我的数据表示一个字典,该字典接收大量更新和可能的新字段(将元数据添加到帖子中)。所以像:
> db.collection.find()
{ _id: ..., 'A': 'apple', 'B': 'banana' },
{ _id: ..., 'A': 'artichoke' },
{ _id: ..., 'B': 'blueberry' },
{ _id: ..., 'C': 'cranberry' }
挑战-我想找到每个键的第一个(或最后一个)值忽略空白值(即,我希望某种条件分组依据在字段而非文档级别起作用)。 (等效于更新后元数据的开始或结束版本)。
问题是:
db.collection.aggregate([
{ $group: {
_id: null,
A: { $last: '$A' },
B: { $last: '$B' },
C: { $last: '$C' }
}}
])
用null填充空格(而不是在结果中跳过它们,所以我得到:
{ '_id': ..., 'A': null, 'B': null, 'C': 'cranberry' }
当我想要时:
{ '_id': ..., 'A': 'artichoke', 'B': 'blueberry', 'C': cranberry' }
我不认为这不是您真正想要的,但是确实可以解决您所要求的问题。聚合框架实际上无法做到这一点,因为您要从不同的文档中获取不同列的“最后结果”。实际上只有一种方法可以做到,而且非常疯狂:
db.collection.aggregate([
{ "$group": {
"_id": null,
"A": { "$push": "$A" },
"B": { "$push": "$B" },
"C": { "$push": "$C" }
}},
{ "$unwind": "$A" },
{ "$group": {
"_id": null,
"A": { "$last": "$A" },
"B": { "$last": "$B" },
"C": { "$last": "$C" }
}},
{ "$unwind": "$B" },
{ "$group": {
"_id": null,
"A": { "$last": "$A" },
"B": { "$last": "$B" },
"C": { "$last": "$C" }
}},
{ "$unwind": "$C" },
{ "$group": {
"_id": null,
"A": { "$last": "$A" },
"B": { "$last": "$B" },
"C": { "$last": "$C" }
}},
])
基本上,您会压缩文档,将找到的所有元素推入数组。然后解开每个数组,并从那里取$last
元素。您需要对每个字段执行此操作,以获取每个数组的最后一个元素,这是该字段的最后一个匹配项。
不是很好,并且肯定会突破任何有意义的集合的BSON 16MB限制。
所以您真正要寻找的是每个字段的“最后看到的”值。您可以通过迭代集合并保留非$last
的值来强行执行此操作。您甚至可以使用mapReduce在这样的服务器上执行此操作:
null
这也可以,但是迭代整个集合几乎就像将所有内容与聚合混在一起一样糟糕。
在这种情况下,您真正想要的是三个查询,理想情况下是并行进行,以获取每个属性最后一次看到的谨慎值:
db.collection.mapReduce(
function () {
if (start == 0)
emit( 1, "A" );
start++;
current = this;
Object.keys(store).forEach(function(key) {
if ( current.hasOwnProperty(key) )
store[key] = current[key];
});
},
function(){},
{
"scope": { "start": 0, "store": { "A": null, "B": null, "C": null } },
"finalize": function(){ return store },
"out": { "inline": 1 }
}
)
更好的方法是在每个属性上创建一个稀疏索引,然后通过> db.collection.find({ "A": { "$exists": true } }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e7"), "A" : "artichoke" }
> db.collection.find({ "B": { "$exists": true } }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e8"), "B" : "blueberry" }
> db.collection.find({ "C": { "$exists": true } }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e9"), "C" : "cranberry" }
和一个空白字符串进行查询。这样可以确保使用索引,并且作为稀疏索引,它将仅包含存在该属性的文档。您需要$gt
,但仍需要$gt
排序:
.hint()
这是解决您在这里所说的最好的方法。但是正如我所说,这就是您认为需要解决的方式。您真正的问题可能还有另一种方式来处理存储和查询。
因此,我只是想过如何回答这个问题,但是希望听到人们对这是对/错有何看法。根据@NeilLunn的回复,我想我将达到BSON限制,使他的版本更适合拉取数据,但是对我的应用程序而言,一次可以运行此查询非常重要。 (也许我真正的问题是数据设计)。
我们遇到的问题是,在“分组依据”中,我们为每个文档引入了A,B,C版本。因此,我的解决方案是通过(略微)更改原始数据结构以告诉引擎每个引擎在每个文档中包含哪些键,从而告诉聚合应将哪些字段引入:
.hint()
现在我们可以在$natural
上使用$natural
,然后将db.collection.ensureIndex({ "A": -1 },{ "sparse": 1 })
db.collection.ensureIndex({ "B": -1 },{ "sparse": 1 })
db.collection.ensureIndex({ "C": -1 },{ "sparse": 1 })
> db.collection.find({ "A": { "$gt": "" } }).hint({ "A": -1 }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e7"), "A" : "artichoke" }
> db.collection.find({ "B": { "$gt": "" } }).hint({ "B": -1 }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e8"), "B" : "blueberry" }
> db.collection.find({ "C": { "$gt": "" } }).hint({ "C": -1 }).sort({ "$natural": -1 }).limit(1)
{ "_id" : ObjectId("54b319cd6997a054ce4d71e9"), "C" : "cranberry" }
分组为> db.collection.find()
{ _id: ..., 'A': 'apple', 'B': 'banana', 'Keys': ['A', 'B']},
{ _id: ..., 'A': 'artichoke', 'Keys': ['A']},
{ _id: ..., 'B': 'blueberry', 'Keys': ['B']},
{ _id: ..., 'C': 'cranberry', 'Keys': ['C']}
。因此:
$unwind
我拿回'Keys'
等于键的一系列文档:
'Keys'
然后您就可以提取所需的结果,知道键'_id'
的值仅对_id为db.collection.aggregate([
{'$unwind': 'Keys'},
{'$group':
{'_id': 'Keys',
'A': {'$last': '$A'},
'B': {'$last': '$B'},
'C': {'$last': '$C'}
}
}
])
的结果有效。
_id
,对于那些使用{_id: 'A', 'A': 'artichoke', 'B': null, 'C': null},
{_id: 'B', 'A': null, 'B': 'blueberry', 'C': null},
{_id: 'C', 'A': null, 'B': null, 'C': 'cranberry'}
或X
作为从分组记录中获取一个值的方法(不一定是实际的第一个或最后一个),可以将X
的Mongo 3.6
用作从分组项目中查找非空值的方法:$first
$last
根据每个分组的记录累积一个对象。需要注意的是$group
将合并为非$mergeObjects
的优先级值。但这需要将累积的字段修改为对象,因此需要“笨拙”$mergeObjects
。如果输出格式不完全符合您的期望,则始终可以使用附加的
// { "A" : "apple", "B" : "banana" } // { "A" : "artichoke" } // { "B" : "blueberry" } // { "C" : "cranberry" } db.collection.aggregate([ { $group: { _id: null, A: { $mergeObjects: { a: "$A" } }, B: { $mergeObjects: { b: "$B" } }, C: { $mergeObjects: { c: "$C" } } }} ]) // { _id: null, A: { a: "artichoke" }, B: { b: "blueberry" }, C: { c: "cranberry" } }
阶段。