一、BasicDBObject
整個聚合查詢是統計使用者的各種狀態下的使用者數量為場景:
1.篩選條件:
date為查詢日期:
BasicDBObject Query = new BasicDBObject();
Query.put("time",new BasicDBObject("$gte", date + " 00:00:00")
.append("$lte", date + " 23:59:59"));複製程式碼
如果有多個條件:直接加Query.put("status", 0);
如果有OR篩選:
BasicDBList values = new BasicDBList();
values.add(new BasicDBObject("status", new BasicDBObject("$exists",false)));
values.add(new BasicDBObject("status", 0));
Query.put("$or", values);複製程式碼
其中 new BasicDBObject("$exists",false)) 就是“status”不存在(mongodb文件可不等於實體的欄位)
2.拼接match
DBObject Match = new BasicDBObject("$match", Query);複製程式碼
將上一步的Query放入macth篩選中
3.拼接分組條件
此步相當於SQL的Group By
BasicDBObject GroupBy = new BasicDBObject();// 分組條件
GroupBy.put("userId", "$userId");//根據使用者ID來分組複製程式碼
同第一步的篩選一樣,如果有多個分組可直接新增在後面:GroupBy.put("status", "$status");
4.分組後查詢
首先把分組拼接上:
DBObject Select = new BasicDBObject("_id", GroupBy);複製程式碼
如果我們要對分組後的資料進行操作:(這裡是使用者的統計數量)
Select.put("count", new BasicDBObject("$sum", 1));複製程式碼
5.拼接$group
DBObject Group = new BasicDBObject("$group", Select);複製程式碼
至此。我們拼接,mongodb的語句到此結束
下面我們開始查詢操作:
import com.mongodb.AggregationOutput;
import org.springframework.data.mongodb.core.MongoTemplate;
AggregationOutput Output = mongoTemplate.getCollection("這裡是mongodb的資料表名")
.aggregate(Match, Group);複製程式碼
讀取查詢結果:
Iterable<DBObject> map = Output.results();
//遍歷map
for (DBObject dbObject : map) {
//這裡讀取到的map為{"_id":{"userId":1,"status"0}}...
Map<String, Object> resultMap = (Map<String, Object>) dbObject.get("_id");
//這裡擷取掉.0
Integer userId = Integer.parseInt(CommUtil.toString(ausgMap.get("userId")).replace(".0",""));
//在這裡我們就可以對我們的資料進行操作了;
Integer count = Integer.parseInt(CommUtil.toString(dbObject.get("count")));
} 複製程式碼
二、DBObject
不多說,如果大家覺得第一種方法特別長篇大論,那麼下面我給大家帶來一種程式碼更簡潔的聚合查詢:
直接上程式碼吧。
1.注意匯入的包:
import com.mongodb.DBObject; import com.mongodb.util.JSON;複製程式碼
2.$macth:
(beginDay-查詢開始日期;endDay-查詢結束日期)
DBObject match = (DBObject) JSON.parse("{$match:{'status':'1','time':
{$gte:'"+beginDay+"',$lte:'"+endDay+"'}}}");複製程式碼
3.$group:
(以userId分組,統計使用者數量,累加amout欄位值,取amout欄位最大值)
DBObject group = (DBObject) JSON.parse("{$group:{_id:'$userId',
count:{$sum:1},total:{$sum:'$amount'},maxSigle:{$max:'$amount'}}}");複製程式碼
條件拼接完,開始查詢:
List<DBObject> list = new ArrayList<DBObject>();
list.add(match); list.add(group);
AggregationOutput Output = mongoTemplate.getCollection("表名").aggregate(list);複製程式碼
遍歷結果就不用在說了。上面已經詳細描述了
第二種方法是不是比一種方式簡單多了。但是比較考驗自身對mongodb語句熟悉性。
【擴充套件】
接著上面的方法進行擴充套件
//status 為0或者為1 ; type 不為11;time在beginDay ~ endDay時間段內
DBObject match = (DBObject) JSON.parse("{$match:{'status':{$in:['0','1']},
type:{$ne:11},'time':{$gte:'"+beginDay+"',$lte:'"+endDay+"'}}}");
//以使用者Id分組,統計查詢次數,取最後一次time的時間
DBObject group = (DBObject) JSON.parse("{$group:{_id:'$userId',
count:{$sum:1},lastTime:{$max:'$time'} }}");
//在上一步統計出的結果中篩選次數大於100的資料
DBObject groupMatch = (DBObject) JSON.parse("{$match:{count:{$gte:100}}}");
//$project----查詢結果中需要顯示哪些欄位,顯示則設定為1。如下需要不顯示_id 域(欄位),則需如下指定:
//db.集合名.aggregate( [ { $project : { _id: 0, count: 1 , lastSuccTime: 1 } } ] )
DBObject project = (DBObject) JSON.parse("{$project:{_id:1,count:1,lastSuccTime:1}}");
DBObject sort = (DBObject) JSON.parse("{$sort:{'count':-1}}");//排序
List<DBObject> list = new ArrayList<DBObject>();
list.add(match);
list.add(group);
list.add(groupMatch);
list.add(project);
list.add(sort);
AggregationOutput catchOutPut = mongoTemplate.getCollection("表名")
.aggregate(list);//查詢結果
複製程式碼
三、BasicDBObject+指令碼語句
BasicDBObject groupIndex = new BasicDBObject();
BasicDBObject distinctQuery = new BasicDBObject();
distinctQuery.put("userId", new BasicDBObject("$in", userIds));//UserIds陣列
BasicDBObject initIndex = new BasicDBObject();
initIndex.put("count", 0);//給count賦初值
// 指令碼(doc代表資料庫的資料.prev代表查詢結果//prev.count這裡的count就是上一步initIndex的count)
String reduce = "function(doc, prev) {if(doc.status==0){prev.count+= 1;};}";
List<Map<String, Object>> basicDBList = (List<Map<String, Object>>) mongoTemplate.
getCollection("Collection").group(groupIndex, distinctQuery, initIndex, reduce, null);複製程式碼
最後迴圈遍歷List即可得到結果【PS:group這種聚合方式有個限制條件--->超過20000資料就會報錯】
以上就是我在普通業務處理中用到mongodb聚合處理。如果有更好的方法或是有需要改進的地方,歡迎大家給我留言~