關於MongoDB的group用法

之前在看Mongo的書時，看到了聚合這章。其中談到了group這個功能，其實正如書中所說，MongoDB中的group和SQL中的group by是很相似的，但我自我分析，可能由於Mongo中的group的使用形式不同，而且使用的是js語法，所以導致咋一看上去不明白這個group怎么用。下面通過具體的一個例子來詳細說明Mongo的group用法。

我們平常所用的博客，每天會有很多人發博客，每篇文章中都有多個標簽，現在要找出每天最熱點的標簽。首先，我們可以按天分組，將每天每一標簽的計數給統計出來。

我們可以簡單地假設集合中文檔的結構如下：

{“title” : “java sun”, “author” : “jk”, “day” : “2012-12-14”, “tags” : [“java”, “nosql”, “spring”]}

{“title” : “SSH2的整合”, “author” : “cj”, “day” : “2012-5-10”, “tags” : [“struts2”, “hibernate”, “spring”]}

{“title” : “C#的高級用法”, “author” : “zt”, “day” : “2012-4-3”, “tags” : [“C#”, “SQL”]}

{“title” : “PHP Mongo”, “author” : “lx”, “day” : “2012-12-14”, “tags” : [“PHP”, “nosql”, “mongo”]}

…

Mongo代碼如下：

>db.posts.group({

… “key” : {“day” : true},

… “initial” : {“tags” : {}},

… “$reduce” : function (doc, prev) {

…     for (i in doc.tags) {

…              if (doc.tags[i] in prev.tags) {

…                       prev.tags[doc.tags[i]]++;

…              }

…              else

…              {

…                       prev.tags[doc.tags[i]] = 1;

…              }

…     }

… }

})

現在我們來逐行分析上述的代碼意思。

“key” : {“day” : true}

“key”表示集合數據分組的依據。這里我們指定了“day”鍵，那么會根據集合文檔中的發布博客時間來進行分組。那有人會問，那個“true”有什么意義？如果指定了{“day” : true}，那么在分組的結果中就會顯示每組“day”的鍵值。

“initial” : {“tags” : {}}

這個大家可能會迷惑，initial是初始化的意思，分組為什么還要初始化呢？SQL好像也沒有類似的概念啊。這個就是兩者不同的地方了。這里是為了初始化累加器的鍵值，我們可以把這個所謂的“累加器”當作一個文檔，這個文檔中存放是的在分組過程中收集、計算出的信息，不一定是集合文檔中的原信息，這里需要注意。“tags”表示每個分組中第一個文檔對應調用“$reduce”指定函數時的參數初始化，后續該分組的文檔對應調用“$reduce”指定函數時，會不斷“累加”，保留住每次對“tags”所做的更新結果。有人可能不理解上面一句在講什么，可以結合下面的解釋來理解。

“$reduce” : function(doc, prev) { … }

看到這里可能有些人就徹底崩潰了，我也是，不就分個組嗎，怎么把函數都整出來，還是js的。其實我們可以把這里的函數理解為分組過程，在分組的過程中，我們又人為地添加了一些操作，比如信息收集、匯總、統計等等。“doc”代表分組過程中的每一個集合中的文檔，而“prev”則代表“累加器文檔”的累加狀態，當一個分組的組員划分完畢時，這個“prev”文檔中的鍵值對的最終狀態就是我們想要的結果。這里需要注意函數體中的“prev.tags”和“doc.tags”是不同的，不信我們可以看結果。

按照上面的代碼分類后得到的結果如下所示：

{“day” : “2012-12-14”, “tags” : {“java” : 1, “nosql” : 2, “spring” : 1, “mongo” : 1}}

{“day” : “2012-5-10”, “tags” : {“struts2” : 1, “hibernate” : 1, “spring” : 1}}

{“day” : “2012-4-3”, “tags” : {“C#” : 1, “SQL” : 1}}

看出不同了嗎？上面的結果中，“tags”鍵的值是一個內嵌文檔，而這對應的就是“pre.tags”。“doc.tags”表示的原集合文檔中“tags”鍵的多值數組。

我們要找的是每天最熱門的標簽，顯然我們上面的結果還有些多余的信息，那么就讓我們使用“finalize”鍵來進行精簡吧，還是先看代碼。

>db.posts.group({

… “key” : {“day” : true},

… “initial” : {“tags” : {}},

… “$reduce” : function (doc, prev) {

…     for (i in doc.tags) {

…              if (doc.tags[i] in prev.tags) {

…                       prev.tags[doc.tags[i]]++;

…              }

…              else

…              {

…                       prev.tags[doc.tags[i]] = 1;

…              }

…     }

… },

… “finalize” : function (prev) {

…     var mostPopular = 0;

…     for (i in prev.tags) {

…              if (prev.tags[i] > mostPopular) {

…                       prev.tag = i;

…                       mostPopular = prev.tags[i];

…              }

…     }

…     delete prev.tags;

… }

})

“finalize”附帶的函數，在每個分組結果傳遞到客戶端之前會被調用一次，從而可以對分組結果進行“修剪”。從上面我們可以看出，原先結果中的“tags”鍵值給刪去了，加上了一個“tag”鍵值，所以最終的結果如下：

{“day” : “2012-12-14”, “tag” : { “nosql”}

{“day” : “2012-5-10”, “tags” : {“struts2” : 1}}

{“day” : “2012-4-3”, “tags” : {“C#” : 1}}

在舉個例子，本來我在剛看過上面的那段代碼后，想在自己寫的示例系統——用戶管理系統中，用PHP結合group功能實現用戶的愛好分類統計，但由於剛開始我也一直處於迷糊狀態，所以一直沒想出解決辦法，今天通過仔細閱讀PHP開發手冊的例子，終於實現了這一功能。下面是用戶集合中的文檔結構：

{ "_id" : ObjectId("50f0c0ca323365ec0c000006"), "username" : "大胖", "age" : 23, "birthday" : ISODate("1989-10-29T16:00:00Z"), "interest" : [ "籃球", "足球", "乒乓球", "高爾夫球" ] }

{ "_id" : ObjectId("50f35b6f323365f00c000001"), "username" : "六福", "age" : 24, "birthday" : ISODate("1988-05-05T15:00:00Z"), "interest" : [ "乒乓球", "籃球" ] }

{ "_id" : ObjectId("50f37257323365ec0c000000"), "username" : "七喜", "age" : 30, "birthday" : ISODate("1984-09-30T16:00:00Z"), "interest" : [ "足球", "橄欖球" ] }

…

那么如何用group方法來統計出喜愛籃球的有多少人，喜愛足球的有多少人等信息呢？現在我就用Mongo——PHP驅動提供的API來實現group的功能。有興趣的人可以根據下面的代碼簡練出Mongo語法的代碼。

/*

     * 統計愛好分類信息

     */

    public function groupByInterest()

    {

       $key = array();   //$key沒有指定分組依據，那么所有文檔認為屬於同一組

       $initial = array('interests' => array());

       $reduce = 'function(obj, prev) {

           for (i in obj.interest)

           {

              if (obj.interest[i] in prev.interests)

              {

                  prev.interests[obj.interest[i]]++;

              }

              else

              {

                  prev.interests[obj.interest[i]] = 1;

              }

           }

       }';

       $g = $this->users->group($key, $initial, $reduce);

       return $g['retval'];

    }

注意上面代碼中的“$key = array();”，我沒有指定分組依據的鍵名，有人會問，這樣不會錯嗎？答案是不會的。當我們沒有指定分組依據的鍵名時，那么集合中所有文檔被認為屬於同一組。我之所以這么說是我從分組結果中分析出來的，但PHP開發手冊上的例子說的是如果在這種情況下，集合中的文檔是各自獨立成為一組的，但我堅持自己的說法，因為我看得到的結果是這樣的，如果有哪位朋友可以給個確切說明的話，歡迎指正。