翻译自：blog.mongodb.org
下面我们就来看看几个操作符：
$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：
|
1
2
3
|
db.runCommand({ aggregate :
"article"
, pipeline : [
{ $match : { author :
"dave"
} }
]});
|
这相当于将article这个collection中的记录进行筛选，筛选条件是author属性值为dave，其作用其实相当于普通的find命令，如：
|
1
|
> db.article.find({ author :
"dave"
});
|
所以，那这个命令有什么用呢？与find不同，find的结果是直接作为最终数据返回，而$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：
|
1
2
3
4
5
6
7
8
|
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：
|
1
|
> db.article.find({ author :
"dave"
}, { _id : 0, author : 1, tags : 1);
|
$unwind
$unwind命令很神奇，他可以将某一个为array类型字段的数据拆分成多条，每一条包含array中的一个属性。
比如你使用下面命令添加一条记录：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
db.article.save( {
title :
"this is your title"
,
author :
"dave"
,
posted : new
Date
(4121381470000) ,
pageViews : 7 ,
tags : [
"fun"
,
"nasty"
] ,
comments : [
{ author :
"barbara"
, text :
"this is interesting"
} ,
{ author :
"jenny"
, text :
"i like to play pinball"
, votes: 10 }
],
other : { bar : 14 }
});
|
这里面tags字段就是一个array。下面我们在这个字段上应用$unwind操作
|
1
2
3
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
{
"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
$group命令比较好理解，功能就是按某一个key将key值相同的多条数据组织成一条。
比如我们使用下面命令再往article这个collection中写入一条记录，这时候我们就有两条记录了：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
db.article.save( {
title :
"this is some other title"
,
author :
"jane"
,
posted : new
Date
(978239834000) ,
pageViews : 6 ,
tags : [
"nasty"
,
"filthy"
] ,
comments : [
{ author :
"will"
, text :
"i don't like the color"
} ,
{ author :
"jenny"
, text :
"can i get that in green?"
}
],
other : { bar : 14 }
});
|
我们可以先用上面的$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：
|
1
2
3
4
5
6
7
8
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
{
"result"
: [
{
"_id"
:
"filthy"
,
"count"
: 1,
"authors"
: [
"jane"
]
},
{
"_id"
:
"fun"
,
"count"
: 1,
"authors"
: [
"dave"
]
},
{
"_id"
:
"nasty"
,
"count"
: 2,
"authors"
: [
"jane"
,
"dave"
]
}
],
"ok"
: 1
}
|
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。
本文转自UltraSQL51CTO博客，原文链接：http://blog.51cto.com/ultrasql/1661319 ，如需转载请自行联系原作者
