MongoDB 中的聚合

在 MongoDB 中，聚合操作处理数据记录/文档并返回计算结果。它从各种文档中收集值并将它们分组在一起，然后对分组的数据执行不同类型的操作，如总和、平均值、最小值、最大值等，以返回计算结果。它类似于 SQL 的聚合函数。

MongoDB 提供了三种方式来执行聚合

聚合管道
Map-reduce函数
单一用途聚合

聚合管道

在 MongoDB 中，聚合管道由阶段组成，每个阶段都会转换文档。或者换句话说，聚合管道是一个多阶段管道，因此在每个状态下，将文档作为输入并在下一阶段（id 可用）中将文档作为输入并生成结果文档集作为输入并生成输出，这个过程一直持续到最后一个阶段。基本管道阶段提供过滤器来执行类似的查询，文档转换修改结果文档，另一个管道提供用于对文档进行分组和排序的工具。您还可以在分片集合中使用聚合管道。

让我们借助一个示例来讨论聚合管道：

在上面的第一阶段收集火车票价的例子中。在这里，$match 阶段通过 class 字段中的值过滤文档，即 class: “first-class” 并将文档传递给第二阶段。在第二阶段，$group 阶段按 id 字段对文档进行分组，以计算每个唯一 id 的票价总和。

这里，aggregate()函数用于执行聚合，它可以有三个运算符阶段，表达式和累加器。

阶段：每个阶段都从阶段运算符开始，它们是：

$match：用于过滤文档，可以减少作为下一阶段输入的文档数量。
$project：用于从集合中选择一些特定的字段。
$group：用于根据某个值对文档进行分组。
$sort：用于对重新排列它们的文档进行排序
$skip：用于跳过n个文档并传递剩余的文档
$limit：用于传递前 n 个文档，从而限制它们。
$unwind：它用于展开使用数组的文档，即它解构文档中的数组字段以返回每个元素的文档。
$out：用于将结果文档写入新集合

表达式：它指的是输入文档中的字段名称，例如 { $group : { _id : “ $id “, total:{$sum:” $fare “}}} 这里$id和$fare是表达式。

累加器：这些基本上都是用在小组赛阶段

sum：它对每个组中的文档的数值求和
数：它计算文档总数
avg：计算所有文档中所有给定值的平均值
min：从所有文档中获取最小值
max：从所有文档中取最大值
first：从分组中获取第一个文档
last：从分组中获取最后一个文档

笔记：

在 $group _id 是必填字段
$out 必须是管道的最后阶段
$sum:1 将计算文档的数量， $sum:”$fare” 将给出每个 id 生成的总票价的总和。

例子：

在以下示例中，我们正在使用：

Database: GeeksForGeeks

Collection: students

Documents: Seven documents that contain the details of the students in the form of field-value pairs.

编程需要懂一点英语

只显示一个部分的学生总数

db.students.aggregate([{$match:{sec:"B"}},{$count:"Total student in sec:B"}])

在这个例子中，为了统计 B 部分的学生人数，我们首先使用$match运算符过滤文档，然后我们使用$count累加器计算从 $ 过滤后通过的文档总数比赛。

显示两个部分的学生总数和两个部分的最大年龄

db.students.aggregate([{$group: {_id:"$sec", total_st: {$sum:1}, max_age:{$max:"$age"} } }])

在这个例子中，我们使用$group来分组，这样我们就可以对文档中的每个其他部分进行计数，这里$sum对每个组中的文档求和，并且$max accumulator 应用于年龄表达式，它将找到最大年龄每个文件。

使用匹配阶段显示年龄大于 30 岁的学生的详细信息

db.students.aggregate([{$match:{age:{$gt:30}}}])

在本例中，我们显示年龄大于 30 岁的学生。因此我们使用$match运算符过滤掉文档。

学生按年龄排序

db.students.aggregate([{'$sort': {'age': 1}}])

在这个例子中，我们使用$sort运算符按升序排序，我们提供 'age':1 如果我们想按降序排序，我们可以简单地将 1 更改为 -1，即 'age':-1。

显示部分中年龄最大的学生的详细信息 - B

db.students.aggregate([{$match:{sec:"B"}},{'$sort': {'age': -1}},{$limit:1}])

在这个例子中，首先，我们只选择那些有 B 部分的文档，因此，我们使用$match运算符然后我们通过设置 'age':-1 使用$sort按降序对文档进行排序，然后我们使用$limit只显示最上面的结果。

根据科目解散学生

在我们的集合中对数组展开工作，我们有一系列科目（其中包含不同的科目，如数学、物理、英语等），因此展开将在此基础上完成，即数组将被解构，输出将只有一个主题不是一组较早存在的主题。

db.students.aggregate([{$unwind:"$subject"}])

地图缩小

Map reduce 用于聚合大量数据的结果。 Map reduce有两个主要功能，一个是将所有文档分组的映射，第二个是对分组数据执行操作的reduce 。

句法：

db.collectionName.mapReduce(mappingFunction, reduceFunction, {out:'Result'});

例子：

在以下示例中，我们正在使用：

Database: GeeksForGeeks

Collection: studentsMark

Documents: Seven documents that contain the details of the students in the form of field-value pairs.

编程需要懂一点英语

var mapfunction = function(){emit(this.age, this.makrs)}
var reducefunction = function(key, values){return Array.sum(values)}
db.studentsMarks.mapReduce(mapfunction, reducefunction, {'out':'Result'})

现在，我们将根据年龄对文件进行分组，并找出每个年龄组的总分。因此，我们将创建两个变量，第一个 mapfunction 将发出 age 作为键（在输出中表示为“_id”）并将此发出的数据标记为值传递给我们的 reducefunction，它将 key 和 value 作为分组数据，然后它对其执行操作。执行归约后，结果存储在一个集合中，在这种情况下，集合是结果。