管道概念

先介绍管道的概念，在POSIX多线程的使用方式中，定义了一种重要的pipeline方式，成为“流水线”或“管道”，这种方式使得数据被一组线程顺序执行，其流程如下：

以面向对象的思想去理解，整个流水线，可以理解为一个数据传输的管道；该管道中的每一个工作线程，可以理解为一个整个流水线的一个工作阶段stage,这些工作线程之间的合作是一环扣一环的。靠输入口越近的工作线程，是时序较早的工作阶段stage,它的工作成果会影响下一个工作线程阶段（stage）的工作结果,即下个阶段依赖于上一个阶段的输出，上一个阶段的输出成为本阶段的输入。这也是pipeline的一个共有特点。

mongodb中的管道

mongodb在2.2版本中引入了聚合框架（aggregate framework）的新功能，它是聚合的新框架，其概念类似于数据处理的管道，每个文档经过一个由多个节点组成的管道，每个节点相当于流水线中的一个stage，有自己的功能（分组，过滤等），文档经过管道处理后，最后输出相应的结果，管道的基本功能有两个：

对文档进行“过滤”，筛选出合适的文档
对文档进行“变换”，改变文档的输出形式

其他的一些功能还包括按照某个指定的字段分组和排序等。而且在每个阶段还可以使用表达式操作符计算平均值和拼接字符串等相关操作。管道提供了一个MapReduce 的替代方案，MapReduce使用相对来说比较复杂，而管道的拥有固定的接口(操作符表达),使用比较简单，对于大多数的聚合任务管道一般来说是首选方法。

mongodb中的聚合（aggregate）主要用于简单的数据处理（平均值，求和等），并返回计算后的数据结果，类似于sql中的内嵌函数（count（）等）在mongodb官网给出了聚合框架的应用实例：

可以看到，一个聚合管道中包含多个stage，每个stage都是对数据的一次处理，mongodb中的聚合采用aggregate()方法，语法如下： >db.COLLECTION_NAME.aggregate(pipeline,options) 其中pipeline为一个array，语法为： [{<stage1>,<stage2>,<stage3>,...}] 其中每个的语法为： {$管道操作符：{ 管道表达式 } }

那么下面列举一些较常见的管道操作符以及他们的作用，后文还会继续给出实例：

操作符	描述	语法
$project	数据投影，主要用于重命名，增加，删除字段	`db.article.aggregate({ $project : {title : 1 ,author : 1 ,}});`
$match	过滤，筛选符合条件的文档，作为下一阶段输入	`db.articles.aggregate( [{ $match : { score : { $gt : 70, $lte : 90 } } },{ $group: { _id: null, count: { $sum: 1 } } }] );`
$limit	限制经过管道的文档数量	`db.article.aggregate({ $limit : 5 });`
$skip	待操作集合处理前跳过部分文档	`db.article.aggregate({ $skip : 5 });`
$unwind	将数组拆分成独立字段	`db.article.aggregate({$project:{author:1,title:1,tags:1}},{$unwind:"$tags"})`
$group	对数据进行分组	`db.article.aggregate({ $group : {_id : "$author",docsPerAuthor : { $sum : 1 },viewsPerAuthor : { $sum : "$pageViews" }}});`
$sort	对文档按照指定字段排序	`db.users.aggregate( { $sort : { age : -1, posts: 1 } });`
$sample	随机选择从其输入指定数量的文档。	`{ $sample: { size: <positive integer> } }`
$out	必须为pipeline最后一个阶段管道，因为是将最后计算结果写入到指定的collection中
$indexStats	返回数据集合的每个索引的使用情况	`{ $indexStats: { } }`

更多的管道操作符参考mongodb官方文档，官方文档写的更为详细，但是对语法的描写较少 http://docs.mongoing.com/manual-zh/meta/aggregation-quick-reference.html

管道操作符示例

下面针对常用管道操作符举一些例子：

先加载数据：

use test1

db.mycol.remove({})

document1=({name:'dogOne',age:1,tags:['animal','dog'],type:'dog',money:[{min:100},{norm:200},{big:300}]});

document2=({name:'catOne',age:3,tags:['animal','cat'],type:'cat',money:[{min:50},{norm:100},{big:200}]});

document3=({name:'catTwo',age:2,tags:['animal','cat'],type:'cat',money:[{min:20},{norm:50},{big:100}]});

document4=({name:'dogTwo',age:5,tags:['animal','dog'],type:'dog',money:[{min:300},{norm:500},{big:700}]});

document5=({name:'appleOne',age:0,tags:['fruit','apple'],type:'apple',money:[{min:10},{norm:12},{big:13}]});

document6=({name:'appleTwo',age:0,tags:['fruit','apple'],type:'apple',money:[{min:10},{norm:12},{big:13}]});

document7=({name:'pineapple',age:0,tags:['fruit','pineapple'],type:'pineapple',money:[{min:8},{norm:9},{big:10}]});

db.mycol.insert(document1)

db.mycol.insert(document2)

db.mycol.insert(document3)

db.mycol.insert(document4)

db.mycol.insert(document5)

db.mycol.insert(document6)

db.mycol.insert(document7)

下面是执行结果：

/* 1 */

{

    "_id" : ObjectId("59187984f322c585a98664e2"),

    "name" : "dogOne",

    "age" : 1.0,

    "tags" : [ 

        "animal", 

        "dog"

    ],

    "type" : "dog",

    "money" : [ 

        {

            "min" : 100.0

        }, 

        {

            "norm" : 200.0

        }, 

        {

            "big" : 300.0

        }

    ]

}



/* 2 */

{

    "_id" : ObjectId("59187984f322c585a98664e3"),

    "name" : "catOne",

    "age" : 3.0,

    "tags" : [ 

        "animal", 

        "cat"

    ],

    "type" : "cat",

    "money" : [ 

        {

            "min" : 50.0

        }, 

        {

            "norm" : 100.0

        }, 

        {

            "big" : 200.0

        }

    ]

}



/* 3 */

{

    "_id" : ObjectId("59187984f322c585a98664e4"),

    "name" : "catTwo",

    "age" : 2.0,

    "tags" : [ 

        "animal", 

        "cat"

    ],

    "type" : "cat",

    "money" : [ 

        {

            "min" : 20.0

        }, 

        {

            "norm" : 50.0

        }, 

        {

            "big" : 100.0

        }

    ]

}



/* 4 */

{

    "_id" : ObjectId("59187984f322c585a98664e5"),

    "name" : "dogTwo",

    "age" : 5.0,

    "tags" : [ 

        "animal", 

        "dog"

    ],

    "type" : "dog",

    "money" : [ 

        {

            "min" : 300.0

        }, 

        {

            "norm" : 500.0

        }, 

        {

            "big" : 700.0

        }

    ]

}



/* 5 */

{

    "_id" : ObjectId("59187984f322c585a98664e6"),

    "name" : "appleOne",

    "age" : 0.0,

    "tags" : [ 

        "fruit", 

        "apple"

    ],

    "type" : "apple",

    "money" : [ 

        {

            "min" : 10.0

        }, 

        {

            "norm" : 12.0

        }, 

        {

            "big" : 13.0

        }

    ]

}



/* 6 */

{

    "_id" : ObjectId("59187984f322c585a98664e7"),

    "name" : "appleTwo",

    "age" : 0.0,

    "tags" : [ 

        "fruit", 

        "apple"

    ],

    "type" : "apple",

    "money" : [ 

        {

            "min" : 10.0

        }, 

        {

            "norm" : 12.0

        }, 

        {

            "big" : 13.0

        }

    ]

}



/* 7 */

{

    "_id" : ObjectId("59187984f322c585a98664e8"),

    "name" : "pineapple",

    "age" : 0.0,

    "tags" : [ 

        "fruit", 

        "pineapple"

    ],

    "type" : "pineapple",

    "money" : [ 

        {

            "min" : 8.0

        }, 

        {

            "norm" : 9.0

        }, 

        {

            "big" : 10.0

        }

    ]

}

1.`$project`操作符与`$match`操作符

$project管道操作符用于修改流中的文档，$match管道操作符用于对流中的文档进行过滤，仅允许符合条件的文档进入下一个阶段，过滤操作不会修改文档。$match操作使用mongodb标准的查询条件，对于每一个输入文档，如果符合条件，则输出这个文档，否则丢弃该文档。由于aggregate管道对于内存的限制，在处理大文件的时候，最好先用match操作符进行筛选，减少内存占用。

假定我们想提取money中min为100的文档，并且只输出名称和money数组中的min那一项，用$project与$match操作符可以很好的实现

use test1
db.mycol.aggregate(
    {$match:{'money.min':100}},
    {$project:{_id:0,name:'$name',minprice:'$money.min'}}
    )

输出结果为：

/* 1 */

{

    "name" : "dogOne",

    "minprice" : [ 

        100.0

    ]

}

可以发现，在project操作符后，文档中的字段被改变了。也要注意到，对于数组中对象的引用，需要采用 '$money.min'形式注意：

不能在$match操作符中使用$where表达式操作符。
$match尽量出现在管道的前面，这样可以提早过滤文档，加快聚合速度。
如果$match出现在最前面的话，可以使用索引来加快查询。

2.`$limit` `$skip`操作符

$limit与$skip操作符是用于限制与跳过相应文档，与find中的limit与skip方法效果相同。假定我们想提取money中min小于100的文档，并且限制3个文档，跳过一个文档再显示脚本为

use test1

db.mycol.aggregate(

    {$match:{'money.min':{$lt:100}}},

    {$limit:3},

    {$skip:1},

    {$project:{_id:0,name:'$name',minprice:'$money.min'}}

    )

结果为：

/* 1 */

{

    "name" : "catTwo",

    "minprice" : [ 

        20.0

    ]

}



/* 2 */

{

    "name" : "appleOne",

    "minprice" : [ 

        10.0

    ]

}

可以发现结果满足我们的需求

3.`$group`操作符

$group操作符用来对数据进行分组。 $group的时候必须要指定一个_id域，同时也可以包含一些算术类型的表达式操作符比如我们要通过type类型来对数据进行分类，并且同时统计他们的年龄age总和，脚本为：

use test1

db.mycol.aggregate(

    {$group:{_id:'$type',sumage:{$sum:'$age'}}}

)

结果为：

/* 1 */

{

    "_id" : "pineapple",

    "sumage" : 0.0

}



/* 2 */

{

    "_id" : "cat",

    "sumage" : 5.0

}



/* 3 */

{

    "_id" : "apple",

    "sumage" : 0.0

}



/* 4 */

{

    "_id" : "dog",

    "sumage" : 6.0

}

可以看到数据按照猫，狗，苹果，菠萝进行了分类，并且年龄相加了。注意：

$group的输出是无序的。
$group操作目前是在内存中进行的，所以不能用它来对大量个数的文档进行分组。
必须指定 _id 的域

4. `$sort`操作符

sort操作符用来对数据进行排序，同样1代表升序，-1代表降序假定我们按照年龄对数据进行排序，为了减少输出行数，我们用上分组与skip 脚本为：

use test1

db.mycol.aggregate(

    {$group:{_id:'$type',sumage:{$sum:'$age'}}},

    {$skip:1},

    {$sort:{sumage:1}}

)

结果为：

/* 1 */

{

    "_id" : "apple",

    "sumage" : 0.0

}



/* 2 */

{

    "_id" : "cat",

    "sumage" : 5.0

}



/* 3 */

{

    "_id" : "dog",

    "sumage" : 6.0

}

注意：

如果将$sort放到管道前面的话可以利用索引，提高效率
MongoDB 对内存做了优化，在管道中如果$sort出现在$limit之前的话，$sort只会对前 $limit个文档进行操作，这样在内存中也只会保留前$limit个文档，从而可以极大的节省内存
$sort操作是在内存中进行的，如果其占有的内存超过物理内存的10%，程序会产生错误

最后

其他不常用的操作符暂不说明。需要额外注意操作符对内存的要求。