MongoDB学习七--MongoDB高级操作

今天学习了mongodb中比较好玩的知识，主要包括：聚合，游标。

聚合

常见的聚合操作跟sql server一样，有：count，distinct，group，mapReduce。

1，count是最简单，最容易，也是最常用的聚合工具，跟sql语句相差不大

> db.person.count()

4

> db.person.count({"age":"28"})

2

2，distinct查出不重复的值

> db.person.distinct({"age"})

2015-08-24T19:19:25.264+0800 E QUERY SyntaxError: Unexpected token }

> db.person.distinct("age")

[ "20", "23", "28" ]

3，在mongodb里面做group操作有点小复杂，不过大家对sql server里面的group比较熟悉的话还是一眼能看的明白的，其实group操作本质上形成了一种“k-v”模型。

下面举的例子就是按照age进行group操作，value为对应age的姓名。下面对这些参数介绍一下：

key： 这个就是分组的key，我们这里是对年龄分组。

initial: 每组都分享一个”初始化函数“，特别注意：是每一组，比如这个的age=20的value的list分享一个initial函数，age=22同样也分享一个initial函数。

$reduce: 这个函数的第一个参数是当前的文档对象，第二个参数是上一次function操作的累计对象，第一次为initial中的{”perosn“：[]}。有多少个文档， $reduce就会调用多少次。

> db.person.group({

... "key":{"age":true},

... "initial":{"person":[]},

... "$reduce":function(cur,prev){

... prev.person.push(cur.name);

... }

... })

[

{

"age" : "20",

"person" : [

"jack"

]

},

{

"age" : "23",

"person" : [

"jack zhang"

]

},

{

"age" : "28",

"person" : [

"jack Ma",

"Lucy"

]

}

]

看到上面的结果，是不是有点感觉，我们通过age查看到了相应的name人员，不过有时我们可能有如下的要求：

①：想过滤掉age>27一些人员。

②：有时person数组里面的人员太多，我想加上一个count属性标明一下。

针对上面的需求，在group里面还是很好办到的，因为group有这么两个可选参数: condition 和 finalize。

condition: 这个就是过滤条件。

finalize:这是个函数，每一组文档执行完后，多会触发此方法，那么在每组集合里面加上count也就是它的活了。

> db.person.find({"age":{$gt:20}})

{ "_id" : ObjectId("55db0437eddcc2232489cb53"), "name" : "LiLei zhang", "age" : 23, "address" : "ShangHai" }

{ "_id" : ObjectId("55db0440eddcc2232489cb54"), "name" : "Lucy zhang", "age" : 23, "address" : "ShangHai" }

{ "_id" : ObjectId("55db0450eddcc2232489cb55"), "name" : "Lily zhang", "age" : 26, "address" : "BJ" }

{ "_id" : ObjectId("55db045aeddcc2232489cb56"), "name" : "Jack zhang", "age" : 26, "address" : "SZ" }

{ "_id" : ObjectId("55db0468eddcc2232489cb57"), "name" : "Mathew zhang", "age" : 28, "address" : "SZ" }

{ "_id" : ObjectId("55db0470eddcc2232489cb58"), "name" : "Deth zhang", "age" : 28, "address" : "SZ" }

先按条件查出所有，再按条件分组

db.person.group({ "key":{"age":true}, "initial":{"person":[]}, "$reduce":function(doc,out){ out.person.push(doc.name); }, "finalize":function(out){
out.count=out.person.length; }, "condition":{"age":{$lt:28}} })

[

{

"age" : 23,

"person" : [

"LiLei zhang",

"Lucy zhang"

],

"count" : 2

},

{

"age" : 26,

"person" : [

"Lily zhang",

"Jack zhang"

],

"count" : 2

}

]

4，mapReduce这玩意算是聚合函数中最复杂的了，不过复杂也好，越复杂就越灵活。mapReduce其实是一种编程模型，用在分布式计算中，其中有一个“map”函数，一个”reduce“函数。

① map：这个称为映射函数，里面会调用emit(key,value)，集合会按照你指定的key进行映射分组。

② reduce：这个称为简化函数，会对map分组后的数据进行分组简化，注意：在reduce(key,value)中的key就是emit中的key，vlaue为emit分组后的emit(value)的集合，这里也就是很多{"count":1}的数组。

③ mapReduce:这个就是最后执行的函数了，参数为map，reduce和一些可选参数。具体看图可知：

> var map= function() {

... emit(this.name, this.age);

... }

> var reduce= function(key,value) {

... return Array.sum(value);

... }

> db.person.mapReduce(

... map,

... reduce,

... { out: "map_reduce_person" }

... )

{

"result" : "map_reduce_person",

"timeMillis" : 33,

"counts" : {

"input" : 6,

"emit" : 6,

"reduce" : 0,

"output" : 6

},

"ok" : 1

}

从图中我们可以看到如下信息：

result: "存放的集合名“；

input:传入文档的个数。

emit：此函数被调用的次数。

reduce：此函数被调用的次数。

output:最后返回文档的个数。

游标

mongodb里面的游标有点类似我们说的C#里面延迟执行，比如：

var list=db.person.find();

针对这样的操作，list其实并没有获取到person中的文档，而是申明一个“查询结构”，等我们需要的时候通过for或者next()一次性加载过来，然后让游标逐行读取，当我们枚举完了之后，游标销毁，之后我们在通过list获取时，发现没有数据返回了。

> var list=db.person.find();

> list.forEach(function(x){

... print(x.name);

... })

LiLei zhang

Lucy zhang

Lily zhang

Jack zhang

Mathew zhang

Deth zhang

当然我们的“查询构造”还可以搞的复杂点，比如分页，排序都可以加进去。

var single=db.person.find().sort({"name",1}).skip(2).limit(2);

那么这样的“查询构造”可以在我们需要执行的时候执行，大大提高了不必要的花销。

> var single=db.person.find().sort({"name":1}).skip(2).limit(3)

> single

{ "_id" : ObjectId("55db0437eddcc2232489cb53"), "name" : "LiLei zhang", "age" : 23, "address" : "ShangHai" }

{ "_id" : ObjectId("55db0450eddcc2232489cb55"), "name" : "Lily zhang", "age" : 26, "address" : "BJ" }

{ "_id" : ObjectId("55db0440eddcc2232489cb54"), "name" : "Lucy zhang", "age" : 23, "address" : "ShangHai" }