MongoDB入门实战教程（6）

本系列教程目录：

MongoDB入门实战教程（1）

MongoDB入门实战教程（2）

MongoDB入门实战教程（3）

MongoDB入门实战教程（4）

MongoDB入门实战教程（5）

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}}