mongo中的高级查询之聚合操作(distinct,count,group)与数据去重

Mongodb中自带的基本聚合函数有三种：count、distinct和group。下面我们分别来讲述一下这三个基本聚合函数。

（1）count

作用：简单统计集合中符合某种条件的文档数量。

使用方式：db.collection.count(<query>)或者db.collection.find(<query>).count()

参数说明：其中<query>是用于查询的目标条件。如果出了想限定查出来的最大文档数，或者想统计后跳过指定条数的文档，则还需要借助于limit，skip。

举例：

db.collection.find(<query>).limit();

db.collection.find(<query>).skip();

（2）distinct

作用：用于对集合中的文档针进行去重处理

使用方式：db,collection.distinct(field,query)

参数说明：field是去重字段，可以是单个的字段名，也可以是嵌套的字段名；query是查询条件，可以为空；

举例：

db.collection.distinct("user",{“age":{$gt:28}});//用于查询年龄age大于28岁的不同用户名

除了上面的用法外，还可以使用下面的另外一种方法：

db.runCommand({"distinct":"collectionname","key":"distinctfied","query":<query>})

collectionname：去重统计的集合名，distinctfield：去重字段,，<query>是可选的限制条件；

举例：

image

这两种方式的区别：第一种方法是对第二种方法的封装，第一种只返回去重统计后的字段值集合，但第二种方式既返回字段值集合也返回统计时的细节信息。

（3）group

作用：用于提供比count、distinct更丰富的统计需求，可以使用js函数控制统计逻辑

使用方式：db.collection.group(key,reduce,initial[,keyf][,cond][,finalize])

备注说明：在2.2版本之前，group操作最多只能返回10000条分组记录，但是从2.2版本之后到2.4版本，mongodb做了优化，能够支持返回20000条分组记录返回，如果分组记录的条数大于20000条，那么可能你就需要其他方式进行统计了，比如聚合管道或者MapReduce；

===========================================================

mongo中的高级查询之聚合操作(distinct,count,group)

1.distinct的实现：

db.consumerecords.distinct("userId"):键值去重  类似于mysql中的 select distinct userId from consumerecords

db.consumerecords.distinct("userId",{act:"charge"}):过滤之后去重,类似于mysql中的select distinct userId from consumerecords where act="charge"

db.consumerecords.distinct("userId").length:去重之后求记录数,类似于mysql中的 select count(distinct userId) from consumerecords 

2.count的实现

db.consumerecords.count():类似于 mysql中 select count(*) from consumerecords

db.consumerecords.count({act:"charge"}):

类似于mysql中的 select  count(*) from  consumerecords where act="charge"

3.group的实现

(1).分组求和:类似于mysql中的 select act,sum(count) from consumerecords group by act

db.consumerecords.group(
 {
 key:{act:true}, 
 initial:{ct:0},    
 $reduce:function(doc,prev)  
 {
    prev.ct = prev.ct + doc.count    
 }

 }
 )

(2).分组求和,过滤。类似mysql中的select act,sum(count) from consumerecords group by act having act='charge';

db.consumerecords.group(
{
 key:{act:true}, 
 initial:{ct:0},    
 $reduce:function(doc,prev)  
 {
      prev.ct = prev.ct + doc.count    
 },
 condition:{act:"charge"}
}
)

(3).将时间格式化并且按时间分组求count,不推荐使用这种方法。

db.playerlogs.aggregate({concat:[{year:"substr:[{start"},0,4]},{dayOfMonth:"group:{_id:"sum:1}}},{$sort:{con:1}}) ;

group按时间分组(时间格式化)

http://www.tuicool.com/articles/EjUnQz

db.playerlogs.group({

 keyf : function(doc){

    var date = new Date(doc.start);

    var dateKey = ""+date.getFullYear()+"-"+(date.getMonth()+1)+"-"+date.getDate();

    return {'day':dateKey}; 

}, 

 initial : {count:0}, 

 reduce : function Reduce(doc, out) {

    out.count++

}

});

javascriptz中时间的相关函数参考:

http://blog.csdn.net/npp616/article/details/7181730

(4).group 分组方法实现的讲解。

group 的完整语法是。

db.consumerecords.group(
{
 key:{act:true}, 
 initial:{ct:0},    
 $reduce:function(doc,prev)  
 {
              prev.ct = prev.ct + parseInt(doc.count)    
 },
          finalize:function(doc)
　　　　　{
　　　　　  doc.ct=doc.ct +  100
　　　　　},
          condition:{act:"charge"}

 }
 )

参数解释:

key:需要分组的键或是函数(function),group分组实例3中的key就是一个函数值

initial:声明并且初始化变量。每一组共享一个变量值。多个变量之间用逗号隔开

$reduce:循环体,集合中有多少个文档，就会循环多少次。函数(function)中变量doc表示当前文档对象,

prev表示累积处理的结果对象(这个地方可能描述的不是很情况,自己慢慢体会)

finalize:可选参数,可以简单理解为对分组之后的结果的再次处理,doc表示group之后的文档对象(这一步也是一个循环体

condition:可选参数,对已经分组好的结果进行过滤,有点类似于mysql中的having

4.mapReduce:暂缺,要想玩转这个方法需要有很强的JavaScript功能。

据说mapReduce 可以实现很复杂的查询,可以将一个复杂的查询分拆到多个机器上运行,

然后把各个结果集组合起来,形成最终结果。但是很慢。

mapreduce用法大全

http://www.cnblogs.com/yuechaotian/archive/2013/02/22/2922268.html

mapreduce性能调优

http://www.iteye.com/news/28013

数组中去除重复值示例

http://www.cnblogs.com/sosoft/archive/2013/12/08/3463830.html

5.db.runCommand的相关命令.

db.runCommand({distinct:"consumerecords",key:"userId"}):键值去重 类似于mysql中的 select distinct userId from consumerecords

db.runCommand({distinct:"consumerecords",key:"userId"}).values.length:去重之后求记录数,类似于mysql中的 select count(distinct userId) from consumerecords

db.runCommand({distinct:"consumerecords",key:"userId",query:{act:"charge"}}):去重之后求记录数,类似于mysql中的 select distinct userId from consumerecords where act="charge"

db.runCommand(

... {

... group:

... {

... ns:"test2", # 集合名

... key:{iname:true}, # 分组字段

... initial:{dd:0}, # 按照来初始化该值

... reduce之后 ,function返回的值

... {

... prev.dd=doc.iage+prev.dd #

... }

...

... }

... }

... )

数值以字符串形式存储的解决方案：

db.runCommand(

{

group:

{

ns:"consumerecords",

key:{act:true},

initial:{ct:100,tt:0},

$reduce:function(doc,prev)

{

      prev.tt=parseInt(prev.tt)+parseInt(doc.count)    

},

    condition:{act:"charge"}

}

}

)
去重
1, 直接使用distinct 语句查询, 这种查询会将所有查询出来的数据返回给用户, 然后对查询出来的结果集求总数(耗内存,耗时一些)

var len = db.student.distinct("name",{"age" : 18}).length;
print(len)
注,使用这种方法查询时,查询的结果集大于16M 时会查询失败,失败信息如下:

{“message” : “distinct failed: MongoError: distinct too big, 16mb cap”,”stack” : “script:1:20”}
2, 使用聚合函数,多次分组统计结果,最终将聚合的结果数返回给用户

db.student.aggregate([
{project:{"name":true}},
{name"}},
{sum:1}}}
])
注,这种查询数据量大时就不会出现如上查询失败的情况,而且这种查询不管是内存消耗还是时间消耗都优于上面一种查询

ps：根据id分组，id指定为组合项的话，因为id不会重复，所以作用相当于把组合项去重了。
假如现在需要拿出collection的其他field的话，可以使用$push关键字

// 根据name和sex分组
// 把分组后的name,sex,age放到对应的Document下，形成一个数组
db.student.aggregate(
[
{
name", sex: "push: "push: "push: "$age"}
}
}
]
). forEach(function(x){
db.temp.insert(
{
name: x.name,
sex : x.sex,
age: x.age
}
);
});