MongoDB 如何實現巢狀子文件分組

MongoDB 巢狀結構的資料非常常見, 它透過巢狀子文件，達到一對多的關聯關係。但巢狀結構中按分類分組求子文件的資料計算，不能直接透過 $group 聚集運算來實現，需要將巢狀結構解開，由多層巢狀結構變成多條單層結構來計算，由於中間過程的處理，且還要借且其它函式輔助實現輸出。下面以集合 order 為例說明，按 category 分組獲取 term 的數量並按由大到小的順序輸出。

[
 { category: "movies",
   terms: [{ term: "movie 1", total: 1000}, {term: "movie 2", total: 100}  ]
 },
 { category: "sports",
   terms: [{ term: "football 1", total: 1000}, {term: "tennis 2", total: 120}  ]
 },
 { category: "movies",
   terms: [{ term: "movie 1", total: 5000}, {term: "movie 2", total: 200},
 {term: "movie 3", total: 280}  ]
 },
 { category: "sports",
   terms: [{ term: "football 1", total: 4000}, {term: "tennis 2", total: 250},
{term: "tennis 2", total: 450}  ]
 },

]

MongoDB透過聚集運算 aggregate，group 實現如下：
    db.order.aggregate([
   {$unwind : "$terms"},
   { $group : { _id : {
            category: "$category",
            term: "$terms.term" },
            total: {$sum : "$terms.total"}
            }
   },
   {$sort : { total : -1} },
   { $project: {
            _id: 0,
            category: "$_id.category",
            term: "$_id.term",
            total:1}}
])

      $unwind將 terms陣列拆分成多條, 再由 $group 分組、求和、排序後，最後用 $project過濾欄位輸出。

      如果有集算器協助 MongoDB，就不需要這麼繁瑣的組合運算：

	A
1	=mongo_open("mongodb://127.0.0.1:27017/raqdb")
2	=mongo_shell(A1,"order.find()").fetch()
3	=A2.conj(terms.derive(A2.category))
4	=A5.group(category,term;~.sum(total):total).sort(-total)
5	>A1.close()

      集算器 SPL 不僅對解決巢狀分組，對 MongoDB 很多困難的計算都有幫助，可以參考《 》。
      SPL 也能很方便地嵌入到 JAVA 應用，可參考

      具體使用方法可參考 。