目前的MongoDB在进行复杂的数据统计计算时都需要写MapReduce来实现，包括在SQL中比较常用的group by查询也需要写一个reduce才能实现，这是比较麻烦的。在MongoDB2.1中，将会引入一套全新的数据统计计算框架，让用户更方便的进行统计操作。
下面我们就来看看几个新的操作符：
$match
$match的作用是过滤数据，通过设置一个条件，将数据进行筛选过滤，例子：
| db.runCommand({ aggregate : “article”, pipeline : [ { $match : { author : “dave” } } ]}); |
这相当于将article这个collection中的记录进行筛选，筛选条件是author属性值为dave，其作用其实相当于普通的find命令，如：
| > db.article.find({ author : “dave” }); |
所以，那这个命令有什么用呢?与find不同，find的结果是直接作为最终数据返回，而$match只是pipeline中的一环，它筛选的结果数据可以再进行下一级的统计操作。
$project
$project命令用于设定数据的筛选字段，就像我们SQL中select需要的字段一样。例子：
| db.runCommand({ aggregate : “article”, pipeline : [ { $match : { author : “dave” } }, { $project : { _id : 0, author : 1, tags : 1 }} ]}); |
上面就是将所有author为dave的记录的author和tags两个字段取出来。(_id:0 表示去掉默认会返回的_id字段)
其实上面这个功能也能用我们平时用的find命令来实现，如：
| > db.article.find({ author : “dave” }, { _id : 0, author : 1, tags : 1); |
$unwind
$unwind命令很神奇，他可以将某一个为array类型字段的数据拆分成多条，每一条包含array中的一个属性。
比如你使用下面命令添加一条记录：
| db.article.save( { title : “this is your title” , author : “dave” , posted : new Date(4121381470000) , pageViews : 7 , tags : [ “fun” , “nasty” ] , comments : [ { author :”barbara” , text : “this is interesting” } , { author :”jenny” , text : “i like to play pinball”, votes: 10 } ], other : { bar : 14 } }); |
这里面tags字段就是一个array。下面我们在这个字段上应用$unwind操作
| db.runCommand({ aggregate : “article”, pipeline : [ { $unwind : “$tags” } ]}); |
上面命令的意思就是按tags字段来拆分，此命令执行的结果如下：
| { “result” : [ { “_id” : ObjectId(“4eeeb5fef09a7c9170df094b”), “title” : “this is your title”, “author” : “dave”, “posted” : ISODate(“2100-08-08T04:11:10Z”), “pageViews” : 7, “tags” : “fun”, “comments” : [ { “author” : “barbara”, “text” : “this is interesting” }, { “author” : “jenny”, “text” : “i like to play pinball”, “votes” : 10 } ], “other” : { “bar” : 14 } }, { “_id” : ObjectId(“4eeeb5fef09a7c9170df094b”), “title” : “this is your title”, “author” : “dave”, “posted” : ISODate(“2100-08-08T04:11:10Z”), “pageViews” : 7, “tags” : “nasty”, “comments” : [ { “author” : “barbara”, “text” : “this is interesting” }, { “author” : “jenny”, “text” : “i like to play pinball”, “votes” : 10 } ], “other” : { “bar” : 14 } } ], “ok” : 1 } |
我们可以看到，原来的tags字段是一个包含两个元素的数组，通过$unwind命令后，被拆分成两条记录，每一条记录的tags字段是原来数组中的一个元素。
$group
$group命令比较好理解，功能就是按某一个key将key值相同的多条数据组织成一条。
比如我们使用下面命令再往article这个collection中写入一条记录，这时候我们就有两条记录了：
| db.article.save( { title : “this is some other title” , author : “jane” , posted : new Date(978239834000) , pageViews : 6 , tags : [ “nasty” , “filthy” ] , comments : [ { author :”will” , text : “i don’t like the color” } , { author :”jenny” , text : “can i get that in green?” } ], other : { bar : 14 } }); |
我们可以先用上面的$unwind按tags将记录拆成多条，然后再将记录按tags字段重新组织，将同一个tag对应的所有author放在一个array中。只需要像下面这样写：
| db.runCommand({ aggregate : “article”, pipeline : [ { $unwind : “$tags” }, { $group : { _id : “$tags”, count : { $sum : 1 }, authors : { $addToSet : “$author” } }} ]}); |
这时候你就能得到如下结果了
| { “result” : [ { “_id” : “filthy”, “count” : 1, “authors” : [ “jane” ] }, { “_id” : “fun”, “count” : 1, “authors” : [ “dave” ] }, { “_id” : “nasty”, “count” : 2, “authors” : [ “jane”, “dave” ] } ], “ok” : 1 } |
上面是2.1版本将会推出的一些新的统计类命令的介绍，在易用性方面它们提供给我们很多便利，但是MongoDB MapReduce的最大硬伤，单个mongod中无法并行执行，貌似还是没有解决。虽然其命令中采用了pipeline 的组织模式，但是貌似还是完全串行且分降段完成的。
我们一直都在努力坚持原创.......请不要一声不吭，就悄悄拿走。
我原创，你原创，我们的内容世界才会更加精彩！
【所有原创内容版权均属TechTarget，欢迎大家转发分享。但未经授权，严禁任何媒体（平面媒体、网络媒体、自媒体等）以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
作者
相关推荐
-
2017年1月数据库流行度排行榜 新年新气象
新年新气象，数据库知识网站DB-engines最近更新了2017年1月份数据库流行度榜单。TechTarget数据库网站将与您分享1月份的榜单排名情况，让我们拭目以待。
-
创建NoSQL数据建模符号 企业架构师亲自上阵
新兴的NoSQL数据风格促使创新的应用程序快速发展，但NoSQL同时也带来了挑战。NoSQL系统能够快速投入生产，有时甚至根本不用创建任何的前期模式。
-
2016年12月数据库流行度排行榜 几家欢乐几家愁
在过去的6个月中，数据库排行榜的前二十名总体上没有太大的变动，那么数据库知识网站DB-engines最近更新的2016年12月份数据库流行度排名情况是否一如既往的沉寂、低调呢？
-
深入理解Amazon DynamoDB NoSQL云数据库服务
Amazon DynamoDB NoSQL云数据库即服务主要为跨移动设备、网页web端、游戏、数字营销和物联网领域的应用提供支持。