MongoDB聚合统计数组内的某个字段排序1：表结构
{
"_id": ObjectId("5efedef1937f00005b003f2b"),
"live_id": NumberLong("68391603"),
"ur_id": NumberLong("840"),
"sns_nick": "宝⼉cool",
2013年托福考试时间"last_comment": NumberLong("1589638938284"),
"comment_list": [
{
"content": "没拍到3",
"timestamp": NumberLong("1589638138283")
},
{
"content": "我也要",
"timestamp": NumberLong("1589638938283")
},
{
"content": "我也要",
"timestamp": NumberLong("1589638938284")
}
]
}
/
/ 2
{
"_id": ObjectId("5efedf1a937f00005b003f2c"),
"live_id": NumberLong("68391603"),
"ur_id": NumberLong("1843"),
"sns_nick": "⼩明",
"last_comment": NumberLong("1589638938284"),
"comment_list": [
{
"content": "没拍111到3",
"timestamp": NumberLong("1589638138283")
},
{
"content": "试⼀试",
"timestamp": NumberLong("1589638138283")
},
{
"content": "试⼀试3",
"timestamp": NumberLong("1589638938283")
},
{
"content": "我也要",
"timestamp": NumberLong("1589638938284")
}
]
}
2：查询sql
db.tb_live_video_comment.aggregate([
{
$match: {
live_id: 68391603
}
},
{
$unwind: "$comment_list"
},
{
$group: {
"_id": "$comment_list",
count: {
$sum: 1
}
}
},
{
$project: {
_id: 0,
content: "$_id.content",
count: 1
}
},
{
$group: {
reginald
"_id": "$content",
total: {
$sum: "$count"
}
}
},
divide是什么意思
英文合同范本{
$sort: {
地理位置英文
total: - 1
},
},
{
$skip: 0
bounty
},
{
$limit: 10
}
]);
3：MongoDB新的数据统计框架介绍
MongoDB新的数据统计框架介绍
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lect需要的字段⼀样。例⼦：
db.runCommand({ aggregate : "article", pipeline : [
{ $match : { author : "dave" } },
{ $project : {
_id : 0,
英语语法视频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
}
],zielonka
"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
$group命令⽐较好理解，功能就是按某⼀个key将key值相同的多条数据组织成⼀条。
⽐如我们使⽤下⾯命令再往article这个collection中写⼊⼀条记录，这时候我们就有两条记录了：
db.article.save( {
title : "this is some other title" ,
author : "jane" ,
posted : new Date(978239834000) ,
pageViews : 6 ,
tags : [ "nasty" , "filthy" ] ,
comments : [
{ author :"will" , text : "i don't like the color" } ,
{ author :"jenny" , text : "can i get that in green?" }
],
other : { bar : 14 }
tuina旺旺英语});
我们可以先⽤上⾯的$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
