聚合

聚合管道¶

MongoDB的聚合框架以数据处理管道的概念为模型。文档进入多阶段流水线，该流水线将文档转换成汇总结果。例如：

在这个例子中

db.orders.aggregate([
   { $match: { status: "A" } },
   { $group: { _id: "$cust_id", total: { $sum: "$amount" } } }
])

第一阶段：$match阶段按status字段过滤文档，并将status等于的文档传递到下一阶段"A"。

第二阶段：该$group阶段按cust_id字段将文档分组，以计算每个唯一值的总和cust_id。

最基本的管道阶段提供过滤器，其操作类似于查询和修改输出文档形式的文档转换。

其他管道操作提供了用于按特定字段对文档进行分组和排序的工具，以及用于聚合包括文档数组在内的数组内容的工具。另外，管道阶段可以将运算符用于诸如计算平均值或连接字符串之类的任务。

管道使用MongoDB中的本机操作提供有效的数据聚合，并且是MongoDB中数据聚合的首选方法。

聚合管道可以在操作 分片集合。

聚合管道可以在某些阶段使用索引来提高其性能。另外，聚合管道具有内部优化阶段。有关详细信息，请参见 管道运算符和索引以及 聚合管道优化。

Map- Reduce¶

MongoDB还提供了map-reduce操作来执行聚合。通常，map-reduce操作有两个阶段：处理每个文档并为每个输入文档发出一个或多个对象的map阶段，以及将map操作的输出组合在一起的reduce阶段。可选地，map-reduce可以具有一个 finalize阶段来对结果进行最终修改。与其他聚合操作一样，map-reduce可以指定查询条件以选择输入文档以及对结果进行排序和限制。

Map-reduce使用自定义JavaScript函数来执行映射和归约操作以及可选的finalize操作。尽管自定义JavaScript与聚合管道相比提供了极大的灵活性，但总的来说，map-reduce比聚合管道效率低下，并且复杂性更高。

Map-reduce可以对分片 集合进行操作。映射减少操作也可以输出到分片集合。有关详细信息，请参见 Map-Reduce和分片集合。

单用途集聚操作¶

MongoDB也提供db.collection.estimatedDocumentCount()， db.collection.count()和db.collection.distinct()。

所有这些操作都汇总了单个集合中的文档。尽管这些操作提供了对常见聚合过程的简单访问，但是它们缺乏聚合管道和映射减少的灵活性和功能。

附加功能和行为¶

有关聚合管道，map-reduce和特殊组功能的功能比较，请参阅“ 聚合命令比较”。