Nenifindo's Home

Appearance

2024-03-19
1368
5.3m

聚合操作 ​

查询适合取出已有文档，聚合（Aggregation）则适合把多条文档转换为新的结果集。本页使用 taskdb.tasks 演示聚合管道：每个阶段接收上一个阶段的结果，并将处理后的文档传给下一个阶段。

前置条件 ​

请先完成增删改查中的准备步骤，并确保 tasks 集合至少包含集合操作中的三条示例任务。为了让统计结果稳定，本页的查询只依赖这三条任务；如果你修改过数据，可以重新执行种子数据。

按状态统计任务数量 ​

先筛选任务，再按 status 分组计数：

javascript
db.tasks.aggregate([
  { $match: {} },
  {
    $group: {
      _id: "$status",
      count: { $sum: 1 }
    }
  },
  { $sort: { _id: 1 } }
])

预期结果类似：

text
{ _id: 'doing', count: 1 }
{ _id: 'done', count: 1 }
{ _id: 'todo', count: 1 }

$group 的 _id 是分组键，$sum: 1 为每个文档贡献一个计数。$sort: { _id: 1 } 按分组值升序排列，字符串默认按二进制顺序比较，因此 doing 排在 done 前面。将 $match 换成 { $match: { priority: { $lte: 2 } } }，就可以只统计高优先级任务。

计算总工时 ​

下面的管道计算所有任务的预估工时，并把结果字段改成更容易阅读的名称：

javascript
db.tasks.aggregate([
  {
    $group: {
      _id: null,
      taskCount: { $sum: 1 },
      totalHours: { $sum: "$estimateHours" },
      averageHours: { $avg: "$estimateHours" }
    }
  },
  {
    $project: {
      _id: 0,
      taskCount: 1,
      totalHours: 1,
      averageHours: { $round: ["$averageHours", 1] }
    }
  }
])

$project 可以保留、删除或计算字段。这里用 $round 将平均工时保留一位小数；它只改变输出，不会修改集合中的原始文档。

按负责人统计 ​

任务文档只保存 assigneeId。先分组得到统计结果，再用 $lookup 关联 users 集合，显示负责人的姓名：

javascript
db.tasks.aggregate([
  {
    $group: {
      _id: "$assigneeId",
      taskCount: { $sum: 1 },
      totalHours: { $sum: "$estimateHours" }
    }
  },
  {
    $lookup: {
      from: "users",
      localField: "_id",
      foreignField: "_id",
      as: "assignee"
    }
  },
  { $unwind: "$assignee" },
  {
    $project: {
      _id: 0,
      assigneeId: "$_id",
      name: "$assignee.name",
      taskCount: 1,
      totalHours: 1
    }
  },
  { $sort: { totalHours: -1 } }
])

$lookup 要求 localField 与 foreignField 的值能够精确等值匹配，类型不一致时不会自动转换，相关排查方法见本章末尾的“常见错误”。

按标签统计 ​

一个任务可以包含多个标签。使用 $unwind 将数组拆成多条中间文档，再分组计数：

javascript
db.tasks.aggregate([
  { $unwind: "$tags" },
  {
    $group: {
      _id: "$tags",
      taskCount: { $sum: 1 },
      totalHours: { $sum: "$estimateHours" }
    }
  },
  {
    $project: {
      _id: 0,
      tag: "$_id",
      taskCount: 1,
      totalHours: 1
    }
  },
  { $sort: { taskCount: -1, tag: 1 } }
])

如果某条任务没有 tags 字段，默认情况下它不会产生任何输出行。需要保留空数组或缺失字段时，可以将 $unwind 改成：

javascript
{
  $unwind: {
    path: "$tags",
    preserveNullAndEmptyArrays: true
  }
}

调试聚合管道 ​

不要一开始就写很长的管道。先运行前两个阶段，检查中间文档的字段形状：

javascript
db.tasks.aggregate([
  { $match: { status: { $ne: "done" } } },
  { $project: { _id: 0, title: 1, status: 1, tags: 1 } }
])

确认字段名称和类型正确后，再追加 $unwind、$group 或 $lookup。阶段顺序会影响结果：例如在 $unwind 前后执行 $group，得到的计数含义不同。

验证查询计划 ​

聚合管道的首个 $match 可以利用匹配字段上的索引。先创建一个本地示例索引：

javascript
db.tasks.createIndex({ status: 1, assigneeId: 1 })

查看查询计划：

javascript
db.tasks.explain("executionStats").aggregate([
  { $match: { status: "doing", assigneeId: "u002" } },
  { $project: { _id: 0, title: 1 } }
])

这里的重点是学会使用 explain 观察计划，而不是为每个字段盲目创建索引。索引设计应结合真实查询、数据规模和写入成本。

常见错误 ​

  • 现象：$lookup 之后 assignee 数组为空，$unwind 使整行结果消失。 原因：关联字段类型不一致，例如 tasks.assigneeId 是字符串而 users._id 是 ObjectId，等值匹配失败。 修复：让两个集合的关联字段使用相同类型；插入数据前先确认 ID 约定。

  • 现象：$group 之后，原本文档里的字段“消失”了。 原因：$group 输出的文档只包含 _id 和阶段内显式定义的字段。 修复：需要携带其他字段时，在 $group 中补充累加器，例如 $first 取第一个值、$push 收集明细。

  • 现象：某条任务没有 tags 字段或为空数组，标签统计的结果条数对不上。 原因：$unwind 默认会丢弃没有数组元素可拆分的文档。 修复：按“按标签统计”一节的写法加上 preserveNullAndEmptyArrays: true，并在业务上决定这类文档的分组键。

  • 现象：聚合随数据量增长明显变慢。 原因：大量文档进入后面的阶段，前面的 $match 没有索引可用。 修复：把过滤和缩减文档数的阶段放在管道最前面，并用 explain 检查是否使用了索引。

小结 ​

  • 聚合管道由阶段组成，$match、$group、$sort、$project、$unwind 和 $lookup 覆盖大多数统计场景。
  • $group 的 _id 决定分组键，_id: null 表示对全部文档做整体聚合。
  • 阶段顺序会改变结果含义；先运行短管道检查中间文档，再逐步追加阶段。
  • 管道开头的 $match 尽量写在有索引的字段上，并用 explain("executionStats") 验证。

练习 ​

  1. 修改“按负责人统计”的管道，只统计未完成（status 不为 done）的任务，并保持按总工时降序排列。
  2. 在状态统计管道的 $sort 后追加一个 $limit: 1 阶段，让结果只显示任务数量最多的状态，然后换一组数据验证是否仍然正确。

下一步：进入 Python API，将相同的 CRUD 和聚合操作放进 Python 程序。

最近更新