MongoDB 聚合管道（Aggregation Pipeline）

管道概念
　　以面向对象的思想去理解，整个流水线，能够理解为一个数据传输的管道；该管道中的每个工做线程，能够理解为一个整个流水线的一个工做阶段stage,这些工做线程之间的合做是一环扣一环的。靠输入口越近的工做线程，是时序较早的工做阶段stage,它的工做成果会影响下一个工做线程阶段（stage）的工做结果,即下个阶段依赖于上一个阶段的输出，上一个阶段的输出成为本阶段的输入。这也是pipeline的一个共有特色！

　　为了回应用户对简单数据访问的需求,MongoDB2.2版本引入新的功能聚合框架（Aggregation Framework） ，它是数据聚合的一个新框架，其概念相似于数据处理的管道。 每一个文档经过一个由多个节点组成的管道，每一个节点有本身特殊的功能（分组、过滤等），文档通过管道处理后，最后输出相应的结果。管道基本的功能有两个：

一是对文档进行“过滤”，也就是筛选出符合条件的文档;
二是对文档进行“变换”，也就是改变文档的输出形式;

 

管道操做符：

管道操做符	Description
$project	增长、删除、重命名字段
$match	条件匹配。只知足条件的文档才能进入下一阶段
$limit	限制结果的数量
$skip	跳过文档的数量
$sort	条件排序。
$group	条件组合结果
$unwind	将array类型字段拆分红多条文档

 

 

 

 

 

 

 

 

 

SQL和NOSQL对比:

WHERE	$match
GROUP BY	$group
HAVING	$match
SELECT	$project
ORDER BY	$sort
LIMIT	$limit
SUM()	$sum
COUNT()	$sum
join	$lookup

 

 

 

 

 

 

 

 

 

管道表达式:
管道操做符做为“键”,所对应的“值”叫作管道表达式。
例如{$match:{status:"A"}}，$match称为管道操做符，而status:"A"称为管道表达式，是管道操做符的操做数(Operand)。
每一个管道表达式是一个文档结构，它是由字段名、字段值、和一些表达式操做符组成的。

经常使用表达式操做符	Description
$addToSet	将文档指定字段的值去重
$max	文档指定字段的最大值
$min	文档指定字段的最小值
$sum	文档指定字段求和
$avg	文档指定字段求平均
$gt	大于给定值
$lt	小于给定值
$eq	等于给定值

 

 

 

 

 

 

 

 

 

关于$lookup

MongoDB 的核心分析工具是 aggregation，经过这个，你能建立一个任务管道（pipeline），对选中的文档施加各类操做，最后获得须要的数据。当你要聚合订单表时，首先在 pipeline 中添加个运算符，来匹配特定的几类产品的订单，而后用另外一个运算符分组计算每类产品的销量。问题是 pipeline 只能对一个集合中的文档进行操做，所以，若是还须要操做另外一个集合的时候，就玩不转了。MongoDB 3.2添加了一个 $lookup 操做符 用以引入其它集合的数据。

$lookup 操做符有一个 from 参数，用来指定你想从哪一个集合拖数据。还有一个 on 参数用来指定另外一个集合中的哪一个字段跟 pipeline 中的哪一个字段应该匹配。最后当匹配到一个文档，该文档会被插入管道中的文档，经过 as 参数设定一个 key 把该文档就放到这个 key 中。这个方式看上去有点暴力， 使文档变得很大， 别担忧，其它的聚合操做符会把数据切小的。 $lookup 在聚合管道中有巨大的潜力，可使用户不须要刻意将数据非正规化。不过咱们要等到 alpha/beta 发布才能知道 $lookup 在实践中到底有多有效。