MongoDB初学者教程：从零开始掌握MongoDB（第三阶段：查询进阶）

MongoDB初学者教程：从零开始掌握MongoDB（第三阶段：查询进阶）

欢迎进入MongoDB学习的第三阶段：查询进阶！在第一阶段，我们掌握了MongoDB的基础概念和环境搭建；在第二阶，我们学会了CRUD基本操作（增删改查）。现在，我们要更进一步，探索MongoDB的复杂查询和聚合框架，让你的数据查询能力从“简单翻找”升级到“精准挖掘”！

本阶段将带你学习：

• 复杂查询操作：用条件、逻辑和数组查询，精准定位数据。
• 聚合框架入门：像流水线一样处理数据，实现统计和分析。

我们会继续用mydb数据库和users集合，通过MongoDB命令、MongoDB Compass和Java代码实现操作。本阶段约4000字，包含详细代码示例和生活化比喻，确保零基础的你也能轻松上手！

第三阶段：查询进阶

一、复杂查询操作

在第二阶段，我们用find()和findOne()做了简单的查询，比如查找name为“小明”的用户。现在，我们要学习更强大的查询方式，包括条件查询、逻辑查询和数组查询，让你的查询像“智能搜索”一样精准。

假设我们的users集合有以下数据（可以通过第二阶段的插入操作创建）：

[  {    "_id": ObjectId("671234567890123456789012"),    "name": "小明",    "age": 20,    "city": "北京",    "hobbies": ["读书", "运动"],
    "scores": [90, 85, 88]
  },
  {
    "_id": ObjectId("671234567890123456789013"),
    "name": "小红",
    "age": 22,
    "city": "上海",
    "hobbies": ["旅行", "音乐"],
    "scores": [95, 92, 90]
  },
  {
    "_id": ObjectId("671234567890123456789014"),
    "name": "小刚",
    "age": 25,
    "city": "广州",
    "hobbies": ["运动", "游戏"],
    "scores": [80, 85, 82]
  }
]

1. 条件查询（eq, gt 等操作符）

条件查询使用操作符（如$eq、$gt）指定查询条件，就像在文件夹里找“年龄大于20”或“城市等于上海”的便签。

用MongoDB命令

• 精确匹配（$eq） ：查找城市为“上海”的用户：

  db.users.find({"city": {"$eq": "上海"}}).pretty()
  

  简写（$eq可省略）：

  db.users.find({"city": "上海"}).pretty()
  

• 大于（$gt） ：查找年龄大于20的用户：

  db.users.find({"age": {"$gt": 20}}).pretty()
  

  输出：

  {
    "_id": ObjectId("671234567890123456789013"),
    "name": "小红",
    "age": 22,
    "city": "上海",
    "hobbies": ["旅行", "音乐"],
    "scores": [95, 92, 90]
  },
  {
    "_id": ObjectId("671234567890123456789014"),
    "name": "小刚",
    "age": 25,
    "city": "广州",
    "hobbies": ["运动", "游戏"],
    "scores": [80, 85, 82]
  }
  

• 其他操作符：

  • $lt：小于
  • $gte：大于等于
  • $lte：小于等于
  • $ne：不等于
  • $in：在指定值列表中，例如{"city": {"$in": ["北京", "上海"]}}

用Compass

1. 在users集合的“Filter”栏输入查询条件，比如{"age": {"$gt": 20}}。
2. 点击“Find”，查看结果。

用Java驱动

在Java中，使用Filters类构造查询条件：

import com.mongodb.client.MongoClient;
import com.mongodb.client.MongoCollection;
import com.mongodb.client.MongoDatabase;
import com.mongodb.client.model.Filters;
import org.bson.Document;

public class ComplexQuerySample {
    private final MongoCollection<Document> users;

    public ComplexQuerySample(MongoClient client) {
        MongoDatabase database = client.getDatabase("mydb");
        users = database.getCollection("users");
    }

    public void conditionQuery() {
        // 查找城市为上海的用户
        FindIterable<Document> result1 = users.find(Filters.eq("city", "上海"));
        System.out.println("Users in 上海:");
        for (Document doc : result1) {
            System.out.println(doc.toJson());
        }

        // 查找年龄大于20的用户
        FindIterable<Document> result2 = users.find(Filters.gt("age", 20));
        System.out.println("Users with age > 20:");
        for (Document doc : result2) {
            System.out.println(doc.toJson());
        }
    }

    public static void main(String[] args) {
        MongoClient client = MongoDBConnection.connect(); // 复用第二阶段的连接类
        ComplexQuerySample querySample = new ComplexQuerySample(client);
        querySample.conditionQuery();
        client.close();
    }
}

生活化比喻：条件查询就像在文件夹里找便签，$gt是“找年龄比20大的”，$eq是“找城市写着上海的”。

2. 逻辑查询（and, or 组合）

逻辑查询用$and、$or组合多个条件，就像说“我要找年龄大于20 并且 城市是上海的人”。

用MongoDB命令

• AND 查询：查找年龄大于20且城市为上海的用户：

  db.users.find({
    "$and": [
      {"age": {"$gt": 20}},
      {"city": "上海"}
    ]
  }).pretty()
  

  简写（多个条件默认是$and）：

  db.users.find({
    "age": {"$gt": 20},
    "city": "上海"
  }).pretty()
  

• OR 查询：查找城市为北京或上海的用户：

  db.users.find({
    "$or": [
      {"city": "北京"},
      {"city": "上海"}
    ]
  }).pretty()
  

用Compass

在“Filter”栏输入：

• AND：{"age": {"$gt": 20}, "city": "上海"}
• OR：{"$or": [{"city": "北京"}, {"city": "上海"}]}

用Java驱动

public void logicQuery() {
    // AND 查询：年龄 > 20 且城市为上海
    FindIterable<Document> result1 = users.find(
        Filters.and(
            Filters.gt("age", 20),
            Filters.eq("city", "上海")
        )
    );
    System.out.println("Users with age > 20 and city = 上海:");
    for (Document doc : result1) {
        System.out.println(doc.toJson());
    }

    // OR 查询：城市为北京或上海
    FindIterable<Document> result2 = users.find(
        Filters.or(
            Filters.eq("city", "北京"),
            Filters.eq("city", "上海")
        )
    );
    System.out.println("Users in 北京 or 上海:");
    for (Document doc : result2) {
        System.out.println(doc.toJson());
    }
}

生活化比喻：逻辑查询就像在文件夹里找便签，$and是“既要这个又要那个”，$or是“这个或那个都行”。

3. 数组查询（all, elemMatch）

数组查询针对文档中的数组字段（如hobbies、scores），可以查找包含特定元素或满足条件的文档。

用MongoDB命令

• 匹配所有元素（$all） ：查找hobbies包含“读书”和“运动”的用户：

  db.users.find({
    "hobbies": {"$all": ["读书", "运动"]}
  }).pretty()
  

• 匹配数组元素（elemMatch） ：查找scores中有分数大于90的文档：

  db.users.find({
    "scores": {"$elemMatch": {"$gt": 90}}
  }).pretty()
  

用Compass

• $all：{"hobbies": {"$all": ["读书", "运动"]}}
• $elemMatch：{"scores": {"$elemMatch": {"$gt": 90}}}

用Java驱动

public void arrayQuery() {
    // 查找 hobbies 包含“读书”和“运动”的用户
    FindIterable<Document> result1 = users.find(
        Filters.all("hobbies", Arrays.asList("读书", "运动"))
    );
    System.out.println("Users with hobbies 读书 and 运动:");
    for (Document doc : result1) {
       -System.out.println(doc.toJson());
    }

    // 查找 scores 中有分数 > 90 的用户
    FindIterable<Document> result2 = users.find(
        Filters.elemMatch("scores", Filters.gt("scores", 90))
    );
    System.out.println("Users with scores > 90:");
    for (Document doc : result2) {
        System.out.println(doc.toJson());
    }
}

生活化比喻：数组查询就像检查便签上的清单，$all是“清单必须包含这些项目”，$elemMatch是“清单里至少有一个项目满足条件”。

二、聚合框架入门

MongoDB的聚合框架（Aggregation Framework）是一个强大的数据处理工具，像一条流水线，把数据经过多个阶段（stage）处理，比如过滤、分组、统计。聚合框架适合复杂的分析任务，比如计算平均值、按城市分组等。

1. 聚合框架基础（match, group, project 阶段）

聚合框架的核心是管道（pipeline） ，每个阶段对数据进行一次处理。常用阶段包括：

• $match：过滤数据，类似find()。
• $group：按字段分组，计算统计值（如总数、平均值）。
• $project：选择输出的字段，类似SQL的SELECT。

用MongoDB命令

假设我们要统计每个城市的用户数量，并计算平均年龄：

db.users.aggregate([
  // 阶段1：过滤年龄大于18的用户
  {"$match": {"age": {"$gt": 18}}},
  // 阶段2：按城市分组，计算人数和平均年龄
  {
    "$group": {
      "_id": "$city",
      "userCount": {"$sum": 1},
      "avgAge": {"$avg": "$age"}
    }
  },
  // 阶段3：只输出城市和人数
  {
    "$project": {
      "city": "$_id",
      "userCount": 1,
      "_id": 0
    }
  }
]).pretty()

输出：

[  {"city": "北京", "userCount": 1},  {"city": "上海", "userCount": 1},  {"city": "广州", "userCount": 1}]

解释：

• $match：筛选年龄>18的用户。
• $group：按city分组，userCount计数，avgAge算平均年龄。
• $project：只输出city和userCount，隐藏_id。

用Compass

1. 在users集合界面，切换到“Aggregations”标签。

2. 添加阶段（Stage）：

   • Stage 1：$match，输入{"age": {"$gt": 18}}。
   • Stage 2：$group，输入{"_id": "$city", "userCount": {"$sum": 1}, "avgAge": {"$avg": "$age"}}。
   • Stage 3：$project，输入{"city": "$_id", "userCount": 1, "_id": 0}。

3. 查看结果。

用Java驱动

import com.mongodb.client.model.Aggregates;
import com.mongodb.client.model.Projections;

public void aggregationQuery() {
    // 聚合查询
    List<Document> results = users.aggregate(Arrays.asList(
        // 阶段1：$match
        Aggregates.match(Filters.gt("age", 18)),
        // 阶段2：$group
        Aggregates.group("$city",
            Accumulators.sum("userCount", 1),
            Accumulators.avg("avgAge", "$age")
        ),
        // 阶段3：$project
        Aggregates.project(
            Projections.fields(
                Projections.excludeId(),
                Projections.computed("city", "$_id"),
                Projections.include("userCount")
            )
        )
    )).into(new ArrayList<>());

    System.out.println("Aggregation results:");
    for (Document doc : results) {
        System.out.println(doc.toJson());
    }
}

2. 简单统计查询实现

让我们实现另一个统计查询：按城市统计用户的平均成绩（scores字段的平均值）。

用MongoDB命令

db.users.aggregate([
  {
    "$group": {
      "_id": "$city",
      "avgScore": {"$avg": {"$avg": "$scores"}}
    }
  },
  {
    "$project": {
      "city": "$_id",
      "avgScore": 1,
      "_id": 0
    }
  }
]).pretty()

输出：

[  {"city": "北京", "avgScore": 87.66666666666667},  {"city": "上海", "avgScore": 92.33333333333333},  {"city": "广州", "avgScore": 82.33333333333333}]

用Java驱动

public void scoreAggregation() {
    List<Document> results = users.aggregate(Arrays.asList(
        Aggregates.group("$city",
            Accumulators.avg("avgScore", new Document("$avg", "$scores"))
        ),
        Aggregates.project(
            Projections.fields(
                Projections.excludeId(),
                Projections.computed("city", "$_id"),
                Projections.include("avgScore")
            )
        )
    )).into(new ArrayList<>());

    System.out.println("Score aggregation results:");
    for (Document doc : results) {
        System.out.println(doc.toJson());
    }
}

生活化比喻：聚合框架像一条数据处理流水线，$match是筛选原料，$group是分组打包，$project是挑选展示的成品。

---

下一步是什么？

恭喜你完成了MongoDB的第三阶段学习！你现在能用条件、逻辑和数组查询精准定位数据，还能用聚合框架进行复杂统计分析。这些技能就像给你的“智能文件夹”装上了高级搜索和报表功能！

后续阶段我们将深入：

• 第四阶段：进阶与优化（索引、性能调优、分布式部署，约4000字）
• 第五阶段：实战项目（开发一个完整的Web应用，约5000字）

这些阶段将基于前三阶段的代码，逐步构建一个真实项目，比如一个用户管理系统。继续努力，你已经离MongoDB高手不远了！