我有这三个 MongoDB 文档:
{
"_id" : ObjectId("571094afc2bcfe430ddd0815"),
"name" : "Barry",
"surname" : "Allen",
"address" : [
{
"street" : "Red",
"number" : NumberInt(66),
"city" : "Central City"
},
{
"street" : "Yellow",
"number" : NumberInt(7),
"city" : "Gotham City"
}
]
}
{
"_id" : ObjectId("57109504c2bcfe430ddd0816"),
"name" : "Oliver",
"surname" : "Queen",
"address" : {
"street" : "Green",
"number" : NumberInt(66),
"city" : "Star City"
}
}
{
"_id" : ObjectId("5710953ac2bcfe430ddd0817"),
"name" : "Tudof",
"surname" : "Unknown",
"address" : "homeless"
}
address
字段是第一个文档中的对象的 Array
、第二个文档中的 Object
和 String
在第三。
我的目标是找出我的集合中有多少文档包含字段 address.street
。在这种情况下,正确的计数是 1,但通过我的查询,我得到了两个:
db.coll.find({"address.street":{"$exists":1}}).count()
我也尝试过 map/reduce。它有效,但速度较慢;所以如果可能的话,我会避免它。
最佳答案
这里的区别在于 .count()
操作在返回字段存在的“文档”计数时实际上是“正确的”。因此,一般考虑可分解为:
如果你只想排除带有数组字段的文档
那么最有效的方法是排除那些“街道”是“地址”属性的文档作为“数组”,然后只需使用查找 0
的点符号属性> 排除项中不存在的索引:
db.coll.find({
"address.street": { "$exists": true },
"address.0": { "$exists": false }
}).count()
在这两种情况下,$exists
都作为 native 编码的运算符测试执行正确且高效的工作。
如果您打算计算字段出现次数
如果您实际询问的是“字段计数”,其中一些“文档”包含数组条目,其中该“字段”可能出现多次。
为此,您需要您提到的聚合框架或 mapReduce。 MapReduce 使用基于 JavaScript 的处理,因此比 .count()
操作要慢得多。聚合框架还需要计算并且“将”比 .count()
慢,但不会像 mapReduce 那么多。
在 MongoDB 3.2 中,您可以通过 $sum
的扩展功能获得一些帮助处理一组值以及作为分组累加器。这里的另一个助手是 $isArray
允许通过 $map
使用不同的处理方法当数据实际上是“一个数组”时:
db.coll.aggregate([
{ "$group": {
"_id": null,
"count": {
"$sum": {
"$sum": {
"$cond": {
"if": { "$isArray": "$address" },
"then": {
"$map": {
"input": "$address",
"as": "el",
"in": {
"$cond": {
"if": { "$ifNull": [ "$$el.street", false ] },
"then": 1,
"else": 0
}
}
}
},
"else": {
"$cond": {
"if": { "$ifNull": [ "$address.street", false ] },
"then": 1,
"else": 0
}
}
}
}
}
}
}}
])
早期版本依赖于更多的条件处理,以便以不同方式处理数组和非数组数据,通常需要 $unwind
处理数组条目。
通过 $map
转置数组使用 MongoDB 2.6:
db.coll.aggregate([
{ "$project": {
"address": {
"$cond": {
"if": { "$ifNull": [ "$address.0", false ] },
"then": "$address",
"else": {
"$map": {
"input": ["A"],
"as": "el",
"in": "$address"
}
}
}
}
}},
{ "$unwind": "$address" },
{ "$group": {
"_id": null,
"count": {
"$sum": {
"$cond": {
"if": { "$ifNull": [ "$address.street", false ] },
"then": 1,
"else": 0
}
}
}
}}
])
或者使用 MongoDB 2.2 或 2.4 提供条件选择:
db.coll.aggregate([
{ "$group": {
"_id": "$_id",
"address": {
"$first": {
"$cond": [
{ "$ifNull": [ "$address.0", false ] },
"$address",
{ "$const": [null] }
]
}
},
"other": {
"$push": {
"$cond": [
{ "$ifNull": [ "$address.0", false ] },
null,
"$address"
]
}
},
"has": {
"$first": {
"$cond": [
{ "$ifNull": [ "$address.0", false ] },
1,
0
]
}
}
}},
{ "$unwind": "$address" },
{ "$unwind": "$other" },
{ "$group": {
"_id": null,
"count": {
"$sum": {
"$cond": [
{ "$eq": [ "$has", 1 ] },
{ "$cond": [
{ "$ifNull": [ "$address.street", false ] },
1,
0
]},
{ "$cond": [
{ "$ifNull": [ "$other.street", false ] },
1,
0
]}
]
}
}
}}
])
所以后一种形式“应该”比 mapReduce 表现好一点,但可能不会好很多。
在所有情况下,逻辑都归结为使用 $ifNull
作为聚合框架的 $exists
的“逻辑”形式。与 $cond
配对,当属性实际存在时得到一个“truthfull”结果,不存在时返回一个false
值。这决定了是1
还是0
分别通过$sum
返回到整体累加中。 .
理想情况下,您拥有可以在单个 $group
中执行此操作的现代版本管道阶段,否则您需要更长的路径。
关于mongodb - 计算有多少文档包含一个字段,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36645838/