使用aggregate在MongoDB中查詢重復數據記錄的方法

MongoDB中聚合(aggregate)主要用於處理數據(諸如統計平均值,求和等)，並返回計算後的數據結果。有點類似sql語句中的 count(*)。

aggregate() 方法

MongoDB中聚合的方法使用aggregate()。

語法

aggregate() 方法的基本語法格式如下所示：

>db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION)

我們知道，MongoDB屬於文檔型數據庫，其存儲的文檔類型都是JSON對象。正是由於這一特性，我們在Node.js中會經常使用MongoDB進行數據的存取。但由於Node.js是異步執行的，這就導致我們無法保證每一次的數據庫save操作都是原子型的。也就是說，如果客戶端連續兩次發起同一事件將數據存入數據庫，很可能會導致數據被重復保存。高並發的情況下，哪怕是你在代碼中已經做了非常嚴格的校驗，例如插入數據前判斷要保存的數據是否已經存在，但仍然有可能會出現數據被重復保存的風險。因為在異步執行中，你沒有辦法保證哪個線程先執行，哪個線程後執行，客戶端發起的所有請求並非按我們想象的都是順序執行的。一個較好的解決辦法是在Mongo數據庫的所有表中創建唯一索引。事實上，MongoDB默認會為所有表創建一個_id字段的唯一索引（可以取消）。如果你想在Node.js中通過mongoose.schema來自動創建索引，可以參考下面的代碼：

var mongoose = require('mongoose');
var Schema = mongoose.Schema;
var customerSchema = new mongoose.Schema({
cname: String,
cellPhone, String,
sender: String,
tag: String,
behaviour: Number,
createTime: {
type: Date,
default: Date.now
},
current:{
type: Boolean,
default: true
}
}, {
versionKey: false
});
customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1}, {unique: true});module.exports = mongoose.model('customer', customerSchema); 

　　上面的model中我們定義了表customer的結構，並通過index()方法在字段cname，cellPhone，sender，tag，behaviour上創建了唯一索引，這樣當包含這些字段的重復數據被插入時，數據庫會拋出異常。借用mongoose，如果數據庫表之前已經被創建並且程序正在運行中，當我們修改model並添加索引，然後重新啟動app，只要有對該model的訪問，mongoose會自動進行檢測並創建索引。當然，如果數據出現重復，則索引創建會失敗。此時我們可以通過在創建索引時添加dropDups選項，讓數據庫自動將重復的數據刪除，如：

customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1}, {unique: true, dropDups: true});

　　不過據MongoDB的官方說明，自3.0以後的版本不再使用該選項，而且也並沒有提供替代的解決辦法。貌似官方不再提供創建索引時自動刪除重復記錄的功能。那如何才能快速有效地找出重復的記錄並且刪除呢？首先我們要找出這些記錄，然後通過remove()方法進行刪除。下面的查詢語句可以找出給定字段有重復數據的記錄：

db.collection.aggregate([
{ $group: { 
_id: { firstField: "$firstField", secondField: "$secondField" }, 
uniqueIds: { $addToSet: "$_id" },
count: { $sum: 1 } 
}}, 
{ $match: { 
count: { $gt: 1 } 
}}
]) 

　　替換_id屬性的值以指定你想要進行判斷的字段。相應地，在Node.js中代碼如下：

var deferred = Q.defer();
var group = { firstField: "$firstField", secondField: "$secondField"};
model.aggregate().group({
_id: group,
uniqueIds: {$addToSet: '$_id'},
count: {$sum: 1}
}).match({ count: {$gt: 1}}).exec(deferred.makeNodeResolver());
return deferred.promise; 

上述代碼使用了Q來替換函數執行中的回調。在Node.js的異步編程中，使用Q來處理回調是個不錯的選擇。

　　下面是返回的結果：

/* 1 */
{
"result" : [ 
{
"_id" : {
"cellPhone" : "15827577345",
"actId" : ObjectId("5694565fa50fea7705f01789")
},
"uniqueIds" : [ 
ObjectId("569b5d03b3d206f709f97685"), 
ObjectId("569b5d01b3d206f709f97684")
],
"count" : 2.0000000000000000
}, 
{
"_id" : {
"cellPhone" : "18171282716",
"actId" : ObjectId("566b0d8dc02f61ae18e68e48")
},
"uniqueIds" : [ 
ObjectId("566d16e6cf86d12d1abcee8b"), 
ObjectId("566d16e6cf86d12d1abcee8a")
],
"count" : 2.0000000000000000
}
],
"ok" : 1.0000000000000000
}

　　從結果中可以看到，一共有兩組數據相同的記錄，所以返回的result數組的長度為2。uniqueIds屬性為一個數組，其中存放了重復記錄的_id字段的值，通過該值我們可以使用remove()方法來查找並刪除對應的數據。