MongoDB 2.1 多了新Feature - Aggregation Framework。最近工做須要就稍微看了下,Mark之。 java
Overview sql
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。 mongodb
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。 數據庫
Pipeline-Operator 數組
比較經常使用的有: app
•$sort - 排序 code
Usage - Java server
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:
統計每一個省各科平均成績 排序
接下來一一道來 索引
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。