本文为转载，原文：MongoDB聚合查询

聚合查询

MongoDB除了基本的查询功能之外，还提供了强大的聚合功能。这里将介绍一下count, distinct, group, mapreduce, aggregate的使用。
另外，本文中用到的数据库数据请见MongoDB的增删改查基本命令

count

查询记录条数。
命令：

db.collectionName.count()

案例：

db.students.count()

它也跟find一样可以有条件的,例如：

db.students.count({age:{$gte:20}})

distinct

用来找出给定键的所有不同的值
命令：

db.collectionName(key)

例如：

db.students.distinct("grade")

group

分组查询。
参数说明：

• key：用来分组文档的字段。
• initial: 每组都分享一个”初始化函数“
• $reduce: 执行的reduce函数，第一个参数是当前的文档对象，第二个参数是上一次function操作的累计对象，有多少个文档， $reduce就会调用多少次。
• condition：（可选）执行过滤的条件
• finalize：（可选）在reduce执行完成，结果集返回之前对结果集最终执行的函数。

例如，我们按年级分组，查出每个年级的学生姓名：

db.students.group({
key:{grade:true},
initial:{stuNames:[], count:0},
$reduce:function(cur, prev){
prev.stuNames.push(cur.name);
}
})

如果只想查询age大于20的人，group有这么两个可选参数: condition 和finalize：

db.students.group({
key:{grade:true},
initial:{stuNames:[], count:0},
$reduce:function(cur, prev){
prev.stuNames.push(cur.name);
},
finalize:function(prev){
prev.count = prev.stuNames.length;
},
condition:{age:{$gt:20}}
})

MapReduce

命令：

db.runCommand(
 { mapreduce : 字符串，集合名,
   map : 函数,见下文
   reduce : 函数，见下文
   [, query : 文档，发往map函数前先给过渡文档]
   [, sort : 文档，发往map函数前先给文档排序]
   [, limit : 整数，发往map函数的文档数量上限]
   [, out : 字符串，统计结果保存的集合]
   [, keeptemp: 布尔值，链接关闭时临时结果集合是否保存]
   [, finalize : 函数，将reduce的结果送给这个函数，做最后的处理]
   [, scope : 文档,js代码中要用到的变量]
   [, jsMode : 布尔值，是否减少执行过程中BSON和JS的转换，默认true] //注：false时 BSON-->JS-->map-->BSON-->JS-->reduce-->BSON,可处理非常大的mapreduce,<br>　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　//true时BSON-->js-->map-->reduce-->BSON
   [, verbose : 布尔值，是否产生更加详细的服务器日志，默认true]
 }
);

MongoDB中的MapReduce相当于关系数据库中的group by。
参数:

• map函数：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。
• reduce函数：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，。

示例，统计同一个年级的name值：
map函数：

var m = function(){
emit(this.grade, this.name)
}

reduce函数

var r = function(key,values){
var ret = {grade:key, names:values};
return ret;
}

还可以编写finalize函数对reduce的返回值做最后处理：

var f = function(key, rval){
if(key == "Freshman"){
 rval.msg = "i am freshman"
}
return rval;
}

运行：

db.runCommand({
mapreduce:"students",
map:m,
reduce:r,
finalize:f,
out:"stu_grade_names"
})

查询stu_grade_names中的数据：

db.stu_grade_names.find()

aggregate

语法：

db.collectionName.aggregate(AGGREGATE_OPERATION)

聚合表达式

表达式	描述	实例
$sum	计算总和。	db.students.aggregate([{$group : {_id : "$grade", num_tutorial : {$sum : "$age"}}}])
$avg	计算平均值	db.students.aggregate([{$group : {_id : "$grade", num_tutorial : {$avg : "$age"}}}])
$min	获取集合中所有文档对应值得最小值。	db.students.aggregate([{$group : {_id : "$grade", num_tutorial : {$min : "$age"}}}])
$max	获取集合中所有文档对应值得最大值。	db.students.aggregate([{$group : {_id : "$grade", num_tutorial : {$max : "$age"}}}])
$push	在结果文档中插入值到一个数组中。	db.students.aggregate([{$group : {_id : "$grade", name : {$push: "$name"}}}])
$addToSet	在结果文档中插入值到一个数组中，但不创建副本。	db.students.aggregate([{$group : {_id : "$grade", name : {$addToSet : "$name"}}}])
$first	根据资源文档的排序获取第一个文档数据。	db.students.aggregate([{$group : {_id : "$grade", first_name : {$first : "$name"}}}])
$last	根据资源文档的排序获取最后一个文档数据	db.students.aggregate([{$group : {_id : "$grade", last_name : {$last : "$name"}}}])

管道

管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的参数。
MongoDB的聚合管道将MongoDB文档在一个管道处理完毕后将结果传递给下一个管道处理。管道操作是可以重复的。
表达式：处理输入文档并输出。表达式是无状态的，只能用于计算当前聚合管道的文档，不能处理其它的文档。
这里我们介绍一下聚合框架中常用的几个操作：

• $project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档。
• $match：用于过滤数据，只输出符合条件的文档。$match使用MongoDB的标准查询操作。
• $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。
• $group：将集合中的文档分组，可用于统计结果。
• $sort：将输入文档排序后输出。
• $geoNear：输出接近某一地理位置的有序文档。

实例，查询各个年级年龄大于等于20岁的学生数量：

db.students.aggregate([
{$match:{age:{$gte:20}}},
{$group:{_id:"$grade",count:{$sum:1}}}
])

完