聚合管道

MongoDB聚合管道包括阶段。每个阶段在文档通过管道时都会对其进行转换。流水线阶段不需要为每个输入文档都生成一个输出文档。例如，某些阶段可能会生成新文档或过滤掉文档。

管道阶段可以在管道中出现多次，但$out，$merge和$geoNear阶段除外。

MongoDB在mongo shell中提供了db.collection.aggregate（）方法，并提供了聚合命令来运行聚合管道。

从MongoDB 4.2开始，您可以使用聚合管道在以下位置进行更新：

命令	mongoshell方法
findAndModify	db.collection.findOneAndUpdate（）,db.collection.findAndModify（）
update	db.collection.updateOne（）,db.collection.updateMany（）,db.collection.update（）,Bulk.find.update（）,Bulk.find.updateOne（）,Bulk.find.upsert（）

聚合管道表达式

一些流水线阶段将流水线表达式作为操作数。管道表达式指定要应用于输入文档的转换。表达式具有文档结构，并且可以包含其他表达式。

管道表达式只能对管道中的当前文档进行操作，而不能引用其他文档中的数据：表达式操作提供了文档的内存中转换。

通常，表达式是无状态的，只有在聚合过程中看到时才评估表达式，但有一个例外：累加器表达式。

在$group阶段中使用的累加器会随着文档在管道中的前进而保持其状态（例如，总计，最大值，最小值和相关数据）。

在版本3.2中更改：$project阶段中提供了一些累加器；但是，在$project阶段使用时，累加器不会在文档之间保持其状态。

聚合管道特性

在MongoDB中，该aggregate命令在单个集合上运行，将整个集合逻辑上传递到聚合管道中。为了尽可能优化操作，请使用以下策略来避免扫描整个集合。

管道运算符和索引

MongoDB的查询计划程序分析聚合管道，以确定是否可以使用索引来改善管道性能。例如，以下管道阶段可以利用索引：

注意

以下管道阶段并不代表可以使用索引的所有阶段的完整列表。

$match:如果$match阶段出现在管道的开始，阶段可以使用索引来过滤文档。
$sort:$sort阶段可以使用索引，只要该索引之前没有$project，$unwind或$ group阶段即可。
$group:如果满足以下所有条件，则$group阶段有时可以使用索引来查找每个组中的第一个文档：
- $group阶段之前是一个$sort阶段，该阶段对字段进行分组，
- 分组字段上有一个与排序顺序匹配的索引，并且
- 该$group阶段中使用的唯一累加器是 $first。
$geoNear:$geoNear管道运算符利用了地理空间索引。使用$geoNear时，$geoNear管道操作必须显示为聚合管道的第一阶段。

在版本3.2中进行了更改：从MongoDB 3.2开始，索引可以覆盖聚合管道。在MongoDB 2.6和3.0中，索引无法覆盖聚合管道，因为即使管道使用索引，聚合仍需要访问实际文档。

早期筛选

如果聚合操作仅需要集合中数据的子集，请使用$ match，$limit和$skip阶段来限制在管道开始时输入的文档。当放置在管道的开头时，$match操作将使用适当的索引来仅扫描集合中的匹配文档。

从逻辑上讲，在管道的开头放置一个$match阶段，然后放置一个$sort阶段，在逻辑上等效于具有排序的单个查询，并且可以使用索引。如果可能，将$match运算符放在管道的开头。

聚合管道优化

聚合管道操作具有优化阶段，该阶段尝试重塑管道以提高性能。

要查看优化器如何转换特定的聚合管道，请explain在db.collection.aggregate()方法中包括该选项。

优化可能会在版本之间进行更改。

投影优化聚合管道可以确定是否仅需要文档中字段的子集即可获得结果。如果是这样，管道将仅使用那些必填字段，从而减少了通过管道的数据量。

管道序列优化（$project或$unset或$addFields或$set）+ $match序列优化对于包含投影阶段（$project或$unset或 $addFields或 $set）后跟一个 $match阶段的聚合管道，MongoDB会将$match阶段中不需要过滤阶段中计算出的值的所有过滤器移动到投影$match之前的新阶段。

如果聚合管道包含多个投影和/或 $match阶段，则MongoDB将为每个$match阶段执行此优化，将每个$match过滤器移到该过滤器不依赖的所有投影阶段之前。

考虑以下阶段的管道：

{ $ addFields ： { maxTime ： { $ max ： “ $ times” }， minTime ： { $ min ： “ $ times” } } }}， { $ project ： {_ id ： 1 ， name ： 1 ， times ： 1 ， maxTime ： 1 ， minTime ： 1 ， avgTime ： { $ avg ： [ “ $ maxTime” ， “ $ minTime” ] } } }， { $ match ： { 名称： “ Joe Schmoe” ， maxTime ： { $ lt ： 20 }， minTime ： { $ gt ： 5 }， avgTime ： { $ gt ： 7 } } } 优化器将$match阶段分为四个单独的过滤器，一个用于$match查询文档中的每个关键字。然后，优化器将每个滤波器移到尽可能多的投影阶段之前，$match根据需要创建新阶段。给定此示例，优化器将产生以下优化管道：

{ $ match ： { name ： “ Joe Schmoe” } }， { $ addFields ： { maxTime ： { $ max ： “ $ times” }， minTime ： { $ min ： “ $ times” } } }， { $ match ： { maxTime ： { $ lt ： 20 }， minTime ： { $ gt ： 5 } } }， { $ project ： {_ id ： 1 ， name ： 1 ， times ： 1 ， maxTime ： 1 ， minTime ： 1 ， avgTime ： { $ avg ： [ “ $ maxTime” ， “ $ minTime” ] } } } } } { $ match ： { avgTime ： { $ gt ： 7 } } } 该$match过滤器依赖于舞台计算领域。该阶段是此管道中的最后一个投影阶段，因此无法移动打开的滤镜。{ avgTime: { $gt: 7 } }$projectavgTime$project$matchavgTime

该maxTime和minTime字段计算的 $addFields阶段，但对不依赖 $project阶段。优化$match器为这些字段上的过滤器创建了一个新阶段，并将其放置在该$project阶段之前。

该$match过滤器不使用在任一所计算的任何值或所以它被转移到一个新的阶段都在投影阶段之前的阶段。{ name: “Joe Schmoe” }$project$addFields$match

注意

优化后，过滤器是一个在流水线的开始阶段。这具有额外的好处，即允许聚合在最初查询集合时在字段上使用索引。有关更多信息，请参见管道运算符和索引。{ name: “Joe Schmoe” }$matchname

$sort+ $match序列优化当您有一个序列$sort后跟一个时 $match，请在$match之前移动， $sort以最大程度地减少要排序的对象的数量。例如，如果管道包括以下阶段：

{ $排序： { 年龄： - 1 } }， { $比赛： { 状态： ‘A’ } } 在优化阶段，优化器将序列转换为以下内容：

{ $比赛： { 状态： ‘A’ } }， { $排序： { 年龄： - 1 } } $redact+ $match序列优化如果可能，当管道在$redact阶段之后紧跟着$match阶段时，聚合有时可以在$match阶段之前添加阶段的一部分$redact。如果添加的$match阶段是在管道的开始，则聚合可以使用索引以及查询集合以限制进入管道的文档数。有关更多信息，请参见管道运算符和索引。

例如，如果管道包括以下阶段：

{ $ redact ： { $ cond ： { 如果： { $ eq ： [ “ $ level” ， 5 ] }，然后： “ $$ PRUNE” ，否则： “ $$ DESCEND” } } }， { $ match ： { 年： 2014 ，类别： { $ ne ： “ Z” } } } 优化器可以在$match阶段之前添加相同的 $redact阶段：

{ $ match ： { 年份： 2014 } }， { $ redact ： { $ cond ： { 如果： { $ eq ： [ “ $ level” ， 5 ] }，然后： “ $$ PRUNE” ，否则： “ $$ DESCEND “ } } }， { $ match ： { 年份： 2014 ，类别： { $ ne ： ” Z“ } } } $project/ $unset+ $skip序列优化 3.2版中的新功能。

当您有一个序列，其后跟$project或时，将前移。例如，如果管道包括以下阶段：$unset$skip$skip$project

{ $排序： { 年龄： - 1 } }， { $项目： { 状态： 1 ，名称： 1 } }， { $跳过： 5 } 在优化阶段，优化器将序列转换为以下内容：

{ $排序： { 年龄： - 1 } }， { $跳过： 5 }， { $项目： { 状态： 1 ，名称： 1 } } 管道聚结优化如果可能，优化阶段将流水线阶段合并到其前身。通常，合并发生在任何序列重新排序优化之后。

$sort+ $limit合并在版本4.0中更改。

当一个$sort先于$limit，优化器可以聚结$limit到$sort，如果没有中间阶段的修改文件（例如，使用数$unwind，$group）。如果有管道阶段会更改和阶段之间的文档数，则MongoDB将不会合并$limit到。$sort$sort$limit

例如，如果管道包括以下阶段：

{ $排序： { 年龄： - 1 } }， { $项目： { 年龄： 1 ，状态： 1 ，名称： 1 } }， { $限额： 5 } 在优化阶段，优化器将序列合并为以下内容：

{ “ $ sort” ： { “ sortKey” ： { “ age” ： - 1 }， “ limit” ： NumberLong （5 ） } }， { “ $ project” ： { “ age” ： 1 ， “ status” ： 1 ， “名称” ： 1 } } 这样，排序操作就可以仅在执行过程中保持最高n结果，这n是指定的限制，而MongoDB仅需要将n项目存储在内存中 [1]。有关更多信息，请参见$ sort运算符和内存。

用$ SKIP进行序列优化

如果$skip在$sort 和$limit阶段之间有一个阶段，MongoDB将合并 $limit到该$sort阶段并增加该 $limit值$skip。有关示例，请参见 $ sort + $ skip + $ limit序列。

[1] 当优化仍将适用 allowDiskUse是true与n项目超过聚集内存限制。 $limit+ $limit合并当$limit紧接在另一个之后 $limit，两个阶段可以合并为一个阶段 $limit，其中限制量为两个初始限制量中的较小者。例如，管道包含以下序列：

{ $ limit ： 100 }， { $ limit ： 10 } 然后第二$limit阶段可以合并到第一 $limit阶段并产生一个单一$limit 阶段，其中极限量10是两个初始极限100和的最小值10。

{ $ limit ： 10 } $skip+ $skip合并当$skip紧跟另一个$skip，这两个阶段可合并成一个单一的$skip，其中跳过量为总和的两个初始跳过量。例如，管道包含以下序列：

{ $ skip ： 5 }， { $ skip ： 2 } 然后，第二$skip阶段可以合并到第一 $skip阶段，并导致单个$skip 阶段，其中跳过量7是两个初始限制5和的总和2。

{ $ skip ： 7 } $match+ $match合并当一个$match紧随另一个紧随其后时 $match，这两个阶段可以合并为一个$match条件和一个条件的单个步骤 $and。例如，管道包含以下序列：

{ $ match ： { 年份： 2014 } }， { $ match ： { 状态： “ A” } } 然后，第二$match阶段可以合并到第一 $match阶段，从而形成一个$match 阶段

{ $ match ： { $ and ： [ { “ year” ： 2014 }， { “ status” ： “ A” } ] } } $lookup+ $unwind合并 3.2版中的新功能。

当a $unwind立即紧随其后 $lookup，并且在领域$unwind运行时，优化程序可以将其合并到阶段中。这样可以避免创建较大的中间文档。as$lookup$unwind$lookup

例如，管道包含以下序列：

{ $ lookup ： { from ： “ otherCollection” ， as ： “ resultingArray” ， localField ： “ x” ， foreignField ： “ y” } }， { $ unwind ： “ $ resultingArray” } 优化器可以将$unwind阶段合并为 $lookup阶段。如果使用explain 选项运行聚合，则explain输出将显示合并阶段：

{ $ lookup ： { 来自： “ otherCollection” ，如： “ resultingArray” ， localField ： “ x” ， foreignField ： “ y” ，展开： { preserveNullAndEmptyArrays ： false } } } 例子 $sort+ $skip+ $limit序列管道包含一个序列，$sort其后是一个， $skip然后是一个$limit：

{ $排序： { 年龄： - 1 } }， { $跳过： 10 }， { $限额： 5 } 优化程序执行$ sort + $ limit合并以将序列转换为以下内容：

{ “ $ sort” ： { “ sortKey” ： { “ age” ： - 1 }， “ limit” ： NumberLong （15 ） } }， { “ $ skip” ： NumberLong （10 ） } MongoDB $limit通过重新排序增加数量。

聚合管道限制

使用该aggregate命令进行的聚合操作具有以下限制。

结果大小限制在3.6版中进行了更改： MongoDB 3.6删除了该aggregate 命令以将其结果作为单个文档返回的选项。

该aggregate命令可以返回游标或将结果存储在集合中。当返回游标或将结果存储在集合中时，结果集中的每个文档都受到限制，目前为16兆字节；如果任何单个文档超出了限制，该命令将产生错误。该限制仅适用于退回的文件；在管道处理过程中，文档可能会超出此大小。该方法返回一个游标。BSON Document SizeBSON Document Sizedb.collection.aggregate()

内存限制管道阶段的RAM限制为100 MiB（100 * 1024 * 1024字节）。如果阶段超出此限制，则MongoDB将产生错误。要允许处理大型数据集，可以在方法中设置 allowDiskUse选项 aggregate()。该allowDiskUse选项允许最多聚集流水线作业将数据写入到一个临时文件。以下聚合操作是allowDiskUse选项的例外：这些操作必须在内存限制限制内：

$graphLookup 阶段 $addToSet该$group阶段中使用的累加器表达式（从4.2.3、4.0.14、3.6.17版开始） $push该$group阶段中使用的累加器表达式（从4.2.3、4.0.14、3.6.17版开始）如果管道中包括在操作中遵守allowDiskUse：true的其他阶段aggregate()，则allowDiskUse：true选项对于这些其他阶段有效。

从MongoDB 4.2开始，事件探查器日志消息和诊断日志消息包括一个usedDisk 指示符，指示是否有任何聚合阶段由于内存限制而将数据写入临时文件。

邮政编码数据示例

数据模型

zipcodes集合中的每个文档都具有以下格式：

{ “_id” ： “10280” ，“ 城市” ： “纽约” ， “状态” ： “NY” ，“ 啪” ： 5574 ， “禄” ： [ - 74.016323 ， 40.710537 ] } 该_id字段将邮政编码保存为字符串。该city字段包含城市名称。一个城市可以具有多个与之相关的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码。该state字段包含两个字母的州缩写。该pop领域拥有人口。该loc字段将位置保存为经度纬度对。 aggregate()方法以下所有示例均aggregate()在mongoShell中使用辅助程序。

该aggregate()方法使用汇总管道将文档处理为汇总结果。一个聚集管道由阶段有每个阶段处理的文件，因为它们沿管道传递。文件依次经过各个阶段。

Shell中的aggregate()方法 mongo为aggregate数据库命令提供了包装。有关用于数据聚合操作的更惯用的界面，请参见驱动程序的文档。

返回人口超过1000万的州以下汇总操作将返回总人口超过1000万的所有州：

db 。邮编。骨料（ [ { $组： { _id ： “$状态” ， totalPop ： { $总和： “$弹出” } } }， { $匹配： { totalPop ： { $ GTE ： 10 * 1000 * 1000 } } } ] ）在此示例中，聚合管道包括$group以下 $match阶段：

该$group阶段zipcode 按state字段将集合的文档分组，totalPop为每个状态计算字段，并为每个唯一状态输出文档。

新的按状态的文档有两个字段：_id字段和totalPop字段。该_id字段包含state; 的值；即按字段分组。该totalPop字段是包含每个州的总人口的计算字段。要计算该值，请$group使用$sum 运算符pop为每个州添加人口字段（）。

在该$group阶段之后，管道中的文档类似于以下内容：

{ “ _id” ： “ AK” ， “ totalPop” ： 550043 } 该$match阶段过滤这些分组的文档以仅输出totalPop值大于或等于1000万的那些文档。该$match阶段不会更改匹配的文档，但会输出未修改的匹配文档。

此聚合操作的等效SQL为：

SELECT 状态， SUM （pop ） AS totalPop 来自邮政编码 GROUP BY 状态 HAVING totalPop > = （10 * 1000 * 1000 ）也可以看看

$group，$match，$sum

各州返回城市平均人口数以下汇总操作返回每个州的城市平均人口：

db 。邮编。聚合（ [ {{ group ： {_ id ： { state ： “ $ state” ， city ： “ $ city” }， pop ： { $ sum ： “ $ pop” } } }， { $ group ： {_ id ： “ $ _id .state“ ， avgCityPop ： { $ avg ： ” $ pop“ } } }} ] ））在这个例子中，聚集管道由的$group阶段，接着是另一个 $group阶段：

第一$group阶段通过组的组合的文件city和state，使用$sum 表达式来计算的人口为每个组合，并且输出对于每个文档city和state组合。 [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$group阶段按_id.state字段（即文档state内部的字段_id）对管道中的文档进行分组，使用$avg表达式计算avgCityPop每个州的平均城市人口（），并输出每个州的文档。

此聚合操作产生的文档类似于以下内容：

{ “ _id” ： “ MN” ， “ avgCityPop” ： 5335 } 也可以看看

$group，$sum，$avg

按州返回最大和最小城市以下汇总操作将按人口返回每个州的最小和最大城市：

db 。邮编。聚合（ [ { $ group ： {_ id ： { state ： “ $ state” ， city ： “ $ city” }， pop ： { $ sum ： “ $ pop” } } }， { $ sort ： { pop ： 1 } } ， { $组： { _id ： “$ _id.state” ， biggestCity ： { $最后： “$ _id.city” }， greatPop ： { $ last ： “ $ pop” }， smallestCity ： { $ first ： “ $ _id.city” }， smallestPop ： { $ first ： “ $ pop” } } }，

//以下$ project是可选的， //修改输出格式。

{ $ project ： {_ id ： 0 ，州： “ $ _id” ，最大城市： { 名称： “ $ biggestCity” ，流行音乐： “ $ biggestPop” }，最小城市： { 名称： “ $ smallestCity” ，流行音乐： “ $ smallestPop” } } } ] ）在此示例中，聚合管道由一个$group阶段，一个$sort阶段，另一个$group阶段和一个$project阶段组成：

第一$group阶段通过组的组合中的文件city和state，计算sum所述的pop值对于每个组合，并且输出对于每个文档city和state组合。

在管道的此阶段，文档类似于以下内容：

{ “ _id” ： { “ state” ： “ CO” ， “ city” ： “ EDGEWATER” }， “ pop” ： 13154 } 该$sort阶段订单管道由文件pop字段值，从最小到最大; 即通过增加顺序。此操作不会更改文档。

下一$group阶段按_id.state字段（即文档state内部的字段 _id）对现在分类的文档进行分组，并为每个状态输出文档。

该阶段还将为每个状态计算以下四个字段。使用$last表达式，$group操作员创建biggestCity和biggestPop字段，用于存储人口最多的城市和该人口。使用 $first表达式，$group操作员创建smallestCity和smallestPop字段，用于存储人口最少的城市和该人口。

在管道的此阶段，这些文档类似于以下内容：

{ “ _id” ： “ WA” ， “ biggestCity” ： “ SEATTLE” ， “ biggestPop ” ： 520096 ， “ smallestCity” ： “ BENGE” ， “ smallestPop” ： 2 } 最后$project阶段重命名_id字段 state和移动biggestCity，biggestPop， smallestCity，和smallestPop成biggestCity和 smallestCity嵌入文档。

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 } } [1] 一个城市可以具有多个与之相关的邮政编码，因为该城市的不同部分可以分别具有不同的邮政编码。

用户偏好数据示例

数据模型考虑一个假设的体育俱乐部，它的数据库包含一个users跟踪用户加入日期，运动偏好的集合，并将这些数据存储在类似于以下内容的文档中：

{ _id ： “ jane” ，加入： ISODate （“ 2011-03-02” ），喜欢： [[ “高尔夫球” ， “壁球” ] } { _id ： “ joe” ，加入： ISODate （“ 2012-07-02” ），喜欢： [[ 网球] ， “高尔夫” ， “游泳” ] } 对文档进行规范化和排序以下操作以大写字母顺序返回用户名。聚合包括users集合中所有文档的用户名。您可以执行此操作以标准化用户名以进行处理。

db 。用户。骨料（ [ { $项目： { 名称：{ $ TOUPPER ：“$ _id” } ， _id ：0 } }， { $排序： { 名称： 1 } } ] ） users集合中的所有文档都通过管道，该管道包括以下操作：

该$project操作：创建一个名为的新字段name。 _id使用$toUpper运算符将的值转换为大写。然后， $project创建一个新字段，命名name 为保留该值。抑制该id字段。除非明确禁止，否则默认情况下$project将通过该_id字段。该$sort运营商的订单，结果由 name现场。聚合的结果类似于以下内容：

{ “ name” ： “ JANE” }， { “ name” ： “ JILL” }， { “ name” ： “ JOE” } 返回按加入月份排序的用户名以下聚合操作返回按其加入月份排序的用户名。这种聚合可以帮助生成成员资格更新通知。

db 。用户。骨料（ [ { $项目： { month_joined ： { $月： “$加入” }，名称： “$ _id” ， _id ： 0 } }， { $排序： { month_joined ： 1 } } ] ）管道通过users以下操作传递集合中的所有文档：

该$project操作：创建两个新字段：month_joined和name。 id从结果中抑制。除非明确禁止，否则该aggregate()方法包括_id。该$month运营商的值转换 joined领域月份的整数表示。然后， $project操作员将这些值分配给该 month_joined字段。该$sort操作通过排序的结果 month_joined字段。该操作返回类似于以下内容的结果：

{ “ month_joined” ： 1 ， “ name” ： “ ruth” }， { “ month_joined” ： 1 ， “ name” ： “ harold” }， { “ month_joined” ： 1 ， “ name” ： “ kate” } { “ month_joined “ ： 2 ， ” name“ ： ” jill“ } 返回每月的加入总数以下操作显示一年中每个月有多少人加入。您可以将这些汇总数据用于招聘和营销策略。

db 。用户。骨料（ [ { $项目： { month_joined ： { $月： “$加入” } } } ， { $组： { _id ： { month_joined ：“$ month_joined” } ，编号： { $总和： 1 } } }， { $ sort ： { “ _id.month_joined” ： 1 } } ] ）管道通过users以下操作传递集合中的所有文档：

在$project操作创建一个名为新的领域 month_joined。该$month运营商的值转换 joined领域月份的整数表示。然后， $project操作员将值分配给该 month_joined字段。该$group运营商收集与给定的所有文件month_joined的价值和次数多少文件有该值。具体来说，对于每个唯一值， $group使用两个字段创建一个新的“每月”文档： _id，其中包含带有该month_joined字段及其值的嵌套文档。 number，这是一个生成的字段。$sum 对于每个包含给定month_joined值的文档，操作员将该字段增加1 。该$sort运营商排序由创建的文档 $group根据内容 month_joined领域。此聚合操作的结果类似于以下内容：

{ “ _id” ： { “ month_joined” ： 1 }， “数字” ： 3 }， { “ _id” ： { “ month_joined” ： 2 }， “数字” ： 9 }， { “ _id” ： { “ month_joined” ： 3 }， “数字” ： 5 } 返回五个最常见的“喜欢” 以下汇总收集了数据集中前五个最“喜欢”的活动。这种类型的分析可以帮助规划和未来开发。

db 。用户。骨料（ [ { $展开： “$喜欢” }， { $组： { _id ： “$喜欢” ，编号： { $总和： 1 } } }， { $排序： { 数： - 1 } }， { $限制： 5 } ] ）管道以users集合中的所有文档开始，并通过以下操作传递这些文档：

的$unwind操作者中的每个值分隔 likes阵列，以及用于所述阵列中的每个元素创建源文档的新版本。

例

给定users集合中的以下文档：

{ _id ： “ jane” ，加入后： ISODate （“ 2011-03-02” ），喜欢： [ “ golf” ， “壁球” ] } 该$unwind运营商将创建下列文件：

{ _id ： “ jane” ，加入： ISODate （“ 2011-03-02” ），喜欢： “ golf” } { _id ： “ jane” ，加入： ISODate （“ 2011-03-02” ），喜欢： “壁球“ } 该$group运营商收集与为同一值的所有文档likes领域，并计算各分组。利用此信息，$group创建具有两个字段的新文档：

_id，其中包含likes值。 number，这是一个生成的字段。$sum 对于每个包含给定likes值的文档，操作员将该字段增加1 。该$sort运营商排序这些文件由 number以相反的顺序领域。

该$limit操作仅包括前5个结果文档。

聚合的结果类似于以下内容：

{ “ _id” ： “高尔夫球” ， “数字” ： 33 }， { “ _id” ： “壁球” ， “数字” ： 31 }， { “ _id” ： “游泳” ， “数字” ： 24 }， { “ _id“ ： ”手球“ ， ”数字“ ： 19 }， { ” _id“ ： ”网球“ ， ”数字“ ： 18 }

MongoDB的聚合管道

文章目录