在MongoDB数据库中常见的聚合操做有:count,distinct,group,mapReduce。如今将它们一一的记录下来:数据库
1、count操做编程
这个操做顾名思义就是达到统计的效果啦,用来统计符合某一种查询条件的总数。
数组
/** 统计全部记录的总数 */ db.user.count() /** 统计名字为 hanmeimei 的记录数 */ db.user.count({"name":"hanmeimei"})
2、distinct操做分布式
在SQL中这个单词的做用是去除重复的意思,在NoSQL数据库中也能够达到一样的效果。函数
/** 去除重复的年龄 */ db.person.distinct("age")
3、group操做oop
在关系型数据库中,group表示的是分租,在noSQL数据库中也是表示一样的意思,可是它的操做会比较麻烦一些。归根到底,group的操做就是造成了一种“k-v”模型。this
/** 按照年龄 age 来进行分组 而后将name放在user里面 */ > db.person.group({"key":{"age":true},"initial":{"user":[]},"$reduce":function(cur,prev){prev.user.push(cur.name);}})
key: 这个就是分组的key,咱们这里是对年龄分组。spa
initial: 每组都分享一个”初始化函数“,特别注意:是每一组,好比这个的age=20的value的list分享一个initial函数,age=22一样也分享一个initial函数。code
$reduce: 这个函数的第一个参数是当前的文档对象,第二个参数是上一次function操做的累计对象,第一次为initial中的{”perosn“:[]}。有多少个文档, $reduce就会调用多少次。对象
/** 按照年龄 age 来进行分组 同时要求年龄大于21岁,而且统计每一组查询出来的记录条数*/ > db.person.group({"key":{"age":true},"initial":{"user":[]},"$reduce":function(cur,prev){prev.user.push(cur.name);},"finalize":function(out){out.count=out.user.length},"condition":{"age":{$gt:21}}})
condition: 这个就是过滤条件。
finalize:这是个函数,每一组文档执行完后,多会触发此方法,那么在每组集合里面加上count也就是它的活了。
4、mapReduce操做
mapReduce操做是MongoDB聚合操做中最复杂的操做,同时它也是最灵活。 mapReduce实际上是一种编程模型,用在分布式计算中,其中有一个“map”函数,一个”reduce“函数。mapReduce是hadoop的核心之一。
一、 map:
这个称为映射函数,里面会调用emit(key,value),集合会按照你指定的key进行映射分组。
二、 reduce:
这个称为简化函数,会对map分组后的数据进行分组简化,注意:在reduce(key,value)中的key就是 emit中的key,vlaue为emit分组后的emit(value)的集合,这里也就是不少{"count":1}的数组。
三、 mapReduce:
这个就是最后执行的函数了,参数为map,reduce和一些可选参数
/** map 函数 */ var map=function(){ emit(this.name,{count:1})} /** reduce 函数 */ var reduce = function(key,value){var result = {count:0};for(var i = 0;i<value.length;i++){result.count += value[i].count;} return result} /** mapReduce 操做 */ db.person.mapReduce(map,reduce,{"out":"collection"})
从图中咱们能够看到以下信息:
result: "存放的集合名“;
input:传入文档的个数。
emit:此函数被调用的次数。
reduce:此函数被调用的次数。
output:最后返回文档的个数。
同时咱们也能够看看最后根据name分组的结果:
这些都是MongoDB中经常使用的聚合操做了。