MongoDB Aggregation Framework初探

    MongoDB 2.1 多了新Feature - Aggregation Framework。最近工做須要就稍微看了下，Mark之。

Overview

    Aggregation 提供的功能map-reduce也能作(諸如統計平均值,求和等)。官方那個大胖子說這東西比map-reduce簡單, map-reduce 我沒用過, 不過從使用Aggregation的狀況來看, 進行統計等操做仍是蠻方便的。

    整體而言，Aggregation就是相似 Unix-like中的 管道 的概念，能夠將不少數據流串起來，不一樣的數據處理階段能夠再上一個階段的基礎上再次加工。

Pipeline-Operator

    比較經常使用的有：    

    •$project -  能夠重構數據

    •$match - 能夠實現相似query的功能

    •$limit - 限制返回個數，你懂的

    •$skip - 同上

    •$unwind - 能夠將一個包含數組的文檔切分紅多個, 好比你的文檔有 中有個數組字段 A, A中有10個元素, 那麼                                 通過 $unwind處理後會產生10個文檔，這些文檔只有 字段 A不一樣

    •$group - 統計操做， 還提供了一系列子命令

         –$avg, $sum …

    •$sort  - 排序

Usage - Java

    我在db中造了些數據(數據時隨機生成的, 能用便可)，沒有建索引，文檔結構以下：

Document結構:
  {
   "_id" : ObjectId("509944545"),
   "province" : "海南",
   "age" : 21,
   "subjects" : [
 	{
 	"name"："語文",
 	"score" : 53
 	},
 	{
 	"name"："數學",
 	"score" : 27
 	},
 	{
 	"name"："英語",
 	"score" : 35
 	}
     ],
   "name" : "劉雨"
  }

     接下來要實現兩個功能：

1.     統計上海學平生均年齡

2.     統計每一個省各科平均成績

   接下來一一道來

   統計上海學平生均年齡

   從這個需求來說，要實現功能要有幾個步驟: 1. 找出上海的學生. 2. 統計平均年齡 (固然也能夠先算出全部省份的平均值再找出上海的)。如此思路也就清晰了

   首先上 $match, 取出上海學生

   {$match:{'province':'上海'}}

   接下來 用 $group 統計平均年齡

   
   

   {$group:{_id:’$province’,$avg:’$age’}}

   $avg 是 $group的子命令，用於求平均值，相似的還有 $sum, $max ....

   上面兩個命令等價於

   select province, avg(age) 
    from student 
    where province = '上海' 
    group by province

   下面是Java代碼

   Mongo m = new Mongo("localhost", 27017);
    DB db = m.getDB("test");
    DBCollection coll = db.getCollection("student");
   
    /*建立 $match, 做用至關於query*/
    DBObject match = new BasicDBObject("$match", new BasicDBObject("province", "上海"));
    
    /* Group操做*/
    DBObject groupFields = new BasicDBObject("_id", "$province");
    groupFields.put("AvgAge", new BasicDBObject("$avg", "$age"));
    DBObject group = new BasicDBObject("$group", groupFields);
    
    /* 查看Group結果 */
    AggregationOutput output = coll.aggregate(match, group); // 執行 aggregation命令
    System.out.println(output.getCommandResult());

   輸出結果：

   { "serverUsed" : "localhost/127.0.0.1:27017" ,        
     "result" : [ 
    	{ "_id" : "上海" , "AvgAge" : 32.09375}
       ] , 	  	 
      "ok" : 1.0
    }

   如此工程就結束了，再看另一個需求

   
   

   統計每一個省各科平均成績

   首先更具數據庫文檔結構，subjects是數組形式，須要先‘劈’開，而後再進行統計

   主要處理步驟以下：

   1. 先用$unwind 拆數組 2. 按照 province, subject 分租並求各科目平均分

   $unwind 拆數組

   {$unwind:’$subjects’}

   按照 province, subject 分組，並求平均分

   {$group:{
        _id:{
            subjname:」$subjects.name」,   // 指定group字段之一 subjects.name, 並重命名爲 subjname
            province:’$province’         // 指定group字段之一 province, 並重命名爲 province(沒變)
         },
        AvgScore:{
           $avg:」$subjects.score」        // 對 subjects.score 求平均
        }
    }

   java代碼以下:

   
   

   Mongo m = new Mongo("localhost", 27017);
    DB db = m.getDB("test");
    DBCollection coll = db.getCollection("student");
    
    /* 建立 $unwind 操做, 用於切分數組*/
    DBObject unwind = new BasicDBObject("$unwind", "$subjects");
    
    /* Group操做*/
    DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
    groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
    DBObject group = new BasicDBObject("$group", groupFields);
   
    /* 查看Group結果 */
    AggregationOutput output = coll.aggregate(unwind, group);  // 執行 aggregation命令
    System.out.println(output.getCommandResult());

   輸出結果

   
   

   
   

   { "serverUsed" : "localhost/127.0.0.1:27017" , 
       "result" : [ 
         { "_id" : { "subjname" : "英語" , "province" : "海南"} , "AvgScore" : 58.1} , 
         { "_id" : { "subjname" : "數學" , "province" : "海南"} , "AvgScore" : 60.485} ,
         { "_id" : { "subjname" : "語文" , "province" : "江西"} , "AvgScore" : 55.538} , 
         { "_id" : { "subjname" : "英語" , "province" : "上海"} , "AvgScore" : 57.65625} , 
         { "_id" : { "subjname" : "數學" , "province" : "廣東"} , "AvgScore" : 56.690} , 
         { "_id" : { "subjname" : "數學" , "province" : "上海"} , "AvgScore" : 55.671875} ,
         { "_id" : { "subjname" : "語文" , "province" : "上海"} , "AvgScore" : 56.734375} , 
         { "_id" : { "subjname" : "英語" , "province" : "雲南"} , "AvgScore" : 55.7301 } ,
         .
         .
         .
         .
        "ok" : 1.0
    }

   統計就此結束.... 稍等，彷佛有點太粗糙了，雖然統計出來的，可是根本無法看，同一個省份的科目都不在一塊兒。囧

   
   

   接下來進行下增強, 

   支線任務： 將同一省份的科目成績統計到一塊兒( 即，指望 'province':'xxxxx', avgscores:[ {'xxx':xxx}, ....] 這樣的形式)

   要作的有一件事，在前面的統計結果的基礎上，先用 $project 將平均分和成績揉到一塊兒，即形以下面的樣子

   { "subjinfo" : { "subjname" : "英語" ,"AvgScores" : 58.1 } ,"province" : "海南" }

   再按省份group，將各科目的平均分push到一塊，命令以下：

   $project 重構group結果

   {$project：{province:"$_id.province", subjinfo:{"subjname":"$_id.subjname", "avgscore":"$AvgScore"}}

   $使用 group 再次分組

   {$group:{_id:"$province", avginfo:{$push:"$subjinfo"}}}

   java 代碼以下：

   Mongo m = new Mongo("localhost", 27017);
   DB db = m.getDB("test");
   DBCollection coll = db.getCollection("student");
    			
   /* 建立 $unwind 操做, 用於切分數組*/
   DBObject unwind = new BasicDBObject("$unwind", "$subjects");
    			
   /* Group操做*/
   DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
   groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
   DBObject group = new BasicDBObject("$group", groupFields);
    			
   /* Reshape Group Result*/
   DBObject projectFields = new BasicDBObject();
   projectFields.put("province", "$_id.province");
   projectFields.put("subjinfo", new BasicDBObject("subjname","$_id.subjname").append("avgscore", "$AvgScore"));
   DBObject project = new BasicDBObject("$project", projectFields);
    			
   /* 將結果push到一塊兒*/
   DBObject groupAgainFields = new BasicDBObject("_id", "$province");
   groupAgainFields.put("avginfo", new BasicDBObject("$push", "$subjinfo"));
   DBObject reshapeGroup = new BasicDBObject("$group", groupAgainFields);
    
   /* 查看Group結果 */
   AggregationOutput output = coll.aggregate(unwind, group, project, reshapeGroup);
   System.out.println(output.getCommandResult());

   結果以下：

   { "serverUsed" : "localhost/127.0.0.1:27017" , 
     "result" : [ 
          { "_id" : "遼寧" , "avginfo" : [ { "subjname" : "數學" , "avgscore" : 56.46666666666667} , { "subjname" : "英語" , "avgscore" : 52.093333333333334} , { "subjname" : "語文" , "avgscore" : 50.53333333333333}]} , 
          { "_id" : "四川" , "avginfo" : [ { "subjname" : "數學" , "avgscore" : 52.72727272727273} , { "subjname" : "英語" , "avgscore" : 55.90909090909091} , { "subjname" : "語文" , "avgscore" : 57.59090909090909}]} , 
          { "_id" : "重慶" , "avginfo" : [ { "subjname" : "語文" , "avgscore" : 56.077922077922075} , { "subjname" : "英語" , "avgscore" : 54.84415584415584} , { "subjname" : "數學" , "avgscore" : 55.33766233766234}]} , 
          { "_id" : "安徽" , "avginfo" : [ { "subjname" : "英語" , "avgscore" : 55.458333333333336} , { "subjname" : "數學" , "avgscore" : 54.47222222222222} , { "subjname" : "語文" , "avgscore" : 52.80555555555556}]} 
       .
       .
       .
      ] , "ok" : 1.0}

   至此，功能也就完成了，呼。

   
   

   結語

   Aggravation 這就介紹完了, 固然還有不少細節沒說清楚，更多的資料能夠參考MongoDB官方文檔(http://docs.mongodb.org/manual/applications/aggregation/)。 期待後期再深刻挖掘其功能。