MongoDB
 sql >> база данни >  >> NoSQL >> MongoDB

MongoDB Агрегирана сума за всеки ключ в поддокумент

Както беше посочено, обработката на документи като тази не е възможна с рамката за агрегиране, освен ако всъщност не ще предоставите всички ключове, като например:

db.events.aggregate([
   { "$group": {
       "_id": "$app_id",
       "event_count": { "$sum": "$event_count" },
       "0": { "$sum": "$event_count_per_type.0" },
       "10": { "$sum": "$event_count_per_type.10" }
       "20": { "$sum": "$event_count_per_type.20" }
       "30": { "$sum": "$event_count_per_type.30" }
   }}
])

Но вие, разбира се, трябва изрично да посочите всеки ключ, върху който искате да работите. Това важи както за рамката за агрегиране, така и за общите операции на заявки в MongoDB, тъй като за достъп до елементи, отбелязани в този формуляр за „поддокумент“, трябва да посочите „точния път“ до елемента, за да правите каквото и да било с него.

Рамката за агрегиране и общите заявки нямат концепция за "обхождане", което означава, че не могат да обработват "всеки ключ" на документ. Това изисква езикова конструкция, за да се направи, което не е предоставено в тези интерфейси.

Най-общо казано обаче, използването на „име на ключ“ като точка от данни, където името му всъщност представлява „стойност“, е малко „анти-модел“. По-добър начин да моделирате това би било да използвате масив и да представите вашия "тип" като стойност самостоятелно:

{
    "app_id": "DHJFK67JDSJjdasj909",
    "date: ISODate("2014-08-07T00:00:00.000Z"),
    "event_count": 32423,
    "events": [
        { "type": 0,  "value": 322  },
        { "type": 10, "value": 4234 },
        { "type": 20, "value": 653  },
        { "type": 30, "value": 7562 }
    ]
}

Също така отбелязваме, че "дата" вече е правилен обект за дата, а не низ, което също е нещо, което е добра практика. Този вид данни обаче е лесен за обработка с рамката за агрегиране:

db.events.aggregate([
    { "$unwind": "$events" },
    { "$group": {
        "_id": { 
            "app_id": "$app_id",
            "type": "$events.type"
        },
        "event_count": { "$sum": "$event_count" },
        "value": { "$sum": "$value" }
    }},
    { "$group": {
        "_id": "$_id.app_id",
        "event_count": { "$sum": "$event_count" },
        "events": { "$push": { "type": "$_id.type", "value": "$value" } }
    }}
]) 

Това показва двуетапно групиране, което първо получава общите суми за "тип", без да посочва всеки "ключ", тъй като вече не е необходимо, след това връща като един документ за "app_id" с резултатите в масив, както първоначално са били съхранени. Този формуляр за данни обикновено е много по-гъвкав за разглеждане на определени „типове“ или дори „стойности“ в рамките на определен диапазон.

Когато не можете да промените структурата, единствената ви опция е mapReduce. Това ви позволява да "кодирате" преминаването на ключовете, но тъй като това изисква интерпретация и изпълнение на JavaScript, не е толкова бързо, колкото рамката за агрегиране:

db.events.mapReduce(
    function() {
        emit(
            this.app_id,
            {
                "event_count": this.event_count,
                "event_count_per_type": this.event_count_per_type
            }
        );
    },
    function(key,values) {

        var reduced = { "event_count": 0, "event_count_per_type": {} };

        values.forEach(function(value) {
            for ( var k in value.event_count_per_type ) {
                if ( !redcuced.event_count_per_type.hasOwnProperty(k) )
                    reduced.event_count_per_type[k] = 0;
                reduced.event_count_per_type += value.event_count_per_type;
            }
            reduced.event_count += value.event_count;
        })
    },
    {
        "out": { "inline": 1 }
    }
)

Това по същество ще премине и комбинира "ключовете" и ще сумира стойностите за всеки намерен.

Така че вашите опции са:

  1. Променете структурата и работете със стандартни заявки и агрегиране.
  2. Останете със структурата и изисквайте обработка на JavaScript и mapReduce.

Зависи от действителните ви нужди, но в повечето случаи преструктурирането носи ползи.




  1. Redis
  2.   
  3. MongoDB
  4.   
  5. Memcached
  6.   
  7. HBase
  8.   
  9. CouchDB
  1. MongoDB® с Hadoop и свързаните с тях технологии за големи данни

  2. MongoDB - потребител с администратор не е оторизиран

  3. MongoDB Показване на цялото съдържание от всички колекции

  4. Всичко, което трябва да знаете за MongoDB Client

  5. Как да използвам mongodb с електрон?