程式師世界 >> 數據庫知識 >> MongoDB數據庫 >> MongoDB綜合知識 >> MongoDB中強大的統計框架Aggregation使用實例解析

MongoDB中強大的統計框架Aggregation使用實例解析

編輯：MongoDB綜合知識

聽說項目裡面Aggregation用的多，那就專門針對這個多多練習一下。

基本的操作包括：

•$project - 可以從子文檔中提取字段，可以重命名字段

•$match - 可以實現查找的功能

•$limit - 接受一個數字n，返回結果集中的前n個文檔。

•$skip - 接受一個數字n，丟棄結果集中的前n個文檔。效率比較低，依然會遍歷前n個文檔。

•$unwind - 可以將一個包含數組的文檔切分成多個, 比如你的文檔有中有個數組字段 A, A中有10個元素, 那麼經過 $unwind處理後會產生10個文檔，這些文檔只有字段 A不同

•$group - 統計操作，還提供了一系列子命令

–$avg, $sum …

•$sort - 排序

Python篇
實驗一、學生數據統計
1、生成學生數據：

#!/usr/bin/env python
# coding=utf-8
from pymongo import MongoClient
from random import randint
name1 = ["yang ", "li ", "zhou "]
name2 = [
  "chao",
  "hao",
  "gao",
  "qi gao",
  "hao hao",
  "gao gao",
  "chao hao",
  "ji gao",
  "ji hao",
  "li gao",
  "li hao",
]
provinces = [
  "guang dong",
  "guang xi",
  "shan dong",
  "shan xi",
  "he nan"
]
client = MongoClient('localhost', 27017)
db = client.student
sm = db.smessage
sm.remove()
for i in range(1, 100):
  name = name1[randint(0, 2)] + name2[randint(0, 10)]
  province = provinces[randint(0, 4)]
  new_student = {
    "name": name,
    "age": randint(1, 30),
    "province": province,
    "subject": [
      {"name": "chinese", "score": randint(0, 100)},
      {"name": "math", "score": randint(0, 100)},
      {"name": "english", "score": randint(0, 100)},
      {"name": "chemic", "score": randint(0, 100)},
    ]}
  print new_student
  sm.insert_one(new_student)

print sm.count()

好了，現在數據庫裡面有100條學生數據了。

現在我要得到廣東學生的平均年齡，在mongo控制台輸入：

如果想到得到所有省份的平均年齡，那就更加簡單了：

db.smessage.aggregate(
{$match: {province: "guang dong"}}
)

{ "_id" : "guang xi", "age" : 15.19047619047619 }
{ "_id" : "guang dong", "age" : 16.05263157894737 }
{ "_id" : "shan dong", "age" : 17.44 }
{ "_id" : "he nan", "age" : 20 }
{ "_id" : "shan xi", "age" : 16.41176470588235 }

如果想得到廣東省所有科目的平均成績：

db.smessage.aggregate(
{$match: {province: "guang dong"}},
{$unwind: "$subject"},
{$group: { _id: {province:"$province",sujname:"$subject.name"}, per:{$avg:"$subject.score"}}}
)

加上排序：

db.smessage.aggregate(
{$match: {province: "guang dong"}},
{$unwind: "$subject"},
{$group: { _id: {province:"$province",sujname:"$subject.name"}, per:{$avg:"$subject.score"}}},
{$sort:{per:1}}
)

實驗二、尋找發帖水王
有一個保存著雜志文章的集合，你可能希望找出發表文章最多的那個作者。假設每篇文章被保存為MongoDB中的一個文檔。

1、插入數據

#!/usr/bin/env python
# coding=utf-8
from pymongo import MongoClient
from random import randint


name = [
  'yangx',
  'yxxx',
  'laok',
  'kkk',
  'ji',
  'gaoxiao',
  'laoj',
  'meimei',
  'jj',
  'manwang',
]

title = [
  '123',
  '321',
  '12',
  '21',
  'aaa',
  'bbb',
  'ccc',
  'sss',
  'aaaa',
  'cccc',
]

client = MongoClient('localhost', 30999)
db = client.test
bbs = db.bbs
bbs.remove()
for i in range(1, 10000):
  na = name[randint(0, 9)]
  ti = title[randint(0, 9)]
  newcard = {
    'author': na,
    'title': ti,
  }
  bbs.insert_one(newcard)

print bbs.count()

現在我們擁有了10000條文章數據了。

2、用$project將author字段投射出來

{"$project": {"author":1}}

這個語法與查詢中的字段選擇器比較像：可以通過指定"fieldname" : 1選擇需要投射的字段，或者通過指定"fieldname":0排除不需要的字段。

執行完這個"$project"操作之後，結果集中的每個文檔都會以{"_id" : id, "author" : "authorName"}這樣的形式表示。這些結果只會在內存中存在，不會被寫入磁盤。

3、用group將作者名稱分組

{"group":{"_id":"$author","count":{"$sum":1}}}

這樣就會將作者按照名字排序，某個作者的名字每出現一次，就會對這個作者的"count"加1。

這裡首先指定了需要進行分組的字段"author"。這是由"_id" : "$author"指定的。可以將這個操作想象為：這個操作執行完後，每個作者只對應一個結果文檔，所以"author"就成了文檔的唯一標識符（"_id"）。

第二個字段的意思是為分組內每個文檔的"count"字段加1。注意，新加入的文檔中並不會有"count"字段；這"$group"創建的一個新字段。

執行完這一步之後，結果集中的每個文檔會是這樣的結構：{"_id" : "authorName", "count" : articleCount}。

4、用sort排序

{"$sort" : {"count" : -1}}

這個操作會對結果集中的文檔根據"count"字段進行降序排列。

5、限制結果為前5個文檔

{"$limit" : 5}

這個操作將最終的返回結果限制為當前結果中的前5個文檔。
在MongoDB中實際運行時，要將這些操作分別傳給aggregate()函數：

> db.articles.aggregate({"$project" : {"author" : 1}},
... {"$group" : {"_id" : "$author", "count" : {"$sum" : 1}}},
... {"$sort" : {"count" : -1}},
... {"$limit" : 5}
... )

aggregate()會返回一個文檔數組，其中的內容是發表文章最多的5個作者。

{ "_id" : "yangx", "count" : 1028 }
{ "_id" : "laok", "count" : 1027 }
{ "_id" : "kkk", "count" : 1012 }
{ "_id" : "yxxx", "count" : 1010 }
{ "_id" : "ji", "count" : 1007 }

Java篇

我在db中造了些數據(數據時隨機生成的, 能用即可)，沒有建索引，文檔結構如下：

Document結構:

 {
  "_id" : ObjectId("509944545"),
  "province" : "海南",
  "age" : 21,
  "subjects" : [
  {
  "name"："語文",
  "score" : 53
  },
  {
  "name"："數學",
  "score" : 27
  },
  {
  "name"："英語",
  "score" : 35
  }
   ],
  "name" : "劉雨"
 }

接下來要實現兩個功能：

統計上海學生平均年齡
統計每個省各科平均成績

接下來一一道來

統計上海學生平均年齡

從這個需求來講，要實現功能要有幾個步驟: 1. 找出上海的學生. 2. 統計平均年齡 (當然也可以先算出所有省份的平均值再找出上海的)。如此思路也就清晰了

首先上 $match, 取出上海學生

{$match:{'province':'上海'}}

接下來用 $group 統計平均年齡

{$group:{_id:'$province',$avg:'$age'}}

$avg 是 $group的子命令，用於求平均值，類似的還有 $sum, $max ....
上面兩個命令等價於

select province, avg(age) 
 from student 
 where province = '上海'
 group by province

下面是Java代碼

Mongo m = new Mongo("localhost", 27017);
 DB db = m.getDB("test");
 DBCollection coll = db.getCollection("student");
 
 /*創建 $match, 作用相當於query*/
 DBObject match = new BasicDBObject("$match", new BasicDBObject("province", "上海"));
 
 /* Group操作*/
 DBObject groupFields = new BasicDBObject("_id", "$province");
 groupFields.put("AvgAge", new BasicDBObject("$avg", "$age"));
 DBObject group = new BasicDBObject("$group", groupFields);
 
 /* 查看Group結果 */
 AggregationOutput output = coll.aggregate(match, group); // 執行 aggregation命令
 System.out.println(output.getCommandResult());

輸出結果：

{ "serverUsed" : "localhost/127.0.0.1:27017" ,    
 "result" : [ 
  { "_id" : "上海" , "AvgAge" : 32.09375}
  ] ,     
  "ok" : 1.0
 }

如此工程就結束了，再看另外一個需求

統計每個省各科平均成績

首先更具數據庫文檔結構，subjects是數組形式，需要先‘劈'開，然後再進行統計

主要處理步驟如下：

1. 先用$unwind 拆數組 2. 按照 province, subject 分租並求各科目平均分

$unwind 拆數組

{$unwind:'$subjects'}

按照 province, subject 分組，並求平均分

{$group:{
   _id:{
     subjname:”$subjects.name”,  // 指定group字段之一 subjects.name, 並重命名為 subjname
     province:'$province'     // 指定group字段之一 province, 並重命名為 province(沒變)
   },
   AvgScore:{
    $avg:”$subjects.score”    // 對 subjects.score 求平均
   }
 }

java代碼如下:

Mongo m = new Mongo("localhost", 27017);
 DB db = m.getDB("test");
 DBCollection coll = db.getCollection("student");
 
 /* 創建 $unwind 操作, 用於切分數組*/
 DBObject unwind = new BasicDBObject("$unwind", "$subjects");
 
 /* Group操作*/
 DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
 groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
 DBObject group = new BasicDBObject("$group", groupFields);
 
 /* 查看Group結果 */
 AggregationOutput output = coll.aggregate(unwind, group); // 執行 aggregation命令
 System.out.println(output.getCommandResult());

輸出結果

{ "serverUsed" : "localhost/127.0.0.1:27017" , 
  "result" : [ 
   { "_id" : { "subjname" : "英語" , "province" : "海南"} , "AvgScore" : 58.1} , 
   { "_id" : { "subjname" : "數學" , "province" : "海南"} , "AvgScore" : 60.485} ,
   { "_id" : { "subjname" : "語文" , "province" : "江西"} , "AvgScore" : 55.538} , 
   { "_id" : { "subjname" : "英語" , "province" : "上海"} , "AvgScore" : 57.65625} , 
   { "_id" : { "subjname" : "數學" , "province" : "廣東"} , "AvgScore" : 56.690} , 
   { "_id" : { "subjname" : "數學" , "province" : "上海"} , "AvgScore" : 55.671875} ,
   { "_id" : { "subjname" : "語文" , "province" : "上海"} , "AvgScore" : 56.734375} , 
   { "_id" : { "subjname" : "英語" , "province" : "雲南"} , "AvgScore" : 55.7301 } ,
   .
   .
   .
   .
   "ok" : 1.0
 }

統計就此結束.... 稍等，似乎有點太粗糙了，雖然統計出來的，但是根本沒法看，同一個省份的科目都不在一起。囧

接下來進行下加強,

支線任務：將同一省份的科目成績統計到一起( 即，期望 'province':'xxxxx', avgscores:[ {'xxx':xxx}, ....] 這樣的形式)

要做的有一件事，在前面的統計結果的基礎上，先用 $project 將平均分和成績揉到一起，即形如下面的樣子

{ "subjinfo" : { "subjname" : "英語" ,"AvgScores" : 58.1 } ,"province" : "海南" }

再按省份group，將各科目的平均分push到一塊，命令如下：

$project 重構group結果

{$project：{province:"$_id.province", subjinfo:{"subjname":"$_id.subjname", "avgscore":"$AvgScore"}}

$使用 group 再次分組

{$group:{_id:"$province", avginfo:{$push:"$subjinfo"}}}

java 代碼如下：

Mongo m = new Mongo("localhost", 27017);
DB db = m.getDB("test");
DBCollection coll = db.getCollection("student");
       
/* 創建 $unwind 操作, 用於切分數組*/
DBObject unwind = new BasicDBObject("$unwind", "$subjects");
       
/* Group操作*/
DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
DBObject group = new BasicDBObject("$group", groupFields);
       
/* Reshape Group Result*/
DBObject projectFields = new BasicDBObject();
projectFields.put("province", "$_id.province");
projectFields.put("subjinfo", new BasicDBObject("subjname","$_id.subjname").append("avgscore", "$AvgScore"));
DBObject project = new BasicDBObject("$project", projectFields);
       
/* 將結果push到一起*/
DBObject groupAgainFields = new BasicDBObject("_id", "$province");
groupAgainFields.put("avginfo", new BasicDBObject("$push", "$subjinfo"));
DBObject reshapeGroup = new BasicDBObject("$group", groupAgainFields);
 
/* 查看Group結果 */
AggregationOutput output = coll.aggregate(unwind, group, project, reshapeGroup);
System.out.println(output.getCommandResult());

結果如下：

{ "serverUsed" : "localhost/127.0.0.1:27017" , 
 "result" : [ 
    { "_id" : "遼寧" , "avginfo" : [ { "subjname" : "數學" , "avgscore" : 56.46666666666667} , { "subjname" : "英語" , "avgscore" : 52.093333333333334} , { "subjname" : "語文" , "avgscore" : 50.53333333333333}]} , 
    { "_id" : "四川" , "avginfo" : [ { "subjname" : "數學" , "avgscore" : 52.72727272727273} , { "subjname" : "英語" , "avgscore" : 55.90909090909091} , { "subjname" : "語文" , "avgscore" : 57.59090909090909}]} , 
    { "_id" : "重慶" , "avginfo" : [ { "subjname" : "語文" , "avgscore" : 56.077922077922075} , { "subjname" : "英語" , "avgscore" : 54.84415584415584} , { "subjname" : "數學" , "avgscore" : 55.33766233766234}]} , 
    { "_id" : "安徽" , "avginfo" : [ { "subjname" : "英語" , "avgscore" : 55.458333333333336} , { "subjname" : "數學" , "avgscore" : 54.47222222222222} , { "subjname" : "語文" , "avgscore" : 52.80555555555556}]} 
  .
  .
  .
  ] , "ok" : 1.0}