPARTMENT,  COUNT(NULL) AS EMP_QTYFROM UsersWHERE GENDER = '女'GROUP BY DEPARTMENT HAVINGCOUNT(*) < 10-- MQLdb.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}}

End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

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

欢迎各位读者加入微信群一起学习交流，

在公众号后台回复“加群”即可~~

‍