通过计算MongoDB中两个列表的交集进行排序

Question

我们有一个帖子分析要求，即对于一个特定的帖子，我们需要返回一个主要与之相关的帖子列表，逻辑是比较帖子中常见标签的数量。例如：

    postA = {"author":"abc",
        "title":"blah blah",
        "tags":["japan","japanese style","england"],
    }

可能还有其他带有标签的帖子，例如：

postB:["japan", "england"]
postC:["japan"]
postD:["joke"]

所以基本上，postB 得到 2 个计数，postC 得到 1 个计数，与 postA 中的标签相比，postD 得到 0 个计数，不会包含在结果中。

我现在的理解是使用 map/reduce 来生成结果，我了解 map/reduce 的基本用法，但我无法为这个特定目的找到解决方案。

有什么帮助吗？或者有没有更好的方法，如自定义排序功能来解决它？我目前正在使用pymongodb，因为我是python开发人员。

Answer 1

你应该在标签上创建一个索引：

db.posts.ensure_index([('tags', 1)])

并搜索与帖子 A 共享至少一个标签的帖子：

posts = list(db.posts.find({_id: {$ne: postA['_id']}, 'tags': {'$in': postA['tags']}}))

最后，在 Python 中按交集排序：

key = lambda post: len(tag for tag in post['tags'] if tag in postA['tags'])
posts.sort(key=key, reverse=True)

请注意，如果 postA 与大量其他帖子共享至少一个标签，这将表现不佳，因为您将从 Mongo 向应用程序发送如此多的数据;不幸的是，无法使用 Mongo 本身按交集的大小进行排序和限制。