Meny

Aggregation in MongoDB: Aggregate Pipeline and Map Reduce

  • Huvud
  • Övrig
  • Aggregation in MongoDB: Aggregate Pipeline and Map Reduce

aggregation mongodb

Prova Vårt Instrument För Att Eliminera Problem

En översikt över aggregering i MongoDB:

Autentisering i MongoDB förklarades i detalj i vår tidigare handledning i detta Detaljerad MongoDB-träningsserie .

I den här handledningen lär vi oss om aggregering i MongoDB.

Med enkla ord betyder aggregering att kombinera olika informationsresurser och ge den mest autentiska posten. I MongoDB är det processen att validera information från en annan samling och i gengäld tillhandahålla en enda post.

Aggregering i MongoDB

Olika operationer utförs på insamlad data för att endast extrahera giltig information.

I MongoDB finns tre typer av aggregering som visas nedan:

  1. Aggregeringsrörledning
  2. Karta minska
  3. Enskilt ändamål

Vad du kommer att lära dig:

Aggregeringsrörledning

Aggregation Framework i MongoDB är utvecklat med begreppet databehandlingsrörledningar. I den här rörledningen tillämpas en uppsättning olika funktioner på ett dokument som matas in i rörledningen för att sammanställa slutresultatet.

I grund och botten utförs två operationer på vilket dokument som helst i rörledningen. Först filtreras posterna precis som hur frågor utförs och i den andra fasen ändras omvandlingen av dokumentet dess typ för utdataändamål.

Å andra sidan används rörledningsoperationer också för sortering, gruppering, sammanslagning och sammanställning av matriser och matriser i dokumentet. På något sätt kan rörledningar också användas för att sammanfatta innehållet eller för att beräkna medelvärdet och sammankopplingen av posten.

Koda

skillnad mellan testning av svart låda och testning av vitlåda
db.orders.aggregate(({$match:{status:'A'}},{$group:{_id:'$cust_id', total:{$sum:'$amount'}}}))

Figur 1: I Mongo Shell

Aggregeringsrörledning i mongodb

Figur 2: I Robo 3T

Aggregeringsrörledning i robo 3t

Figur 3

Aggregering - Robo 3T

Karta minska

MongoDB tillhandahåller också funktionen Kartreducera för aggregeringsändamål. Generellt finns det två faser av Map Reduce. I den första fasen behandlas varje dokument och sänder ut en gemensam och redundant del av dokumentet för att skicka en unik post för nästa fas.

I den andra fasen samlas alla unika delar och samlas för att ge ett enda resultat. Map Reduce ger också sortering, filtrering och dokumentändring.

Koda

db.orders.mapReduce(function(){emit(this.cust_id,this.amount);}, function(key,values){return Array.sum(values)},{query:{status:'A'},out: 'order_totals'}).find()

Figur 4: I Mongo Shell

Karta Minska i mongo db

virtual reality-glasögon för xbox 360

Figur 5: I Robo 3T

Karta Reducera i Robo 3t

Figur 6

Karta minska

Enskilt ändamål

I enskildsaggregeringen tillämpas endast ett filter för att beräkna resultatet. Med enkla ord, om vi måste aggregera en hel samling baserat på ett filter, måste vi använda enstaka aggregeringsoperationer.

I MongoDB har vi tre typer av aggregeringsoperationer för en enda filtrering:

  1. db.collection.estimatedDocumentCount ()
  2. db.collection.count ()
  3. db.collection.distinct ()

Alla ovanstående operationer används för aggregering för ett enda ändamål. Dessa operationer ger en enkel åtkomstkontroll för de vanliga aggregeringsprocesserna. Dessa operationer ger inte omfattande filtrering och sortering precis som aggregeringsrörledning och Map Reduce.

Koda

db.orders.distinct('cust_id')

Figur 7: I Mongo Shell

Enskilt syfte aggregering i Mongodb

Figur 8: I Robo 3T

Enstaka ändamål i Robo 3t

Bild 9

Enskilt ändamål

Slutsats

Aggregering är processen att samla in information för att ge det genomsnittliga resultatet. Det används också i analytiska ändamål. I denna handledning har vi lärt oss om de tre typerna av aggregering som finns tillgängliga i MongoDB för att bearbeta information.

MongoDB ger oss också kartreduceringsmetoden, som används för att samla enorm information. Map Reduce används mest för stora data. Alla dessa aggregeringsmetoder används baserat på villkoren för posterna och de resulterande värdena.

I vår kommande handledning kommer vi att lära oss mer om Projektion i MongoDB i detalj.

PREV-handledning | NÄSTA självstudie

Rekommenderad läsning

^