string - 在整个集合的字符串字段中查找最常用的词

Question

假设我有一个类似于以下内容的 Mongo 集合:

[
  { "foo": "bar baz boo" },
  { "foo": "bar baz" },
  { "foo": "boo baz" }
]

是否可以确定哪些词在 foo 字段中出现的频率最高(最好使用计数)？

例如，我喜欢这样的结果集:

[
  { "baz" : 3 },
  { "boo" : 2 },
  { "bar" : 2 }
]

Answer 1

最近关闭了一个JIRA issue关于在聚合框架的 $project 阶段使用的 $split 运算符。
有了它，您就可以创建这样的管道

db.yourColl.aggregate([
    {
        $project: {
            words: { $split: ["$foo", " "] }
        }
    },
    {
        $unwind: {
            path: "$words"
        }
    },
    {
        $group: {
            _id: "$words",
            count: { $sum: 1 }
        }
    }
])

结果是这样的

/* 1 */
{
    "_id" : "baz",
    "count" : 3.0
}

/* 2 */
{
    "_id" : "boo",
    "count" : 2.0
}

/* 3 */
{
    "_id" : "bar",
    "count" : 2.0
}