使用邮编数据集进行聚合

数据模型

zipcodes 集合中的每个文档都具有以下形式

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

• _id 字段保存为字符串的邮编。

• city 字段保存城市名称。一个城市可以有多个与之关联的邮编，因为城市的不同部分可以各自有不同的邮编。

• state 字段保存两个字母的州缩写。

• pop 字段保存人口。

• loc 字段保存经纬度对的位置。

aggregate() 方法

以下所有示例都使用了 aggregate() 辅助函数在 mongosh 中。

aggregate() 方法使用 聚合管道 来处理文档并生成聚合结果。一个 聚合管道 由 阶段 组成，每个阶段在管道中处理文档。文档按顺序通过阶段。

aggregate() 方法在 mongosh 中提供了一个数据库命令 aggregate 的包装。有关数据聚合操作更自然的接口，请参阅您 驱动程序 的文档。

返回人口超过 1000 万的州

以下聚合操作返回所有总人口超过 1000 万的州

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

在这个例子中，聚合管道 由 $group 阶段和随后的 $match 阶段组成

• $group 阶段按 state 字段将 zipcode 集合的文档分组，为每个州计算 totalPop 字段，并为每个唯一的州输出一个文档。

  新的按州文档有两个字段：_id 字段和 totalPop 字段。_id 字段包含 state 的值；即分组字段。totalPop 字段是一个计算字段，包含每个州的总人口。为了计算值，$group 使用 $sum 操作符将每个州的人口字段（pop）相加。

  在 $group 阶段之后，管道中的文档类似于以下内容

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

• $match 阶段过滤这些分组文档，仅输出那些 totalPop 值大于或等于 1000 万的文档。$match 阶段不会修改匹配的文档，但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)

按州返回平均城市人口

以下聚合操作返回每个州城市的平均人口

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

在此示例中，聚合管道由 聚合管道 组成，该管道包括 $group 阶段，后跟另一个 $group 阶段

• 第一个 $group 阶段根据 city 和 state 的组合分组文档，使用 $sum 表达式计算每个组合的人口，并为每个 city 和 state 组合输出一个文档。[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 阶段根据 _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 表达式计算每个州的平均城市人口（avgCityPop），并为每个州输出一个文档。

此聚合操作的结果文档类似于以下内容

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

按州返回最大和最小的城市

以下聚合操作返回每个州的按人口最大和最小的城市

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，聚合管道由一个 聚合管道 组成，该管道包含一个 $group 阶段、一个 $sort 阶段、另一个 $group 阶段和一个 $project 阶段。

• 第一个 $group 阶段根据 city 和 state 的组合对文档进行分组，计算每个组合的 pop 值的总和，并为每个 city 和 state 组合输出一个文档。

  在此阶段的管道中，文档类似于以下内容

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

• $sort 阶段根据 pop 字段值对管道中的文档进行排序，从小到大；即按升序排序。此操作不会更改文档。

• 下一个 $group 阶段根据 _id.state 字段（即 _id 文档内的 state 字段）对现在已排序的文档进行分组，并为每个州输出一个文档。

  该阶段还为每个状态计算以下四个字段。使用$last表达式，$group操作符创建了biggestCity和biggestPop字段，用于存储人口最多的城市及其人口。使用$first表达式，$group操作符创建了smallestCity和smallestPop字段，用于存储人口最少的城市及其人口。

  在此阶段的管道中，文档类似于以下内容

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

• 最终的$project阶段将_id字段重命名为state，并将biggestCity、biggestPop、smallestCity和smallestPop移动到biggestCity和smallestCity嵌套文档中。

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
  }
}