本系列教程目錄：
通過前面幾篇的學習，作爲後端開發的我們基本可以應付70%的開發場景。接下來，我們就來看點進階一點的東西，首先是聚合查詢。
1 聚合框架簡介
前面的學習我們都是針對單個Collection操作的，雖然在MongoDB中針對Collection的設計就已經是無模式的，因此我們大部分場景都是針對單個Collection進行操作。
但是，我們在實際應用場景中還是會遇到想要SQL查詢中的 GROUP BY、LEFT OUTER JOIN、AS等操作。
好在，MongoDB提供了一套聚合框架（Aggregation Framework），它可以幫助我們在一個或多個Collection上，對Collection中的數據進行一系列的計算，並將這些數據轉化爲期望的格式。
整個聚合計算的過程也被稱之爲管道（Pipeline），由多個步驟（Stage）組成，這一點和Jenkins Pipeline比較類似。其中，每個管道需要：
（1）接受一系列Document（原始數據）
（2）每個步驟對這些Document進行一系列的運算
（3）結果Document輸出給下一個步驟
整個管道的過程如下圖所示：
聚合計算的基本格式如下所示：
pipeline = [$stage1, $stage2, ...$stageN]; db.<CollectionName>.aggregate( pipeline, { options } );
2 聚合操作實例
示例數據數據庫
這裏我們使用《MongoDB入門實戰教程（3）》中使用Mongo Tools進行恢復的Mock數據庫中的orders集合來進行應用。
在orders集合中，約有100000條記錄。
每個order文檔的數據模型如下所示：
練習1：目前爲止的訂單總銷量
假設我們需要針對orders集合進行一個操作，計算到目前爲止的所有訂單的總銷售額：
db.orders.aggregate([ { $group: { _id: null, total: { $sum: "$total" } } } ]);
這裏我們使用到了一個常見的步驟（Stage）：$group，它和SQL中的GROUP BY等價，用於對數據進行分組。這裏我們僅僅是做一個求和，不需要對誰進行分組。
然後，我們還用到了一個分組步驟中常用的運算符：$sum，它和SQL中的SUM等價，用於對指定列的數據進行求和。這裏我們需要對total字段進行一個求和。
下圖是查詢結果：
練習2：某個日期區間的訂單金額彙總
假設我們需要查詢在2019年第一季度已完成訂單的訂單總金額和訂單總數。
說明：第一季度爲1月1日~3月31日，訂單狀態爲completed。
db.orders.aggregate([ // 步驟1：匹配條件 { $match: { status: "completed", orderDate: { $gte: ISODate("2019-01-01"), $lt: ISODate("2019-04-01") } } }, // 步驟二：聚合訂單總金額、總運費、總數量 { $group: { _id: null, total: { $sum: "$total" }, shippingFee: { $sum: "$shippingFee" }, count: { $sum: 1 } } }, { $project: { // 計算總金額 grandTotal: { $add: ["$total", "$shippingFee"] }, count: 1, _id: 0 } } ])
可以看到，這是一個較爲複雜的查詢，我們可以將其分爲三步：
第一步，使用$match進行匹配，這一點是做的SQL中的WHERE操作。
第二步，使用$group進行分組，目的是爲了使用SUM運算符求和。
第三步，使用$project進行投影，目的是選擇需要的或排除不需要的字段顯示。
下圖是查詢結果：
3 MQL vs SQL
分頁查詢對比
在SQL中常使用SKIP 和 LIMIT 進行分頁查詢，在MQL中也有等價操作：
-- SQL SELECT FIRST_NAME AS `名`, LAST_NAME AS `姓` FROM Users WHERE GENDER = '男' SKIP 100 LIMIT 20 -- MQL db.users.aggregate([ {$match: {gender: "男"}}, {$skip: 100}, {$limit: 20}, {$project: { '名': '$first_name', '姓': '$last_name' }} ]);
分組查詢對比
在SQL中常使用GROUP BY + HAVING 的分組高級查詢，在MQL中也有等價操作：
-- SQL SELECT DEPARTMENT, COUNT(NULL) AS EMP_QTY FROM Users WHERE GENDER = '女' GROUP BY DEPARTMENT HAVING COUNT(*) < 10 -- MQL db.users.aggregate([ {$match: {gender: '女'}}, {$group: { _id: '$DEPARTMENT’, emp_qty: {$sum: 1} }}, {$match: {emp_qty: {$lt: 10}}} ]);
unwind
在MQL中有一個特有的步驟 unwind，它可以實現將文檔中的某一個數組類型字段拆分成多條，每條包含數組中的一個值。
> db.students.findOne() { name:'張三', score:[ {subject:'語文',score:84}, {subject:'數學',score:90}, {subject:'外語',score:69} ] } > db.students.aggregate([{$unwind: '$score'}]) {name: '張三', score: {subject: '語文', score: 84}} {name: '張三', score: {subject: '數學', score: 90}} {name: '張三', score: {subject: '外語', score: 69}}
4 總結
本文簡單介紹了MongoDB的Aggregation Framework 以及 如何使用聚合框架進行聚合查詢。
下一篇，我們會學習MongoDB的模式設計中的一些設計模式。
參考資料
Microsoft Doc，使用ASP.NET Core和MongoDB創建WebAPI
唐建法，《MongoDB高手課》（極客時間）
郭遠威，《MongoDB實戰指南》（圖書）
△推薦訂閱學習
