1. 聚合框架
使用聚合框架對集合中的文檔進行變換和組合，可以用多個構件創建一個管道(pipeline)，用於對一連串的文檔進行處理。這些構件包括篩選(filtering),投射(projecting),分組(grouping),排序(sorting),限制(limiting),跳過(skipping)。
例如一個保存著動物類型的集合，希望找出最多的那種動物，假設每種動物被保存為一個mongodb文檔，可以按照以下步驟創建管道。
1)將每個文檔的動物名稱映射出來。
2)安裝名稱排序，統計每個名稱出現的次數。
3)將文檔按照名稱出現的次數降序排列。
4)將返回結果限制為前五個。
具體操作符：
1){"$porject", {"name" : 1}}
類似於查詢階段的字段選擇器，指定"fieldname" : 1選定需要的字段，"fieldname" : 0排除不需要的字段，"_id"字段自動顯示。結果保存在內存中，不會寫入磁盤。
db.test_collection.aggregate({"$project" : {"name" : 1}}); =>
{ "_id" : ObjectId("535a2d3c169097010b92fdf6"), "name" : "snake" }
2){"$group", {"_id" : "$name", "count" : {"$sum" : 1}}}
首先指定了分組的字段"name",該操作執行完後，每個name只對應一個結果，所有可以將name指定為唯一標識符"_id"。
第二個字段表明分組內的每個文檔"count"字段加1。新加入的文檔中不會有count字段。
db.test_collection.aggregate({"$project" : {"name" : 1}}, {"$group" : {"_id" : "$name", "count" : {"$sum" : 1}}}); =>
{ "_id" : "bird", "count" : 8344 }
{ "_id" : "snake", "count" : 8443 }
{ "_id" : "cat", "count" : 8183 }
{ "_id" : "rabbit", "count" : 8206 }
{ "_id" : "tiger", "count" : 8329 }
{ "_id" : "cow", "count" : 8309 }
{ "_id" : "horse", "count" : 8379 }
{ "_id" : "dog", "count" : 8406 }
{ "_id" : "dragon", "count" : 8372 }
{ "_id" : "elephant", "count" : 8264 }
{ "_id" : "pig", "count" : 8403 }
{ "_id" : "lion", "count" : 8362 }
3){"$sort" : {"count" : -1}}
對結果集中的文檔根據count字段做降序排列。
4){"$limit" : 5}
將返回結果限制為5個文檔。
將上述結果綜合起來：
db.test_collection.aggregate(
{
"$project" : {"name" : 1}},
{"$group" : {"_id" : "$name", "count" : {"$sum" : 1}}},
{"$sort" : {"count" : -1}},
{"$limit" : 5}
);
aggregate會返回一個文檔數組，內容為出現次數最多的5個動物：
{ "_id" : "snake", "count" : 8443 }
{ "_id" : "dog", "count" : 8406 }
{ "_id" : "pig", "count" : 8403 }
{ "_id" : "horse", "count" : 8379 }
{ "_id" : "dragon", "count" : 8372 }
調試過程中。可以逐一對管道符進行排查。
聚合框架不能對集合進行寫入操作，所有結果返回給客戶端，聚合結果必須限制在16M以內。
2. 管道操作符
每個操作符都會接受一連串的文檔，對這些文檔進行類型轉換，最後得到的文檔作為結果傳遞給下一操作符。
不同的管道操作符可以將任意順序組合在一起使用，而且可以被重復任意多次。
2.1 $match
$match用於對文檔集合進行篩選，之後得到的文檔子集做聚合。
"$match"支持所有的常規查詢操作符("$gt","$lt","$ne")等，不能使用地理空間操作符。
實際操作中盡量將"$match"放在管道的前面部分，一方面可以提快速將不需要的文檔過濾掉，另外在映射和分組前篩選，查詢可以使用索引。
2.2 $project
使用"$project"可以提取字段，可以重命名字段，
db.foo.aggregate({"$project" : {"city" : 1, "_id" : 0}}) =>
{ "city" : "NEW WORK" }
可以將投射過的字段重命名:
db.foo.aggregate({"$project" : {"newcity" : "$city", "_id" : 0}}) =>
{ "newcity" : "NEW WORK" }
使用"$fieldname"語法為了在聚合框架中引用fieldname字段，例如上面"$city"會被替換為"NEW WORK"。
對字段重命名後，Mongdb不會記錄其記錄字段的歷史名稱，所以應該在修改字段名稱前使用索引。
2.2.1 管道表達式
可以使用表達式將多個字面量和變量組合為一個值。
可以使用組合或者任意深度的嵌套，創建復雜的表達式。
2.2.2 數學表達式
數學表示式用來操作數據運算。
db.foo.aggregate(
{"$project" :
{"total" :
{"$add" : ["$age", "$year"]},
"_id" : 0
}
}
)
{"total" : 15}
可以將多個表達式組合為更為復雜的表達式：
db.foo.aggregate(
{"$project" :
{"sub" :
{"$subtract" : [{"$add" : ["$age", "$year"]}, 7]},
"_id" : 0
}
}
)
{ "sub" : 8 }
操作符語法：
1)"$add" : [expr1, [, expr2, ..., exprN]]
將表達式相加
2)"$subtract" : [expr1, expr2]
表達式1減去表達式2
3)"$multiply" : [expr1, [, expr2, ..., exprN]]
將表達式相乘
4)"$divide" : [expr1, expr2]
表達式1除以表達式2得到商
5)"$mod" : [expr1, expr2]
表達式1除以表達式2得到余數
2.2.3 日期表達式
用於提取日期信息的表達式："$year","$month","$week","$dayOfMonth","$dayOfweek","$hour","$minute","$second"。只能對日期類型的字段進行日期操作，不能對數值類型進行日期操作。
db.bar.insert({"name" : "pipi", "date" : new Date()})
db.bar.aggregate(
{"$project" :
{"birth-month" :
{"$month" : "$date"},
"_id" : 0
}
}
)
{ "birth-month" : 4 }
也可以使用字面量日期。
db.bar.aggregate(
{"$project" :
{"up-to-now" :
{"$subtract" : [{"$minute" : new Date()}, {"$minute" : "$date"}]},
"_id" : 0
}
}
)
{ "up-to-now" : 18 }
2.2.3 字符串表達式
操作符語法：
1)"$substr" : [expr, startOffset, numoReturn]
接受字符串，起始位置以後偏移N個字節，截取字符串。
2)"$concat" : [expr1[, expr2, ..., exprN]]
將給定的表達式連接在一起作為返回結果。
3)"$toLower" : expr
返回參數的小寫形式
4)"$toUpper" : expr
返回參數的大寫形式
例如：
db.foo.insert({"firstname" : "caoqing", "lastname" : "lucifer"})
db.foo.aggregate(
{
"$project" : {
"email" : {
"$concat" : [
{"$substr" : ["$firstname", 0, 1]},
".",
"$lastname",
"@gmail.com"
]
},
"_id" : 0
}
}
)
{ "email" : "[email protected]" }
2.2.3 邏輯表達式
操作符語法：
1)"$cmp" : [expr1, expr2]
比較兩個參數，相等返回0，大於返回整數，小於返回負數。
2)"$strcasecmp" : [string1, string2]
比較字符串，區分大小寫
3)"$eq"/"$ne"/"$gt"/"$gte"/"lt"/"lte" : [expr1, expr2]
比較字符串，返回結果(true or false)
4)"$and" : [expr1[, expr2, ..., exprN]]
所有值為true返回true，否則返回false。
5)"$or" : [expr1[, expr2, ..., exprN]]
任意表達式為true返回true，否則返回false
6)"$not" : expr
對表示式取反
還有兩個控制語句。
"$crond" : [booleanExpr, trueExpr, falseExpr]
如果為true,返回trueExpr，否則，返回falseExpr。
"$ifFull" : [expr, replacementExpr]
如果expr為null，返回replacementExpr，否則返回expr。
算術操作符必須接受數值，日期操作符必須接受日期，字符串操作符必須接受字符串。
例如，根據學生出勤率(10%)，平時作業(30%)和考試成績(60%)得出最終成績，如果是老師寵愛的學生，直接得100分：
插入數據:
db.bar.insert(
{
"name" : "xiaobao",
"teachersPet" : 1,
"attendance" : 90,
"quizz" : 80,
"test" : 85
}
)
db.bar.insert(
{
"name" : "caoqing",
"teachersPet" : 0,
"attendance" : 20,
"quizz" : 50,
"test" : 90
}
)
db.bar.insert(
{
"name" : "pipi",
"teachersPet" : 0,
"attendance" : 100,
"quizz" : 50,
"test" : 10
}
)
聚合：
db.bar.aggregate(
{
"$project" : {
"grade" : {
"$cond" : [
"$teachersPet",
100,
{
"$add" : [
{"$multiply" : [0.1, "$attendance"]},
{"$multiply" : [0.3, "$quizz"]},
{"$multiply" : [0.6, "$test"]},
]
}
]
},
"_id" : 0
}
}
)
返回結果：
{ "grade" : 100 }
{ "grade" : 71 }
{ "grade" : 31 }
3. MapReduce
Mapreduce非常強大與靈活，Mongodb使用javascript作為查詢語言，可以表示任意復雜的邏輯。
Mapreduce非常慢，不應該用在實際的數據分析中。
Mapreduce可以在多台服務器之間並行執行，可以將一個問題拆分為多個小問題，之後將各個小問題發送到不同的機器上，每台機器只負責完成一部分工作，所有的機器完成時，將這些零碎的解決方案合並為一個完整的解決方案。
最開始的是映射(map),將操作映射到集合中的各個文檔，然後是中間環節，成為洗牌(shuffle),按照鍵分組，將產生的鍵值組成列表放在對應的鍵中。化簡(reduce)則是把列表中的值化簡為一個單值。
3.1 找出集合中的所有鍵
MongoDB假設你的模式是動態的，所以並不會跟蹤記錄每個文檔的鍵。通常找到集合中所有文檔的所有鍵的最好方式就是MapReduce。
在映射環節，map函數使用特別的emit函數返回要處理的值。emit會給MapReduce一個鍵和一個值。
這裡用emit將文檔某個鍵的計數返回。this就是當前映射文檔的引用：
map = function() {
emit(this.country, {count : 1});
}
reduce接受兩個參數，一個是key，就是emit返回的第一個值，還有一個數組，由一個或多個鍵對應的{count : 1}文檔組成。
reduce = function(key, value) {
var result = {count : 0};
for (var i = 0; i < value.length; i++) {
result.count += value[i].count;
}
return result;
}
示例表數據：
{ "_id" : 38, "country" : "japan", "money" : 724 }
{ "_id" : 39, "country" : "germany", "money" : 520 }
{ "_id" : 40, "country" : "india", "money" : 934 }
{ "_id" : 41, "country" : "china", "money" : 721 }
{ "_id" : 42, "country" : "germany", "money" : 156 }
{ "_id" : 43, "country" : "canada", "money" : 950 }
{ "_id" : 44, "country" : "india", "money" : 406 }
{ "_id" : 45, "country" : "japan", "money" : 776 }
{ "_id" : 46, "country" : "canada", "money" : 468 }
{ "_id" : 47, "country" : "germany", "money" : 262 }
{ "_id" : 48, "country" : "germany", "money" : 126 }
{ "_id" : 49, "country" : "japan", "money" : 86 }
{ "_id" : 50, "country" : "canada", "money" : 870 }
{ "_id" : 51, "country" : "india", "money" : 98 }
{ "_id" : 52, "country" : "india", "money" : 673 }
{ "_id" : 53, "country" : "japan", "money" : 487 }
{ "_id" : 54, "country" : "india", "money" : 681 }
{ "_id" : 55, "country" : "canada", "money" : 491 }
{ "_id" : 56, "country" : "japan", "money" : 98 }
{ "_id" : 57, "country" : "china", "money" : 172 }
運行結果：
db.foo.mapReduce(map, reduce, {out : "collection"})
{
"result" : "collcetion",
"timeMillis" : 83,
"counts" : {
"input" : 99,
"emit" : 99,
"reduce" : 5,
"output" : 5
},
"ok" : 1,
"$gleStats" : {
"lastOpTime" : Timestamp(1399168165, 15),
"electionId" : ObjectId("535a2ce15918f42de9ab1427")
},
}
（1）result:存放的集合名
（2）timeMillis:操作花費的時間，單位是毫秒
（3）input:傳入文檔數目
（4）emit:此函數被調用的次數
（5）reduce:此函數被調用的次數
（6）output:最後返回文檔的個數
查看下collection結果內容：
db.collection.find();
{ "_id" : "canada", "value" : { "count" : 19 } }
{ "_id" : "china", "value" : { "count" : 15 } }
{ "_id" : "germany", "value" : { "count" : 25 } }
{ "_id" : "india", "value" : { "count" : 20 } }
{ "_id" : "japan", "value" : { "count" : 20 } }
3.2 MapRecude其他的鍵
（1）"finalize" : function
可以將reduce的結果發送給這個鍵，這是整個處理過程的最後一步。
（2）"keeptemp自動為true。" : boolean
如果為true，則在連接關閉後結果保存，否則不保存。
（3）"out" : string
輸出集合的名稱，如果設置，keeptemp自動為true。
（4）"query" : document
在發往map前，先用指定條件過濾文檔。
（5）"sort" : document
在發往map前，先進行排序。
（6）"limit" : integer
發往map函數的文檔數量上限。
（7）"scope" : document
可以在javascripts代碼中使用的變量。
（8）"verbose" : boolean
是否記錄詳細的服務器日志。
3.2.1 finalize函數
可以使用finalize函數作為參數，會在最後一個reduce輸出結果後執行，然後將結果保存在臨時集合裡。
3.2.2 保存結果集合
默認情況下，執行mapreduce時創建一個臨時集合，集合名稱為mr.stuff.ts.id,即mapreduce.集合名.時間戳.數據庫作業ID。MongoDB會在調用的連接關閉時自動銷毀這個集合。
3.2.3 對子文檔執行mapreduce
每個傳遞給map的文檔都需要先反序列化，從BSON對象轉換為js對象，這個過程非常耗時，可以先對文檔過濾來提高map速度，可以通過"query","limit"和"sort"等對文檔進行過濾。
"query"的值是一個查詢文檔。
"limit","sort"配合可以發揮很大的作用。
"query","limit"和"sort"可以隨意組合使用。
3.2.4 作用域
作用域鍵"scope"，可以用變量名:值這樣普通的文檔來設置該選項，
3.2.5 獲取更多的輸出
設置verbose為true，可以將mapreduce過程更多的信息輸出到服務器日志上。
4 聚合命名
count和distinct操作可以簡化為普通命令，不需要使用聚合框架。
4.1 count
count返回集合中的文檔數量：
db.foo.count() => 99
可以傳入一個查詢文檔：
db.foo.count({country : "china"}) =>
15
增加查詢條件會使count變慢。
4.2 distinct
distinct用來找出給定鍵的所有不同值。使用時必須指定集合和鍵。
db.runCommand({ "distinct" : "foo", "key" : "country"}) =>
{
"values" : [
"japan",
"germany",
"india",
"china",
"canada"
],
"stats" : {
"n" : 99,
"nscanned" : 99,
"nscannedObjects" : 99,
"timems" : 22,
"cursor" : "BasicCursor"
},
"ok" : 1,
"$gleStats" : {
"lastOpTime" : Timestamp(1399171995, 15),
"electionId" : ObjectId("535a2ce15918f42de9ab1427")
}
}
4.3 group
使用group可以進行更為復雜的聚合。先選定分組所依據的鍵，然後根據選定鍵的不同值分為若干組，然後對每一個分組進行聚合，得到結果文檔。
插入示例數據：
var name = ["Caoqing", "Spider-man", "Garfield"]
for (var i = 0; i < 10000; i++) {
iname = name[Math.floor(Math.random() * name.length)];
date = new Date().getTime();
number = Math.floor(100 * Math.random());
db.coll.insert({_id : i, name : iname, time : date, age : number});
}
生成的列表中包含最新的時間和最新的時間對應的年紀。
可以安裝name進行分組，然後取出每個分組中date最新的文檔，將其加入結果集。
db.runCommand({"group" : {
"ns" : "coll",
"key" : {"name" : true},
"initial" : {"time" : 0},
"$reduce" : function(doc, prev) {
if (doc.time > prev.time) {
prev.age = doc.age;
prev.time = doc.time;
}
}
}})
（1）"ns" : "coll"
指定進行分組的集合。
（2）"key" : {"name" : true}
指定分組依據的鍵。
（3）"initial" : {"time" : 0}
初始化time值，作為初始Wednesday傳遞給後續過程。每組成員都會使用這個累加器。
結果：
"$reduce" : function(doc, prev) {...}
{
"retval" : [
{
"name" : "Spider-man",
"time" : 1399179398567,
"age" : 55
},
{
"name" : "Garfield",
"time" : 1399179398565,
"age" : 85
},
{
"name" : "Caoqing",
"time" : 1399179398566,
"age" : 86
}
],
"count" : 10000,
"keys" : 3,
"ok" : 1,
"$gleStats" : {
"lastOpTime" : Timestamp(1399179362, 1),
"electionId" : ObjectId("535a2ce15918f42de9ab1427")
}
}
如果有文檔不存在指定分組的鍵，這些文檔會單獨分為一組，缺失的鍵會使用name:null這樣的形式。如下：
db.coll.insert({age : 5, time : new Date().getTime()})
返回結果:
...
{
"name" : null,
"time" : 1399180685288,
"age" : 5
}
"count" : 10001,
"keys" : 4,
...
為了排除不包含指定用於分組的鍵的文檔，可以在"condition"中加入"name":{"$exists" : true}。
db.runCommand({"group" : {
"ns" : "coll",
"key" : {"name" : true},
"initial" : {"time" : 0},
"$reduce" : function(doc, prev) {
if (doc.time > prev.time) {
prev.age = doc.age;
prev.time = doc.time;
}
},
"condition" : {"name" : {"$exists" : true}}
}})
4.3.1 使用完成器
完成器(finalizer)用於精簡從數據庫傳到用戶的數據，因為group命令的輸出結果需要能夠通過單次數據庫響應返回給用戶。
4.3.2 將函數作為鍵使用
分組條件可以非常復雜，不是單個鍵，例如分組時按照類別分組dog和DOG是兩個完全不同的組，為了消除大小寫差異，可以定義一個函數決定文檔分組所依據的鍵。
定義分組函數需要用到"$keyf"鍵，
db.foo.group({
"ns" : "foo",
"$keyf" : function(x) { return x.category.toLowerCase(); };
"initial" : ...,
......
})
