MongoDB 聚合查询操作详解

MongoDB 是一个流行的文档型数据库，它支持强大的聚合查询操作。聚合查询操作可以让我们对文档进行分组、筛选、排序、统计等操作，获取更加灵活和精确的数据结果。本文将详细介绍 MongoDB 聚合查询操作的使用方法和常见技巧，并提供示例代码和实战指导。

聚合查询操作的基本语法

MongoDB 的聚合查询操作基于管道（pipeline）模型，它将多个操作步骤串联起来，从而实现复杂的数据处理过程。聚合查询操作的基本语法如下：

db.collection.aggregate(pipeline, options)

其中，db.collection 表示要进行聚合查询的集合（类似于关系型数据库中的表），pipeline 是一个由多个操作步骤组成的数组，每个操作步骤都是一个对象，表示一个具体的聚合操作。options 是一个可选的对象，表示聚合查询的额外选项，比如超时时间、缓存策略等。

聚合查询操作的操作步骤可以分为以下几类：

• $match：筛选符合条件的文档。
• $project：选择文档的字段，并进行重命名、计算等操作。
• $group：将文档按照指定的字段进行分组，并进行统计、求和等操作。
• $sort：按照指定的字段进行排序。
• $limit：限制返回的文档数量。
• $skip：跳过指定数量的文档。

下面将分别介绍这些操作步骤的使用方法和常见技巧。

$match 操作步骤

$match 操作步骤用于筛选符合条件的文档。它的语法如下：

{ $match: { <query> } }

其中，<query> 表示一个查询条件，可以是一个简单的键值对，也可以是一个复杂的表达式。比如，下面的代码将筛选出 age 大于 18 的文档：

db.collection.aggregate([
  { $match: { age: { $gt: 18 } } }
])

$match 操作步骤支持多个查询条件，它们之间是逻辑与的关系。比如，下面的代码将筛选出 age 大于 18 且 gender 为 "male" 的文档：

db.collection.aggregate([
  { $match: { age: { $gt: 18 }, gender: "male" } }
])

$match 操作步骤还支持一些特殊的查询条件，比如 $in、$nin、$and、$or 等，可以实现更加复杂的查询逻辑。比如，下面的代码将筛选出 age 在 18 到 30 之间或 gender 为 "male" 的文档：

db.collection.aggregate([
  { $match: { $or: [ { age: { $gte: 18, $lte: 30 } }, { gender: "male" } ] } }
])

$project 操作步骤

$project 操作步骤用于选择文档的字段，并进行重命名、计算等操作。它的语法如下：

{ $project: { <field1>: <expression1>, <field2>: <expression2>, ... } }

其中，<field> 表示要选择或计算的字段名，<expression> 表示对该字段的计算或重命名操作。比如，下面的代码将选择 name 和 age 两个字段，并重命名 age 为 age2：

db.collection.aggregate([
  { $project: { name: 1, age2: "$age" } }
])

$project 操作步骤支持多种表达式，比如算术表达式、逻辑表达式、字符串表达式等，可以实现各种复杂的计算逻辑。比如，下面的代码将选择 name 和 age 两个字段，并计算出 age 的平方：

db.collection.aggregate([
  { $project: { name: 1, age_square: { $multiply: [ "$age", "$age" ] } } }
])

$group 操作步骤

$group 操作步骤用于将文档按照指定的字段进行分组，并进行统计、求和等操作。它的语法如下：

{ $group: { _id: <expression>, <field1>: { <accumulator1> }, <field2>: { <accumulator2> }, ... } }

其中，_id 表示分组字段，可以是一个常量、一个字段名、一个表达式等。<field> 表示要统计或求和的字段名，<accumulator> 表示对该字段的统计或求和操作，比如 $sum、$avg、$max、$min 等。比如，下面的代码将按照 gender 字段进行分组，并统计每组的平均年龄和人数：

db.collection.aggregate([
  { $group: { _id: "$gender", avg_age: { $avg: "$age" }, count: { $sum: 1 } } }
])

$group 操作步骤还支持多个分组字段，它们之间是逻辑与的关系。比如，下面的代码将按照 gender 和 age 两个字段进行分组，并统计每组的平均身高和人数：

db.collection.aggregate([
  { $group: { _id: { gender: "$gender", age: "$age" }, avg_height: { $avg: "$height" }, count: { $sum: 1 } } }
])

$sort 操作步骤

$sort 操作步骤用于按照指定的字段进行排序。它的语法如下：

{ $sort: { <field1>: <order1>, <field2>: <order2>, ... } }

其中，<field> 表示要排序的字段名，<order> 表示排序的顺序，可以是 1 表示升序，-1 表示降序。比如，下面的代码将按照 age 字段进行升序排序：

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

$sort 操作步骤还支持多个排序字段，它们之间是逻辑与的关系。比如，下面的代码将先按照 gender 字段进行升序排序，再按照 age 字段进行降序排序：

db.collection.aggregate([
  { $sort: { gender: 1, age: -1 } }
])

$limit 操作步骤

$limit 操作步骤用于限制返回的文档数量。它的语法如下：

{ $limit: <n> }

其中，<n> 表示要返回的文档数量。比如，下面的代码将返回前 10 条文档：

db.collection.aggregate([
  { $limit: 10 }
])

$skip 操作步骤

$skip 操作步骤用于跳过指定数量的文档。它的语法如下：

{ $skip: <n> }

其中，<n> 表示要跳过的文档数量。比如，下面的代码将跳过前 10 条文档，并返回剩余的文档：

db.collection.aggregate([
  { $skip: 10 }
])

实战指导

上面介绍了 MongoDB 聚合查询操作的基本语法和常见技巧，下面将通过一个实例来演示如何使用聚合查询操作实现复杂的数据处理逻辑。

假设我们有一个名为 orders 的集合，其中存储了所有的订单信息。每个订单包含以下字段：

• _id：订单 ID。
• user_id：用户 ID。
• product_id：商品 ID。
• price：商品价格。
• quantity：商品数量。
• created_at：订单创建时间。

我们的任务是统计每个用户的订单总金额和订单数量，并按照总金额进行降序排序。这个任务可以通过聚合查询操作来实现，具体的操作步骤如下：

1. 使用 $group 操作步骤按照 user_id 字段进行分组，并统计每个用户的订单总金额和订单数量：

   { $group: { _id: "$user_id", total_amount: { $sum: { $multiply: [ "$price", "$quantity" ] } }, count: { $sum: 1 } } }

2. 使用 $sort 操作步骤按照 total_amount 字段进行降序排序：

   { $sort: { total_amount: -1 } }

3. 使用 $project 操作步骤选择 user_id、total_amount 和 count 三个字段，并重命名 user_id 为 user：

   { $project: { user: "$_id", total_amount: 1, count: 1, _id: 0 } }

4. 使用 $limit 操作步骤限制返回的文档数量：

   { $limit: 10 }

将以上操作步骤组合起来，可以得到以下完整的聚合查询操作：

db.orders.aggregate([
  { $group: { _id: "$user_id", total_amount: { $sum: { $multiply: [ "$price", "$quantity" ] } }, count: { $sum: 1 } } },
  { $sort: { total_amount: -1 } },
  { $project: { user: "$_id", total_amount: 1, count: 1, _id: 0 } },
  { $limit: 10 }
])

这个聚合查询操作将返回订单总金额最高的前 10 个用户的统计信息，包括用户 ID、订单总金额和订单数量。这个操作可以帮助我们了解每个用户的消费情况，从而制定更加精准的营销策略。

总结

本文介绍了 MongoDB 聚合查询操作的基本语法和常见技巧，包括 $match、$project、$group、$sort、$limit 和 $skip 等操作步骤。聚合查询操作可以帮助我们实现复杂的数据处理逻辑，从而获得更加灵活和精确的数据结果。在实际应用中，我们可以根据具体的业务需求，灵活运用聚合查询操作，提高数据分析和决策的效率和准确性。

来源：JavaScript中文网 ，转载请注明来源 本文地址：https://www.javascriptcn.com/post/65536f9ed2f5e1655dd2b2db