MongoDB的子查询

Question

我在MongoDB中有两个集合，一个带有用户，一个带有操作。用户大致如下:

{_id: ObjectId("xxxxx"), country: "UK",...} 

和类似

的操作

{_id: ObjectId("yyyyy"), createdAt: ISODate(), user: ObjectId("xxxxx"),...}

我正在尝试按国家划分事件和不同用户。前半部分工作得很好，但是当我尝试添加子查询来提取国家时，我只得到国家

的空值。

db.events.aggregate({
    $match: {
        createdAt: { $gte: ISODate("2013-01-01T00:00:00Z") },
        user: { $exists: true }
    }
},
{
    $group: {
        _id: {
            year: { $year: "$createdAt" },
            user_obj: "$user"
        },
        count: { $sum: 1 }
    }
},
{
    $group: {
        _id: {
            year: "$_id.year",
            country: db.users.findOne({ 
                _id: { $eq: "$_id.user_obj" },
                country: { $exists: true } 
            }).country
        },
        total: { $sum: "$count" },
        distinct: { $sum: 1 }
    }
})

Answer 1

这里没有join，只有us bears

---

所以MongoDB"不做连接"。您可能在shell中尝试过这样的操作，例如:

db.events.find().forEach(function(event) {
    event.user = db.user.findOne({ "_id": eventUser });
    printjson(event)
})

但这并不像你想象的那样。它实际上完全像它看起来的那样，对从"事件"集合返回的每个项目在"用户"集合上运行查询，"到"one_answers"从"客户端"，而不是在服务器上运行。

出于同样的原因，聚合管道中的"嵌入"语句不会像那样工作。与上述不同的是，"整个管道"逻辑在执行之前被发送到服务器。如果你像这样选择"UK"用户:

db.events.aggregate([
    { "$match": {
        "user": { 
            "$in": db.users.distinct("_id",{ "country": "UK" })
        }
    }}
])

那么.distinct()查询实际上是在"客户端"而不是服务器上求值的，因此聚合管道中的任何文档值都不可用。因此，.distinct()首先运行，将其数组作为参数返回，然后将整个管道发送到服务器。这就是执行的顺序。

纠正

---

对于想要运行的查询类型，您至少需要某种程度的反规范化。所以你通常有两个选择:

1. 将整个用户对象数据嵌入到事件数据中

2. 至少在事件数据中嵌入"一些"用户对象数据。在本例中是"country"，因为您将使用它

那么，如果你遵循这里的"second"情况，至少"扩展"一下现有的数据，包括"country"，像这样:

{
    "_id": ObjectId("yyyyy"), 
    "createdAt": ISODate(), 
    "user": {
        "_id": ObjectId("xxxxx"),
        "country": "UK"
    }
}

那么"聚合"过程就变得简单了:

db.events.aggregate([
    { "$match": {
        "createdAt": { "$gte": ISODate("2013-01-01T00:00:00Z") },
        "user": { "$exists": true }
    }},
    { "$group": {
        "_id": {
            "year": { "$year": "$createdAt" },
            "user_id": "$user._id"
            "country": "$user.country"
        },
        "count": { "$sum": 1 }
    }},
    { "$group": {
        "_id": "$_id.country",
        "total": { "$sum": "$count" },
        "distinct": { "$sum": 1 }
    }}
])

我们不正常

---

修复你的数据，包括它需要的信息在一个单一的集合，我们"不做连接"是一个相对简单的过程。只是上面原始查询示例的一个变体:

var bulk = db.events.intitializeUnorderedBulkOp(),
    count = 0;
db.users.find().forEach(function(user) {
    // update multiple events for user
    bulk.find({ "user": user._id }).update({
        "$set": { "user": { "_id": user._id, "country": user.country } }
    });
    count++;
    // Send batch every 1000 
    if ( count % 1000 == 0 ) {
        bulk.execute();
        bulk = db.events.intitializeUnorderedBulkOp();
    }
});
// Clear any queued
if ( count % 1000 != 0 )
    bulk.execute();

这就是它的全部。单个查询到MongoDB服务器得到"一个集合"one_answers"一个集合只有"的工作。即使是上面所示的神奇的"批量操作"仍然只能在单个集合上"批处理"。

如果你想做像"聚合相关属性"这样的事情，那么你"必须"在你要聚合数据的集合中包含这些属性。将数据放在单独的集合中是完全可以的，例如"用户"通常会附加更多的信息，而不仅仅是一个"_id"和一个"country"。

但这里的要点是，如果您需要"国家"来分析"用户"的"事件"数据，那么也要将其包含在数据中。最有效的服务器连接是"预连接"，这是理论在实践中的一般做法。