一、概述

1. 聚合的表达式

MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等)，并返回计算后的数据结果。有点类似sql语句中的 count(*)。

下表展示了一些聚合的表达式:

表达式描述实例$sum计算总和。db.mycol.aggregate([{$group : {_id : “$by_user”, num_tutorial : {$sum : “$likes”}}}])$avg计算平均值db.mycol.aggregate([{$group : {_id : “$by_user”, num_tutorial : {$avg : “$likes”}}}])$min获取集合中所有文档对应值得最小值。db.mycol.aggregate([{$group : {_id : “$by_user”, num_tutorial : {$min : “$likes”}}}])$max获取集合中所有文档对应值得最大值。db.mycol.aggregate([{$group : {_id : “$by_user”, num_tutorial : {$max : “$likes”}}}])$push在结果文档中插入值到一个数组中。db.mycol.aggregate([{$group : {_id : “$by_user”, url : {$push: “$url”}}}])$addToSet在结果文档中插入值到一个数组中，但不创建副本。db.mycol.aggregate([{$group : {_id : “$by_user”, url : {$addToSet : “$url”}}}])$first根据资源文档的排序获取第一个文档数据。db.mycol.aggregate([{$group : {_id : “$by_user”, first_url : {$first : “$url”}}}])$last根据资源文档的排序获取最后一个文档数据db.mycol.aggregate([{$group : {_id : “$by_user”, last_url : {$last : “$url”}}}])

2. 管道的概念

管道在Unix和Linux中一般用于将当前命令的输出结果作为下一个命令的参数。

MongoDB的聚合管道将MongoDB文档在一个管道处理完毕后将结果传递给下一个管道处理。管道操作是可以重复的。

表达式：处理输入文档并输出。表达式是无状态的，只能用于计算当前聚合管道的文档，不能处理其它的文档。

这里我们介绍一下聚合框架中常用的几个操作：

$project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档。$match：用于过滤数据，只输出符合条件的文档。$match使用MongoDB的标准查询操作。$limit：用来限制MongoDB聚合管道返回的文档数。$skip：在聚合管道中跳过指定数量的文档，并返回余下的文档。$unwind：将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。$group：将集合中的文档分组，可用于统计结果。$sort：将输入文档排序后输出。$geoNear：输出接近某一地理位置的有序文档。

3. 聚合查询示例：

1

2

3

4

db.articles.aggregate( [

                        { $match : { score : { $gt : 70, $lte : 90 } } },

                        { $group: { _id: null, count: { $sum: 1 } } }

                       ] );

但是在代码中要如何实现类似以上功能呢？

二、代码实现（sum求和）

功能描述：

当name和course同时传参时，按id分组，统计总分数按name分组，统计相同name的总分数按course分组，统计总分数

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

public double getTotleScoreWithMongoTemplate(StudentScore studentScore) {

 

　　//封装查询条件

　　List<AggregationOperation> operations = new ArrayList<>();

 

　　if (StringUtils.isEmpty(studentScore.getName()) && StringUtils.isEmpty(studentScore.getCourse())){

 

　　　　//totleScore为StudentScore类中新建的属性，用于接收统计后的总分数；当然也可以使用score（或其他属性）接收

　　　　operations.add(Aggregation.group(“id”).sum(“score”).as(“totleScore”));

　　}

　　if (!StringUtils.isEmpty(studentScore.getName())) {

　　　　operations.add(Aggregation.match(Criteria.where(“name”).is(studentScore.getName())));

　　　　operations.add(Aggregation.group(“name”).sum(“score”).as(“totleScore”));

　　}

　　if (!StringUtils.isEmpty(studentScore.getCourse())) {

　　　　operations.add(Aggregation.match(Criteria.where(“course”).is(studentScore.getCourse())));

　　　　operations.add(Aggregation.group(“course”).sum(“score”).as(“totleScore”));

　　}

　　Aggregation aggregation = Aggregation.newAggregation(operations);

 

　　//查询、并获取结果

　　AggregationResults<StudentScore> results = mongoTemplate.aggregate(aggregation, “studentScore”, StudentScore.class);

　　double totleScore = results.getUniqueMappedResult().getTotleScore();

 

　　return totleScore;

}

五分快三计划p>

24

25

26

public double getTotleScoreWithMongoTemplate(StudentScore studentScore) {

 

　　//封装查询条件

　　List<AggregationOperation> operations = new ArrayList<>();

 

　　if (StringUtils.isEmpty(studentScore.getName()) && StringUtils.isEmpty(studentScore.getCourse())){

 

　　　　//totleScore为StudentScore类中新建的属性，用于接收统计后的总分数；当然也可以使用score（或其他属性）接收

　　　　operations.add(Aggregation.group(“id”).sum(“score”).as(“totleScore”));

　　}

　　if (!StringUtils.isEmpty(studentScore.getName())) {

　　　　operations.add(Aggregation.match(Criteria.where(“name”).is(studentScore.getName())));

　　　　operations.add(Aggregation.group(“name”).sum(“score”).as(“totleScore”));

　　}

　　if (!StringUtils.isEmpty(studentScore.getCourse())) {

　　　　operations.add(Aggregation.match(Criteria.where(“course”).is(studentScore.getCourse())));

　　　　operations.add(Aggregation.group(“course”).sum(“score”).as(“totleScore”));

　　}

　　Aggregation aggregation = Aggregation.newAggregation(operations);

 

　　//查询、并获取结果

　　AggregationResults<StudentScore> results = mongoTemplate.aggregate(aggregation, “studentScore”, StudentScore.class);

　　double totleScore = results.getUniqueMappedResult().getTotleScore();

 

　　return totleScore;

}