Mongo 可以聚合这些数据吗:
{price: 100, name: 'itemA', date: '2019-09-09 00:01:10.534Z'},
{price: 150, name: 'itemA', date: '2019-08-09 00:01:10.534Z'},
{price: 50, name: 'itemA', date: '2019-07-09 00:01:10.534Z'},
{price: 50, name: 'itemA', date: '2019-07-06 00:01:10.534Z'},
{price: 200, name: 'itemB', date: '2019-09-09 00:01:10.534Z'}
进入如下所示的文档:
[
{
'name': 'itemA',
'last_7_days': {
//sale stats from the last 7 days
'min': 100,
'max': 100,
'avg': 100,
'volume': 1
},
'last_30_days': {
//sale stats from the last 30 days
'min': 100,
'max': 150,
'avg': 125,
'volume': 2
},
'last_90_days': {
//sale stats from the last 90 days
'min': 50,
'max': 150,
'avg': 87.5,
'volume': 4
},
'sales': [
//show recent sales (limit 3)
{
'price': 100,
'date': '2019-09-09 00:01:10.534Z'
},
{
'price': 150,
'date': '2019-08-09 00:01:10.534Z'
},
{
'price': 50,
'date': '2019-07-09 00:01:10.534Z'
}
]
},
{
'name': 'itemB',
'last_7_days': {
//sale stats from the last 7 days
'min': 200,
'max': 200,
'avg': 200,
'volume': 1
},
'last_30_days': {
//sale stats from the last 30 days
'min': null,
'max': null,
'avg': null,
'volume': 0
},
'last_90_days': {
//sale stats from the last 90 days
'min': null,
'max': null,
'avg': null,
'volume': 0
},
'sales': [
//show recent sales (limit 3)
{
'price': 200,
'date': '2019-09-09 00:01:10.534Z'
}
]
}
]
我主要使用 $facet 进行了尝试，但到目前为止我无法合并代码。使用 mongo 且仅使用一个查询是否可以实现此输出？
知道如何继续我提到的输出吗？任何帮助将不胜感激。
最佳答案
我们可以在不使用$facet的情况下做到这一点。我们的想法是，如果每个文档在过去 7 天、30 天和 90 天内出现，则对其进行标记，然后根据指定的标记对它们进行分组。
以下是一个示例:
db.collection.aggregate([
{
$addFields:{
"info":{
$let:{
"vars":{
"time_difference":{
$subtract:[
new Date(),
{
$toDate:"$date"
}
]
}
},
"in":{
"tags":[
{
$cond:[
{
$lte:["$$time_difference",604800000]
},
"last_7_days",
""
]
},
{
$cond:[
{
$lte:["$$time_difference",2592000000]
},
"last_30_days",
""
]
},
{
$cond:[
{
$lte:["$$time_difference",7776000000]
},
"last_90_days",
""
]
}
]
}
}
}
}
},
{
$unwind:"$info.tags"
},
{
$match:{
"info.tags":{
$ne:""
}
}
},
{
$group:{
"_id":{
"name":"$name",
"tag":"$info.tags"
},
"name":{
$first:"$name"
},
"tag":{
$first:"$info.tags"
},
"max":{
$max:"$price"
},
"min":{
$min:"$price"
},
"avg":{
$avg:"$price"
},
"volume":{
$sum:1
}
}
},
{
$group:{
"_id":"$name",
"name":{
$first:"$name"
},
"info":{
$push:{
"k":"$tag",
"v":{
"max" : "$max",
"min" : "$min",
"avg" : "$avg",
"volume" : "$volume"
}
}
}
}
},
{
$addFields:{
"info":{
$arrayToObject:"$info"
}
}
},
{
$addFields:{
"info.name":"$name"
}
},
{
$replaceRoot:{
"newRoot":"$info"
}
}
]).pretty()
数据集:
{
"_id" : ObjectId("5d7715b7f04b490307453d02"),
"price" : 100,
"name" : "itemA",
"date" : "2019-09-09T00:01:10.534Z"
}
{
"_id" : ObjectId("5d7715b7f04b490307453d03"),
"price" : 150,
"name" : "itemA",
"date" : "2019-08-09T00:01:10.534Z"
}
{
"_id" : ObjectId("5d7715b7f04b490307453d04"),
"price" : 50,
"name" : "itemA",
"date" : "2019-07-09T00:01:10.534Z"
}
{
"_id" : ObjectId("5d7715b7f04b490307453d05"),
"price" : 50,
"name" : "itemA",
"date" : "2019-07-06T00:01:10.534Z"
}
{
"_id" : ObjectId("5d7715b7f04b490307453d06"),
"price" : 200,
"name" : "itemB",
"date" : "2019-09-09T00:01:10.534Z"
}
输出:
{
"last_7_days" : {
"max" : 100,
"min" : 100,
"avg" : 100,
"volume" : 1
},
"last_30_days" : {
"max" : 100,
"min" : 100,
"avg" : 100,
"volume" : 1
},
"last_90_days" : {
"max" : 150,
"min" : 50,
"avg" : 87.5,
"volume" : 4
},
"name" : "itemA"
}
{
"last_30_days" : {
"max" : 200,
"min" : 200,
"avg" : 200,
"volume" : 1
},
"last_90_days" : {
"max" : 200,
"min" : 200,
"avg" : 200,
"volume" : 1
},
"last_7_days" : {
"max" : 200,
"min" : 200,
"avg" : 200,
"volume" : 1
},
"name" : "itemB"
}
查询分析:
- 第一阶段:将标签添加到每个文档中。标签可以是“last_7_days”、“last_30_days”和“last_90_days”。这些标签是根据当前时间和从
date字段获取的时间之间的差异来分配的。如果差异小于 604800000 毫秒。 (相当于 7 天的毫秒)表示该文档位于最近 7 天，依此类推。 - 第二阶段:展开标签
- Satge III:过滤掉空标签
- 第四阶段:根据
[名称、标签]进行分组并计算最小值、最大值、平均值和数量。 - 第五阶段:仅根据
名称进行分组，并将所有标签和相关数据作为键值对推送到数组中 - 第六阶段:将键值对数组转换为对象
- 第七阶段和第八阶段:必要的格式
关于mongodb - 具有不同 $match 的嵌套 $group，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57862453/