使用邮政编码数据集进行汇总

在本页面

Data Model
aggregate() Method
人口超过 1000 万的回返国
各 State 的平均城市人口
按 State 归还最大和最小的城市

本文档中的示例使用zipcodes集合。该收藏集位于：media.mongodb.org/zips.json。使用mongoimport将数据集加载到mongod实例中。

Data Model

zipcodes集合中的每个文档都具有以下格式：

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

_id字段将邮政编码保存为字符串。
city字段包含城市名称。一个城市可以具有多个与之相关联的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码。
state字段包含两个字母的状态缩写。
pop字段用于保存人口。
loc字段将位置保存为经度纬度对。

aggregate() Method

以下所有示例都在mongo shell 中使用aggregate()帮助器。

aggregate()方法使用aggregation pipeline将文档处理为汇总结果。 aggregation pipeline由stages组成，每个阶段处理文档沿管道传递时。文档按 Sequences 通过各个阶段。

mongoShell 程序中的aggregate()方法为aggregate数据库命令提供了包装。有关数据聚合操作的更多惯用界面，请参见driver的文档。

人口超过 1000 万的回返国

以下汇总操作将返回总人口超过 1000 万的所有 State：

db.zipcodes.aggregate( [
   { $group: { _id: "$state", totalPop: { $sum: "$pop" } } },
   { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

在此示例中，aggregation pipeline由$group阶段和随后的$match阶段组成：

$group阶段按state字段对zipcode集合的文档进行分组，为每个状态计算totalPop字段，并为每个唯一状态输出文档。

新的按状态的文档有两个字段：_id字段和totalPop字段。 _id字段包含state的值；即按字段分组。 totalPop字段是一个计算的字段，其中包含每个 State 的总人口。要计算值，$group使用$sum运算符为每个 State 添加人口字段(pop)。

在$group阶段之后，管道中的文档类似于以下内容：

{
  "_id" : "AK",
  "totalPop" : 550043
}

$match阶段过滤这些分组的文档以仅输出totalPop值大于或等于 1000 万的那些文档。 $match阶段不会更改匹配的文档，但会输出未修改的匹配文档。

此聚合操作的等效SQL为：

SELECT state, SUM(pop) AS totalPop
FROM zipcodes
GROUP BY state
HAVING totalPop >= (10*1000*1000)

各 State 的平均城市人口

以下汇总操作返回每个 State 的城市平均人口：

db.zipcodes.aggregate( [
   { $group: { _id: { state: "$state", city: "$city" }, pop: { $sum: "$pop" } } },
   { $group: { _id: "$_id.state", avgCityPop: { $avg: "$pop" } } }
] )

在此示例中，aggregation pipeline由$group阶段组成，随后是另一个$group阶段：

第一个$group阶段按city和state的组合对文档进行分组，使用$sum表达式计算每个组合的填充量，并为每个city和state组合输出文档。 [1]

在管道中的此阶段之后，文档类似于以下内容：

{
  "_id" : {
    "state" : "CO",
    "city" : "EDGEWATER"
  },
  "pop" : 13154
}

第二个$group阶段按_id.state字段(即_id文档内的state字段)对管道中的文档进行分组，使用$avg表达式计算每个 State 的平均城市人口(avgCityPop)，并输出每个 State 的文档。

此聚合操作产生的文档类似于以下内容：

{
  "_id" : "MN",
  "avgCityPop" : 5335
}

按 State 归还最大和最小的城市

以下汇总操作返回每个 State 人口最小和最大的城市：

db.zipcodes.aggregate( [
   { $group:
      {
        _id: { state: "$state", city: "$city" },
        pop: { $sum: "$pop" }
      }
   },
   { $sort: { pop: 1 } },
   { $group:
      {
        _id : "$_id.state",
        biggestCity:  { $last: "$_id.city" },
        biggestPop:   { $last: "$pop" },
        smallestCity: { $first: "$_id.city" },
        smallestPop:  { $first: "$pop" }
      }
   },

  // the following $project is optional, and
  // modifies the output format.

  { $project:
    { _id: 0,
      state: "$_id",
      biggestCity:  { name: "$biggestCity",  pop: "$biggestPop" },
      smallestCity: { name: "$smallestCity", pop: "$smallestPop" }
    }
  }
] )

在此示例中，aggregation pipeline由$group阶段，$sort阶段，另一个$group阶段和$project阶段组成：

第一个$group阶段按city和state的组合对文档进行分组，为每个组合计算pop值的sum，并为每个city和state组合输出文档。

在管道的此阶段，文档类似于以下内容：

{
  "_id" : {
    "state" : "CO",
    "city" : "EDGEWATER"
  },
  "pop" : 13154
}

$sort阶段按pop字段值(从最小到最大)对管道中的文档进行排序；即通过增加 Sequences。此操作不会更改文档。
下一个$group阶段按_id.state字段(即_id文档内的state字段)对现在分类的文档进行分组，并为每个状态输出一个文档。

该阶段还将为每个状态计算以下四个字段。使用$last表达式，$group运算符将创建biggestCity和biggestPop字段，用于存储人口最多的城市和该人口。使用$first表达式，$group运算符创建smallestCity和smallestPop字段，该字段存储人口最少的城市和该人口。

在管道的此阶段，这些文档类似于以下内容：

{
  "_id" : "WA",
  "biggestCity" : "SEATTLE",
  "biggestPop" : 520096,
  "smallestCity" : "BENGE",
  "smallestPop" : 2
}

最后的$project阶段将_id字段重命名为state，并将biggestCity，biggestPop，smallestCity和smallestPop移到biggestCity和smallestCity嵌入式文档中。

此聚合操作的输出文档类似于以下内容：

{
  "state" : "RI",
  "biggestCity" : {
    "name" : "CRANSTON",
    "pop" : 176404
  },
  "smallestCity" : {
    "name" : "CLAYVILLE",
    "pop" : 45
  }
}

[1]	一个城市可以具有多个与之相关联的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码。