共計 1743 個字符，預計需要花費 5 分鐘才能閱讀完成。

這篇文章主要介紹了 mongodb 中聚合的示例分析，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓丸趣 TV 小編帶著大家一起了解一下。

一：聚合

常見的聚合操作跟 sql server 一樣，有：count，distinct，group，mapReduce。

1 count

count 是最簡單，最容易，也是最常用的聚合工具，它的使用跟我們 C# 里面的 count 使用簡直一模一樣。

2 distinct

這個操作相信大家也是非常熟悉的，指定了誰，誰就不能重復，直接上圖。

3 group

在 mongodb 里面做 group 操作有點小復雜，不過大家對 sql server 里面的 group 比較熟悉的話還是一眼

能看的明白的，其實 group 操作本質上形成了一種“k-v”模型，就像 C# 中的 Dictionary，好，有了這種思維，

我們來看看如何使用 group。

下面舉的例子就是按照 age 進行 group 操作，value 為對應 age 的姓名。下面對這些參數介紹一下：

key：這個就是分組的 key，我們這里是對年齡分組。

initial: 每組都分享一個”初始化函數“，特別注意：是每一組，比如這個的 age=20 的 value 的 list 分享一個

initial 函數，age=22 同樣也分享一個 initial 函數。

$reduce: 這個函數的第一個參數是當前的文檔對象，第二個參數是上一次 function 操作的累計對象，第一次

為 initial 中的{”perosn“：[]}。有多少個文檔，$reduce 就會調用多少次。

看到上面的結果，是不是有點感覺，我們通過 age 查看到了相應的 name 人員，不過有時我們可能有如下的要求：

①：想過濾掉 age 25 一些人員。

②：有時 person 數組里面的人員太多，我想加上一個 count 屬性標明一下。

針對上面的需求，在 group 里面還是很好辦到的，因為 group 有這么兩個可選參數: condition 和 finalize。

condition: 這個就是過濾條件。

finalize: 這是個函數，每一組文檔執行完后，多會觸發此方法，那么在每組集合里面加上 count 也就是它的活了。

4 mapReduce

這玩意算是聚合函數中最復雜的了，不過復雜也好，越復雜就越靈活。

mapReduce 其實是一種編程模型，用在分布式計算中，其中有一個“map”函數，一個”reduce“函數。

① map：

這個稱為映射函數，里面會調用 emit(key,value)，集合會按照你指定的 key 進行映射分組。

② reduce：

這個稱為簡化函數，會對 map 分組后的數據進行分組簡化，注意：在 reduce(key,value)中的 key 就是

emit 中的 key，vlaue 為 emit 分組后的 emit(value)的集合，這里也就是很多 {count :1} 的數組。

③ mapReduce:

這個就是最后執行的函數了，參數為 map，reduce 和一些可選參數。具體看圖可知：

從圖中我們可以看到如下信息：

result: 存放的集合名“；

input: 傳入文檔的個數。

emit：此函數被調用的次數。

reduce：此函數被調用的次數。

output: 最后返回文檔的個數。

最后我們看一下“collecton”集合里面按姓名分組的情況。

二：游標

mongodb 里面的游標有點類似我們說的 C# 里面延遲執行，比如：

var list=db.person.find();

針對這樣的操作，list 其實并沒有獲取到 person 中的文檔，而是申明一個“查詢結構”，等我們需要的時候通過

for 或者 next()一次性加載過來，然后讓游標逐行讀取，當我們枚舉完了之后，游標銷毀，之后我們在通過 list 獲取時，

發現沒有數據返回了。

當然我們的“查詢構造”還可以搞的復雜點，比如分頁，排序都可以加進去。

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

那么這樣的“查詢構造”可以在我們需要執行的時候執行，大大提高了不必要的花銷。

感謝你能夠認真閱讀完這篇文章，希望丸趣 TV 小編分享的“mongodb 中聚合的示例分析”這篇文章對大家有幫助，同時也希望大家多多支持丸趣 TV，關注丸趣 TV 行業資訊頻道，更多相關知識等著你來學習!