mongo中的高级查询之聚合操作(distinct,count,group)与数据去重

Posted 2023-03-05

参考技术A Mongodb中自带的基本聚合函数有三种：count、distinct和group。下面我们分别来讲述一下这三个基本聚合函数。

（1）count

作用：简单统计集合中符合某种条件的文档数量。

使用方式：db.collection.count(<query>)或者db.collection.find(<query>).count()

参数说明：其中<query>是用于查询的目标条件。如果出了想限定查出来的最大文档数，或者想统计后跳过指定条数的文档，则还需要借助于limit，skip。

举例：

db.collection.find(<query>).limit();

db.collection.find(<query>).skip();

（2）distinct

作用：用于对集合中的文档针进行去重处理

使用方式：db,collection.distinct(field,query)

参数说明：field是去重字段，可以是单个的字段名，也可以是嵌套的字段名；query是查询条件，可以为空；

举例：

db.collection.distinct("user",“age":$gt:28);//用于查询年龄age大于28岁的不同用户名

除了上面的用法外，还可以使用下面的另外一种方法：

db.runCommand("distinct":"collectionname","key":"distinctfied","query":<query>)

collectionname：去重统计的集合名，distinctfield：去重字段,，<query>是可选的限制条件；

举例：

这两种方式的区别：第一种方法是对第二种方法的封装，第一种只返回去重统计后的字段值集合，但第二种方式既返回字段值集合也返回统计时的细节信息。

（3）group

作用：用于提供比count、distinct更丰富的统计需求，可以使用js函数控制统计逻辑

使用方式：db.collection.group(key,reduce,initial[,keyf][,cond][,finalize])

备注说明：在2.2版本之前，group操作最多只能返回10000条分组记录，但是从2.2版本之后到2.4版本，mongodb做了优化，能够支持返回20000条分组记录返回，如果分组记录的条数大于20000条，那么可能你就需要其他方式进行统计了，比如聚合管道或者MapReduce；

===========================================================

mongo中的高级查询之聚合操作(distinct,count,group)

1.distinct的实现：

2.count的实现

3.group的实现

(1).分组求和:类似于mysql中的 select act,sum(count) from consumerecords group by act

(2).分组求和,过滤。类似mysql中的select act,sum(count) from consumerecords group by act having act='charge';

(3).将时间格式化并且按时间分组求count,不推荐使用这种方法。

db.playerlogs.aggregate( concat:[ year:" substr:[ start",0,4], dayOfMonth:" group:_id:" sum:1,$sort:con:1) ;

group按时间分组(时间格式化)

http://www.tuicool.com/articles/EjUnQz

javascriptz中时间的相关函数参考:

http://blog.csdn.net/npp616/article/details/7181730

(4).group 分组方法实现的讲解。

group 的完整语法是。

参数解释:

key:需要分组的键或是函数(function),group分组实例3中的key就是一个函数值

initial:声明并且初始化变量。每一组共享一个变量值。多个变量之间用逗号隔开

$reduce:循环体,集合中有多少个文档，就会循环多少次。函数(function)中变量doc表示当前文档对象,

prev表示累积处理的结果对象(这个地方可能描述的不是很情况,自己慢慢体会)

finalize:可选参数,可以简单理解为对分组之后的结果的再次处理,doc表示group之后的文档对象(这一步也是一个循环体

condition:可选参数,对已经分组好的结果进行过滤,有点类似于mysql中的having

4.mapReduce:暂缺,要想玩转这个方法需要有很强的JavaScript功能。

据说mapReduce 可以实现很复杂的查询,可以将一个复杂的查询分拆到多个机器上运行,

然后把各个结果集组合起来,形成最终结果。但是很慢。

mapreduce用法大全

http://www.cnblogs.com/yuechaotian/archive/2013/02/22/2922268.html

mapreduce性能调优

http://www.iteye.com/news/28013

数组中去除重复值示例

http://www.cnblogs.com/sosoft/archive/2013/12/08/3463830.html

5.db.runCommand的相关命令.

db.runCommand(distinct:"consumerecords",key:"userId"):键值去重 类似于mysql中的 select distinct userId from consumerecords

db.runCommand(distinct:"consumerecords",key:"userId").values.length:去重之后求记录数,类似于mysql中的 select count(distinct userId) from consumerecords

db.runCommand(distinct:"consumerecords",key:"userId",query:act:"charge"):去重之后求记录数,类似于mysql中的 select distinct userId from consumerecords where act="charge"

db.runCommand(

...

... group:

...

... ns:"test2", # 集合名

... key:iname:true, # 分组字段

... initial:dd:0, # 按照来初始化该值

... reduce之后 ,function返回的值

...

... prev.dd=doc.iage+prev.dd #

...

...

...

...

... )

数值以字符串形式存储的解决方案：

db.runCommand(



group:



ns:"consumerecords",

key:act:true,

initial:ct:100,tt:0,

$reduce:function(doc,prev)



,





)
去重
1, 直接使用distinct 语句查询, 这种查询会将所有查询出来的数据返回给用户, 然后对查询出来的结果集求总数(耗内存,耗时一些)

var len = db.student.distinct("name","age" : 18).length;
print(len)
注,使用这种方法查询时,查询的结果集大于16M 时会查询失败,失败信息如下:

“message” : “distinct failed: MongoError: distinct too big, 16mb cap”,”stack” : “script:1:20”
2, 使用聚合函数,多次分组统计结果,最终将聚合的结果数返回给用户

db.student.aggregate([
project:"name":true,
name",
sum:1
])
注,这种查询数据量大时就不会出现如上查询失败的情况,而且这种查询不管是内存消耗还是时间消耗都优于上面一种查询

ps：根据id分组，id指定为组合项的话，因为id不会重复，所以作用相当于把组合项去重了。
假如现在需要拿出collection的其他field的话，可以使用$push关键字

// 根据name和sex分组
// 把分组后的name,sex,age放到对应的Document下，形成一个数组
db.student.aggregate(
[

name", sex: " push: " push: " push: "$age"


]
). forEach(function(x)
db.temp.insert(

name: x.name,
sex : x.sex,
age: x.age

);
);