一、Aggregate简介
db.collection.aggregate()是基于数据处理的聚合管道，每个文档通过一个由多个阶段（stage）组成的管道，可以对每个阶段的管道进行分组、过滤等功能，然后经过一系列的处理，输出相应的结果。
1、db.collection.aggregate()可以多个管道，能方便的进行数据的处理。
2、db.collection.aggregate()使用了MongoDB内置的原生操作，聚合效率非常高,支持类似于SQL Group By操作的功能，而不再需要用户编写自定义的JavaScript例程。
3、 每个阶段管道限制为100MB的内存。如果一个节点管道超过这个极限,MongoDB将产生一个错误。为了能够在处理大型数据集,可以设置allowDiskUse为true来在聚合管道节点把数据写入临时文件。这样就可以解决100MB的内存的限制。
4、db.collection.aggregate()可以作用在分片集合，但结果不能输在分片集合，MapReduce可以 作用在分片集合，结果也可以输在分片集合。
5、db.collection.aggregate()方法可以返回一个指针（cursor），数据放在内存中，直接操作。跟Mongo shell 一样指针操作。
6、db.collection.aggregate()输出的结果只能保存在一个文档中，BSON Document大小限制为16M。可以通过返回指针解决，版本2.6中后面：DB.collect.aggregate()方法返回一个指针，可以返回任何结果集的大小。
二、Aggregate pipeline 参数
今天主要是pipeline 运用到Spring上：
【pipeline 参数】
pipeline 类型是Array 语法：db.collection.aggregate( [ { <stage> }, ... ] )
$project：可以对输入文档进行添加新字段或删除现有的字段，可以自定哪些字段显示与不显示。
$match ：根据条件用于过滤数据，只输出符合条件的文档，如果放在pipeline前面，根据条件过滤数据，传输到下一个阶段管道，可以提高后续的数据处理效率。还可以放在out之前，对结果进行再一次过滤。
$limit ：用来限制MongoDB聚合管道返回的文档数
$skip :在聚合管道中跳过指定数量的文档，并返回余下的文档。
$unwind :将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。
$out :必须为pipeline最后一个阶段管道，因为是将最后计算结果写入到指定的collection中。
$group : 将集合中的文档分组，可用于统计结果，$group首先将数据根据key进行分组。
MongoDB上对 pipeline 操作可以查看
学习MongoDB 十一： MongoDB聚合（Aggregation Pipeline基础篇上）（三）
学习MongoDB 十二： MongoDB聚合（Aggregation Pipeline基础篇-下）（四）
三、举例子并在MongoDB操作pipeline
db. orders.insert([
{
"onumber" : "001",
"date" : "2015-07-02",
"cname" : "zcy1",
"items" :[ {
"ino" : "001",
"quantity" :2,
"price" : 4.0
},{
"ino" : "002",
"quantity" : 4,
"price" : 6.0
}
]
},{
"onumber" : "002",
"date" : "2015-07-02",
"cname" : "zcy2",
"items" :[ {
"ino" : "003",
"quantity" :1,
"price" : 4.0
},{
"ino" : "002",
"quantity" :6,
"price" : 6.0
}
]
},{
"onumber" : "003",
"date" : "2015-07-02",
"cname" : "zcy2",
"items" :[ {
"ino" : "004",
"quantity" :3,
"price" : 4.0
},{
"ino" : "005",
"quantity" :1,
"price" : 6.0
}
]
},{
"onumber" : "004",
"date" : "2015-07-02",
"cname" : "zcy2",
"items" :[ {
"ino" : "001",
"quantity" :3,
"price" : 4.0
},{
"ino" : "003",
"quantity" :1,
"price" : 6.0
}
]
}
])> db.orders.aggregate([
... {$match:{"onumber":{$in:["001","002", "003"]}}},
... {$unwind:"$items"},
... {$group:{_id:"$items.ino",total:{$sum:"$items.quantity"}}},
... {$match:{total:{$gt:1}}}
... ]);
{ "_id" : "004", "total" : 3 }
{ "_id" : "002", "total" : 10 }
{ "_id" : "001", "total" : 2 }四、AggregationOutput
Spring Data MongoDB 项目提供与MongoDB文档数据库的集成。如果对环境的搭建不清楚可以先看
我们先介绍Mongo本身提供的com.mongodb.AggregationOutput进行分组查询，下一篇会介绍Spring Data MongoDB模板封装的Aggregation方法，我们直接看代码
@Override
public void getAggregation() {
Set<String> onumberSet=new HashSet<String>();
onumberSet.add("001");
onumberSet.add("002");
onumberSet.add("003");
//过滤条件
DBObject queryObject=new BasicDBObject("onumber", new BasicDBObject("$in",onumberSet));
DBObject queryMatch=new BasicDBObject("$match",queryObject);
//展开数组
DBObject queryUnwind=new BasicDBObject("$unwind","$items");
//分组统计
DBObject groupObject=new BasicDBObject("_id",new BasicDBObject("ino","$items.ino"));
groupObject.put("total", new BasicDBObject("$sum","$items.quantity"));
DBObject queryGroup=new BasicDBObject("$group",groupObject);
//过滤条件
DBObject finalizeMatch=new BasicDBObject("$match",new BasicDBObject("total",new BasicDBObject("$gt",1)));
AggregationOutput output=mongoTemplate.getCollection("orders").aggregate(queryMatch,queryUnwind,queryGroup,finalizeMatch);
for (Iterator<DBObject> iterator = output.results().iterator(); iterator.hasNext();) {
DBObject obj =iterator.next();
System.out.println(obj.toString());
}
}public class TestOrders {
private static OrdersDao ordersDaoImpl;
private static ClassPathXmlApplicationContext app;
@BeforeClass
public static void initSpring() {
try {
app = new ClassPathXmlApplicationContext("classpath:applicationContext-mongo.xml");
ordersDaoImpl = (OrdersDao) app.getBean("ordersDaoImpl");
} catch (Exception e) {
e.printStackTrace();
}
}
@Test
public void testAggregation()
{
ordersDaoImpl.getAggregation();
}
}