标签：
出于对性能的要求，公司希望把Mysql的数据迁移到MongoDB上，于是我开始学习Mongo的一些CRUD操作，由于第一次接触NoSQL，还是有点不习惯。
先吐个槽，公司的Mongo版本是2.6.4，而用的java驱动包版本是超级老物2.4版。当时一个“如何对分组后的文档进行筛选”这个需求头痛了很久，虽然shell命令下可以使用Aggregation很方便地解决，但是java驱动包从2.9.0版本才开始支持该特性，我至今没有找到不用Aggregation解决上述需求的办法。只能推荐公司升级驱动包版本，希望没有后续的兼容问题。
Mongo2.2版本后开始支持Aggregation Pipeline（http://docs.mongodb.org/manual/core/aggregation-pipeline/），而java驱动包从2.9.0版本才开始支持2.2的特性，2.9版本是12年发布的，mongodb在09年就出现了，可见Mongo对java的开发者似乎不怎么友好←_←
话扯到这里，接下来就对我这一周所学的Mongo做一个总结，错误之处还望指教 :-D。
MongoDB目前提供了三个可以执行聚合操作的命令：aggregate、mapReduce、group。三者在性能和操作的优劣比较见官网提供的表格http://docs.mongodb.org/manual/reference/aggregation-commands-comparison/，这里不再赘述细节，先说一下这三个函数的原型及底层封装的命令。
三者在性能和操作的优劣比较见官网提供的表格http://docs.mongodb.org/manual/reference/aggregation-commands-comparison/，这里不再赘述细节，先说一下这三个函数的原型及底层封装的命令。
|
函数名 |
函数原型 |
封装的命令 |
|
db.collection.group() |
db.collection.group( { key, reduce, initial [, keyf] [, cond] [, finalize] } ) |
db.runCommand( { group: { ns: <namespace>, key: <key>, $reduce: <reduce function>, $keyf: <key function>, cond: <query>, finalize: <finalize function> } } ) |
|
db.collection.mapReduce() |
db.collection.mapReduce( <map>, <reduce>, { out: <collection>, query: <document>, sort: <document>, limit: <number>, finalize: <function>, scope: <document>, jsMode: <boolean>, verbose: <boolean> } ) |
db.runCommand( { mapReduce: <collection>, map: <function>, reduce: <function>, finalize: <function>, out: <output>, query: <document>, sort: <document>, limit: <number>, scope: <document>, jsMode: <boolean>, verbose: <boolean> } ) |
|
db.collection.aggregate() |
db.collection.aggregate( pipeline, options ) |
db.runCommand( { aggregate: "<collection>", pipeline: [ <stage>, <...> ], explain: <boolean>, allowDiskUse: <boolean>, cursor: <document> } ) |
好记性不如烂笔头，下面通过操作来了解这几个函数和命令
先准备SQL的测试数据，用来验证结果、比较SQL语句和NoSQL的异同，测试环境是mysql
先创建数据库表
create table dogroup (
_id int,
name varchar(45),
course varchar(45),
score int,
gender int,
primary key(_id)
);
插入数据
insert into dogroup (_id, name, course, score, gender) values (1, "N", "C", 5, 0);
insert into dogroup (_id, name, course, score, gender) values (2, "N", "O", 4, 0);
insert into dogroup (_id, name, course, score, gender) values (3, "A", "C", 5, 1);
insert into dogroup (_id, name, course, score, gender) values (4, "A", "O", 6, 1);
insert into dogroup (_id, name, course, score, gender) values (5, "A", "U", 8, 1);
insert into dogroup (_id, name, course, score, gender) values (6, "A", "R", 8, 1);
insert into dogroup (_id, name, course, score, gender) values (7, "A", "S", 7, 1);
insert into dogroup (_id, name, course, score, gender) values (8, "M", "C", 4, 0);
insert into dogroup (_id, name, course, score, gender) values (9, "M", "U", 7, 0);
insert into dogroup (_id, name, course, score, gender) values (10, "E", "C", 7, 1);
准备MongoDB测试数据
创建Collection（等同于SQL中的表，该行可以不写，Mongo会在插入数据时自动创建Collection）
db.createCollection("dogroup")
插入数据
db.dogroup.insert({"_id": 1,"name": "N",course: "C","score": 5,gender: 0})
db.dogroup.insert({"_id": 2,"name": "N",course: "O","score": 4,gender: 0})
db.dogroup.insert({"_id": 3,"name": "A",course: "C","score": 5,gender: 1})
db.dogroup.insert({"_id": 4,"name": "A",course: "O","score": 6,gender: 1})
db.dogroup.insert({"_id": 5,"name": "A",course: "U","score": 8,gender: 1})
db.dogroup.insert({"_id": 6,"name": "A",course: "R","score": 8,gender: 1})
db.dogroup.insert({"_id": 7,"name": "A",course: "S","score": 7,gender: 1})
db.dogroup.insert({"_id": 8,"name": "M",course: "C","score": 4,gender: 0})
db.dogroup.insert({"_id": 9,"name": "M",course: "U","score": 7,gender: 0})
db.dogroup.insert({"_id": 10,"name": "E",course: "C","score": 7,gender: 1})
以下操作可能逻辑上没有实际意义，主要是帮助熟悉指令
1、查询出共有几门课程（course），返回的格式为“课程名、数量”
SQL写法：select course as ‘课程名‘, count(*) as ‘数量‘ from dogroup group by course;
MongoDB写法：
① group方式
db.dogroup.group({
key : { course: 1 },
initial : { count: 0 },
reduce : function Reduce(curr, result) {
result.count += 1;
},
finalize : function Finalize(out) {
return {"课程名": out.course, "数量": out.count};
}
});
返回的格式如下：
{
"课程名" : "C",
"数量" : 4
},
{
"课程名" : "O",
"数量" : 2
},
{
"课程名" : "U",
"数量" : 2
},
{
"课程名" : "R",
"数量" : 1
},
{
"课程名" : "S",
"数量" : 1
}
② mapReduce方式
db.dogroup.mapReduce(
function () {
emit(
this.course,
{course: this.course, count: 1}
);
},
function (key, values) {
var count = 0;
values.forEach(function(val) {
count += val.count;
});
return {course: key, count: count};
},
{
out: { inline : 1 },
finalize: function (key, reduced) {
return {"课程名": reduced.course, "数量": reduced.count};
}
}
)
这里把count初始化为1的原因是，MongoDB执行完map函数（第一个函数）后，如果key所对应的values数组的元素个数只有一个，reduce函数（第二个函数）将不会被调用。
返回的格式如下：
{
"_id" : "C",
"value" : {
"课程名" : "C",
"数量" : 4
}
},
{
"_id" : "O",
"value" : {
"课程名" : "O",
"数量" : 2
}
},
{
"_id" : "R",
"value" : {
"课程名" : "R",
"数量" : 1
}
},
{
"_id" : "S",
"value" : {
"课程名" : "S",
"数量" : 1
}
},
{
"_id" : "U",
"value" : {
"课程名" : "U",
"数量" : 2
}
}
③ aggregate方式
db.dogroup.aggregate(
{
$group:
{
_id: "$course",
count: { $sum: 1 }
}
}
)
返回格式如下：
{ "_id" : "S", "count" : 1 }
{ "_id" : "R", "count" : 1 }
{ "_id" : "U", "count" : 2 }
{ "_id" : "O", "count" : 2 }
{ "_id" : "C", "count" : 4 }
以上三种方式中，group得到了我们想要的结果，mapReduce返回的结果只能嵌套在values里面，aggregate无法为返回结果指定别名。本人才疏学浅，刚接触Mongo，不知道后两者有没有可行的方法获取想要的结果，希望网友指教。
篇幅限制，下面的查询不再贴出返回结果，大家可以自己尝试。
2、查询Docouments（等同于SQL中记录）数大于2的课程
SQL写法：select course, count(*) as count from dogroup group by course having count > 2;
① aggregate方式（注意$group和$match的先后顺序）
db.dogroup.aggregate({
$group: {
_id: "$course",
count: { $sum: 1 }
}
},{
$match: {
count:{
$gt: 2
}
}
});
目前尚未找到group和mapReduce对分组结果进行筛选的方法，欢迎网友补充
3、找出所有分数高于5分的考生数量及分数，返回的格式为“分数、数量”
SQL写法：select score as ‘分数‘, count(distinct(name)) as ‘数量‘ from dogroup where score > 5 group by score;
① group方式
db.dogroup.group({
key : { score: 1 },
cond : { score: {$gt: 5} },
initial : { name:[] },
reduce : function Reduce(curr, result) {
var flag = true;
for(i=0;i<result.name.length&&flag;i++){
if(curr.name==result.name[i]){
flag = false;
}
}
if(flag){
result.name.push(curr.name);
}
},
finalize : function Finalize(out) {
return {"分数": out.score, "数量": out.name.length};
}
});
② mapReduce方式
db.dogroup.mapReduce(
function () {
if(this.score > 5){
emit(
this.score,
{score: this.score, name: this.name}
);
}
},
function (key, values) {
var reduced = {score: key, names: []};
var json = {};//利用json对象的key去重
for(i = 0; i < values.length; i++){
if(!json[values[i].name]){
reduced.names.push(values[i].name);
json[values[i].name] = 1;
}
}
return reduced;
},
{
out: { inline : 1 },
finalize: function (key, reduced) {
return {"分数": reduced.score, "数量": reduced.names?reduced.names.length:1};
}
}
)
③ aggregate方式
db.dogroup.aggregate({
$match: {
score: {
$gt: 5
}
}
},{
$group: {
_id: {
score: "$score",
name: "$name"
}
}
},{
$group: {
_id: {
"分数": "$_id.score"
},
"数量": { $sum: 1 }
}
});
搞透上面这几个方法，大部分应用场景应该都没问题了。
标签：
原文地址：http://www.cnblogs.com/code4j/p/4538407.html
