MongoDB入门三步曲2－－基本操作(续)--聚合、索引、游标及mapReduce

mongodb 基本操作(续)--聚合、索引、游标及mapReduce

目录

• 聚合操作
• MapReduce
• 游标
• 索引

聚合操作

像大多关系数据库一样，Mongodb也提供了聚合操作，这里仅列取常见到的几个聚合操作： Count计数
就像db.collection.find()操作能返回满足条件的记录一样，db.collection.count()返回满足条件的记录数，如下：

db.blog.count({"title":"mongo"})

此命令返回blog集合中title="mongo"的记录数。

Distinct去重 从其定义db.collection.distinct(keyword, condition)可看出，distinct是基于查询条件condition后对结果中的字段keyword去重的，如果不指定condition，则全表查询后对keyworld去重，示例如下：

db.blog.distinct("author")

此命令会把blog集合中不重复的author值返回出来。
有时在查询时想加个条件，如某天2014-02-26发表过文章的作者查询出来，例如下面的命令即可：

db.blog.distinct("author", {"create":"2014-02-26"})

当然还可以统计去重后的数量，因为返回的结果是个js的列表数据，所以只需要统计该列表的长度：

db.blog.disinct("author").length
或者
var authors = db.blog.distinct("author")
authors.length

group分组 使用过关系数据库如mysql的朋友应该知道，在mysql里group是对查询结果按某个字段分组重组后返回查询的数据列表，即返回的数据仍然是一条一条的，不改变原数据库表中的模式，只是对结果中各记录的前后顺序调整了下。
在mongodb中，分组也需要指定使用的字段，称为key，与mysql不同的地方在于需要指定具有相同key的数据存放位置，通常是一个数组，即对结果的initial；最后还要指定把哪些字段放到结果集里。举例如下：

db.blog.group({
　　"key":{"author":true},
　　"initial":{"blog":[]},
　　"$reduce":function(doc,aggregation){
　　　　aggregation.blog.push({"title":doc.title,"create":doc.create});
　　},
　　"condition":{"create":{$gte:"2014-01-01"}},
　　"finalize":function(aggregation){
　　　　aggregation.count=aggregation.blog.length;
　　}
})

上面这条命令就根据author分组，并每条记录中的title和create字段放到分组聚合信息中。
在定义$reduce函数时，需要指定两个参数：

• doc 当前操作的记录
• aggregation 按key分组后的聚合信息
  对于$reduce，除了上面可以把查出来的信息添加进去还能执行很多其他操作，例如计算某个字段的统计值等。场景不同，方法也各异。
  group操作中的condition及finalize参数不是必须的，但在有时候也是非常有用的：
• condition 对group操作提供条件过滤，如上只对create >= '2014-01-01'的记录进行分组统计
• finalize 会在每组文档分组完成后触，如上命令中，在每个分组完成后统计各分组的数量，并输出到count字段。

MapReduce

MapReduce是分布式计算中的一种编程模型，其中指定一个map函数，用于映射每条数据到不同分组，reduce则对各组进行计算。因此在mongodb中，MapReduce也可以看作是聚合函数的一种复杂场景。
最简单的mapReduce调用需要三个参数：map,reduce,和结果被输出的集合

db.blog.mapReduce(
　　function(){emit(this.author, {author:this.author,count:1});},
　　function(key, values){
　　　　var result = {"author":"", "count":0};
　　　　for(var i = 0, i < values.length; i++) {
　　　　　　result.count += values[i].count;
　　　　　　result.author = values[i].author;
　　　　}
　　　　return result;
　　},
　　{"out":"authorStatistics"}
)

ok，执行完此语句，我们将获得一个新的集合authorStatistics，该集合有两个顶级字段：id和value，其中id的值为key对应的值，value有子json层，格式如result中定义的那般。

{ "_id" : "enjiex", "value" : { "author" : "enjiex", "count" : 1 } }
{ "_id" : "enjiex1", "value" : { "author" : "enjiex1", "count" : 2 } }

下面重点讲解下map及reduce函数：

• map函数：在map函数中调用了emit函数，此函数有两个参数：key和value，其中key是对数据分组的分组字段，value则对应于需要参与计算的值串。例如上面程序中的值串是{name:this.author,count:1}，对一条数据经过此方法调用后，就生成了一个中间值，类似这样:

  {"key":"enjiex", "value":{"author":"enjiex", "count":1}}
  

当对所有查询数据经过map方法调用后，会生成类似的中间结果：

[{"key":"enjiex",
  "value":[
　　　　{"author":"enjiex","count":1},
　　　　{"author":"enjiex","count":1}
　　]
 },
 {"key":"mc",
  "value":{"author":"enjiex","count":1}}
]

可以看出该中间结果是一个集合，是对emit中的value按key分组后的数据。

• reduce函数：有两个参数：key和values，其中key的含义与emit中的含义相同，values则对应于map方法生成的中间结果。在reduce函数中对中间结果再做处理，如上程序中，只对中间结果中的count字段做了求和计算。
• 结果输出：在mapReduce方法中最后一个参数：{"out":"authorStatistics"}指出了结果集的输出位置为：authorStatistics，执行完调用后会在当前库下生成一个名为authorStatistics的集合。

游标

游标概念
在mongo shell中执行db.blog.find()，时立即把结果输出到shell窗口中，但是如果我们把db.blog.find()赋给一个变量：

var blogs = db.blog.find()

那么blogs其实就拿到了mongodb返回的游标了。拿到游标后就可以做一些不一样的事情了，最简单的就是mongo shell中执行db.blog.find()效果一样的遍历输出--其实在shell中直接执行db.blog.find()也是返回了游标，只不过shell帮我们遍历输出了数据。

var blogs = db.blog.find()
while(blogs.hasNext()) {
　　var blog = blogs.next();
　　print(blog.title)
}

如上代码中,blogs是一个游标，对其调用blogs.hasNext()时，其默认会一次性从数据库中读取100条文档，然后调用blogs.next()时会返回当前位置的记录。
游标操作
除上可以对游标执行hasNext()及next()操作外，还可以对游标执行limit,skip及sort操作：

• limit:限制游标返回的数量，即数据返回上限。
• skip:指定返回结果中的前多少条数据被忽略，如果文档总数小于skip的数值，则返回空集合；
• sort:对得到的集合按指定字段进行排序。
  因为在游标上执行以上操作返回的仍然是游标，所以可以在游标上按方法链调用:

  var blogs = db.blog.find();
  blogs.limit(100).skip(10),sort({"author":1,"create":1})
  

  上面代码就先限制返回数据量为100，再跳过前10条数据(实际有效的数据是90条了)，然后再按author和create排序。
  其实上面的代码不是太有效，因为浪费了10条记录的返回，可能下面的写法会更好一些：

  db.blog.find().skip(10).limit(100).sort({"author":1,"create":1});
  

  这个实际返回的有效数据是100条了。

索引

索引基础
索引是提高数据查询效率的有效手段，通过在常用的字段或字段组合上建立索引，就能很多好提高在该字段或字段组合上的查询效率。简单创建索引的方法：

db.blog.ensuerIndex({"author":1})

通过上面方法，就为blog集合在author字段上建立了顺序索引(author的值分配到一棵B树上，同时维护到原数据记录的引用)。后续再通过author条件查询时，就会先在这棵索引树上查找，并返回最终数据记录。
可是，通过建立索引，查询效率真的提高了吗？在建立索引前后，可通过explain方法看到查询操作遍历的记录数：

db.blog.find({"author":"enjiex"}).explain()

创建完索引后，你会发现在相同的库下面会多出一个system.indexes集合，该集合存放了当前库中所有的索引创建信息。通过db.system.indexes.find()可查看当前库下有哪些索引记录。

唯一索引
假如在blog命令中，每个author只能发表一篇文章，也就是说每个author的值在blog记录中只能出现一次，通过建立唯一索引就可以了。

db.blog.ensuerIndex({"author":1}, {"unique":true})

注意，如果blog集合中已经出现了相同author的多条记录，上面的命令是不会执行成功的，只能先手动删除重复记录后再执行该命令才可以。

组合索引
回到唯一索引前的场景，每个author可能会发表很多篇文章，但我们需要经常查询某位author在某一天的文章。只要在author和create上建立个组合索引就能提高此种查询的效率。

db.blog.ensureIndex({"name":1, "birthday":1})

对于mongodb来说，{"name":1, "birthday":1}和{"birthday":1,"name":1}是不同的索引，因此在建立索引的时候，一定要结合实际查询场景，准确处理。
如果对于查询，不太确定是否使用了自己建立的索引，可以结合explain()查看查询细节。
删除索引
创建了这么多索引，但随着业务变化，某些索引已经不再需要了，如果继续维护会增加很多不必要的开销，对这些无效索引要及时予以清除。

db.blog.dropIndexes("index_name")

调用dropIndexes，指定要删除的索引名称即可。
前面一直没有说索引名称，一句话就能查询出来：

db.blog.getIndexes()