9.聚合函数count+distinct+group+MapReduce 1.max最⼤值 min最⼩值
mongoDB不像SQL那样有min() 和max()函数。但是可以通过sort排序和limit限制返回来得到想要的结果
到投票数helpful_votes**最多**的评论：（最⼤值，按照降序排列，并限制返回第1条记录）
到投票数helpful_votes**最少**的评论：（最⼩值，按照升序排列，并限制返回第1条记录）
请统计persons中美国学⽣的⼈数
> db.persons.find({country:"USA"}).count()
3
3.distinct()函数
查询persons中⼀共有多少个国家，分别是什么？
> db.persons.distinct("country")
[ "USA", "China", "Korea" ]
或者：
> db.runCommand({distinct:"persons",key:"country"}).values
[ "USA", "China", "Korea" ]
语法：
db.runCommand({group:{
ns：集合名称，
key：分组的键对象，
initial：初始化累加器，
$reduce：组分解器，
condition：条件，
finalize：组完成器
格式标准参照：
{
group:
{
ns:<namespace> ,
key:<key> ,
$reduce:<reduce function> ,
$keyf: <key function>,
cond: <query>,
finalize:<finalize function>
}
}
key：指定要分组的字段，可以使⽤复合键
keyf：为该⽂档⽣成⼀个临时键的JavaScript函数
initial：聚合结果初始值的
reduce：执⾏聚合函数的JavaScript函数
cond：过滤要聚合⽂档的查询选择器
finalize：在返回结果集前⽤于每个结果⽂档的JavaScript函数
分组⾸先会按照key进⾏分组，每组的每⼀个⽂档全要执⾏$reduce的⽅法，它接收2个参数，⼀个是组内本条记录，⼀个是累加器数据4.1 请查出persons中每个国家学⽣数学成绩最好的学⽣信息（必须在90分以上）
db.runCommand({group:{
ns:"persons",  //操作集合：persons
key:{"country":true},    //操作的键：country initial:{m:0},      //初始化值：数学m：0
$reduce:function(doc,prev){  //组分解器：⽐较并保存m值较⼤的 if(doc.m > prev.m){  prev.m = doc.m;
prev.name = doc.name; untry = untry; }
}, condition:{m:{$gt:90}  //过滤条件：m值⽐90分⼤的留下
}
}})
运⾏结果：
{
"retval" : [
{
"country" : "USA",
"m" : 96,
"name" : "jim"
},
{
"country" : "China",
"m" : 96,
"name" : "lisi"
}
],
"count" : 3,
"keys" : 2,
"ok" : 1
4.2 在4.1的基础上将个⼈信息组合起来，通过m进⾏输出
db.runCommand({group:{
ns:"persons",
key:{"country":true},
initial:{m:0},
$reduce:function(doc,prev){
if(doc.m > prev.m){      prev.m = doc.m;
prev.name = doc.name; untry = untry; }
}, condition:{m:{$gt:90}
},
finalize:function(prev){      prev.m = prev.name+" Math scores "+prev.m
}}})
运⾏结果：
{
"retval" : [
{
"country" : "USA",
"m" : "jim Math scores 96",
"name" : "jim"
},
{
"country" : "China",
"m" : "lisi Math scores 96",
"name" : "lisi"
}
],
"count" : 3,
distinct查询
"keys" : 2,
"ok" : 1
}
4.3⽤函数格式化分组的键
如果集合中出现键counrty和counTry同时存在，那分组有点⿇烦，
这要如何解决呢?
$keyf:function(doc){
return {unTry}
},…..
我们做⼀个⼩测试：
插⼊⼀⾏数据：
db.persons.insert({
name:"USPCAT",
age:27,
email:"2145567457@qq",
c:89,m:100,e:67,
counTry:"China",
books:["JS","JAVA","EXTJS","MONGODB"]
})
注意这个⽂档的“国家”键中“t”是⼤写的！
我们再次查询：
db.runCommand({group:{
ns:"persons",
key:{"country":true},
initial:{m:0},
$reduce:function(doc,prev){
if(doc.m > prev.m){
prev.m = doc.m;
prev.name = doc.name;
}
},
finalize:function(prev){
prev.m = prev.name+" Math scores "+prev.m
},
condition:{m:{$gt:90}}
}})
查询结果是这样的：
{
"retval" : [
{
"country" : "USA",
"m" : "jim Math scores 96",
"name" : "jim"
},
{
"country" : "China",
"m" : "lisi Math scores 96",
"name" : "lisi"
},
{
"country" : null,
"m" : "USPCAT Math scores 100",
"name" : "USPCAT"
}
],
"count" : 4,
"keys" : 3,
"ok" : 1
}
发现第三条数据的country值是null，这是因为数据结构的不规范造成的，解决问题如下：
我们将新增的counTry字段的值给country
增加$keyf选项:
$keyf:function(doc){
unTry){
return {unTry}
}else{
return {untry}
}
}
再次查询：
{
"retval" : [
{
"country" : "USA",
"m" : "jim Math scores 96",
"name" : "jim"
},
{
"country" : "China",
"m" : "USPCAT Math scores 100",
"name" : "USPCAT"
}
],
"count" : 4,
"keys" : 2,
"ok" : 1
}
5. map-reduce
Map-Reduce是⼀种计算模型，简单的说就是将⼤批量的⼯作（数据）分解（MAP）执⾏，然后再将结果合并成最终结果（REDUCE）。 MongoDB提供的Map-Reduce⾮常灵活，对于⼤规模数据分析也相当实⽤。
&llection.mapReduce(
function() {emit(key,value);},  //map 函数
function(key,values) {return reduceFunction},  //reduce 函数
{
out:collection,
query: document,
sort: document,
limit: number
}
)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。