MongoDB中的聚合操作

MongoDB的聚合功能非常强大，主要用来对数据进行分组、过滤、排序和计算。通过使用聚合管道（Aggregation Pipeline），我们可以将一系列的处理步骤串联起来，对文档进行复杂的处理。

聚合管道阶段

聚合管道由多个阶段组成，每个阶段都有特定的操作，比如过滤、投影、分组等。以下是一些常用的聚合阶段：

1. $match：筛选符合条件的文档，类似查询。
2. $project：选择需要返回的字段或计算新字段。
3. $group：按指定字段分组，并对每组数据进行汇总计算，如求和、计数等。
4. $sort：对文档进行排序。
5. $limit：限制返回文档数量。
6. $skip：跳过指定数量的文档。
7. $unwind：展开数组字段，将数组元素转换为独立文档。
8. $lookup：关联查询，类似SQL中的JOIN操作。
9. $facet：在一个聚合管道中执行多个子操作，并将结果输出为不同子集。

这些阶段可以组合使用，以实现复杂的数据处理。例如，可以使用这些阶段来计算用户的平均消费金额或最近一次购买日期。

聚合性能注意事项

尽管聚合管道功能强大，但其性能通常比简单查询要低。因此，在设计时需考虑数据量和查询复杂度，合理选择索引以提高效率。

$facet 使用案例

$facet 是一个特别有用的聚合阶段，它允许在单个管道中同时执行多个子操作，并将结果分组输出。下面是 $facet 的基本用法示例：

db.collection.aggregate([
  {
    $facet: {
      output1: [...],
      output2: [...],
      ...
    }
  }
])

在这个例子中，$facet 接受一个包含多个子文档的对象作为参数，每个子文档定义了一系列聚合操作。MongoDB会将输入流分成多个子集，并分别应用每个子集上的操作。

示例输出

{
  "output1": [...],
  "output2": [...],
  ...
}

每个输出对象都对应于 $facet 阶段中定义的标识符，并包含相应的处理结果。

实际应用场景

假设我们想同时计算每个用户的平均消费金额、最近一次购买日期和购买商品种类数，可以这样实现：

db.orders.aggregate([
  { $match: { "status": "complete" } },
  {
    $facet: {
      avgAmount: [
        { $group: { _id: "$user_id", avgAmount: { $avg: "$amount" } } }
      ],
      lastPurchase: [
        { $sort: { "purchase_date": -1 } },
        { $group: { _id: "$user_id", lastPurchase: { $first: "$purchase_date" } } }
      ],
      numCategories:
        [
          { $group:{ _id:"$user_id", numCategories:{ $addToSet:"$category" }}},
          {$project:{_id :1, numCategories :{$size :"numCategories"}}}
        ]
    }
  }
])

在这个示例中，我们先用 $match 筛选出已完成订单，然后用 $facet 将数据分为三个部分分别处理：

• avgAmount: 使用 $group 计算每个用户的平均消费金额；
• lastPurchase: 用 $sort 和 $group 找到每个用户最近一次购买日期；
• numCategories: 使用 $group 和 $project 来统计每个用户购买商品种类数。

通过这种方式，我们可以有效减少代码复杂度，提高数据处理效率。