使用 Zip Code 数据集进行聚合

在本页面

• 数据模型 Data Model

• aggregate()方法

• 返回人口超过 1000 万的国家

• 按 State 返回平均城市人口

• 按 State 返回最大和最小城市

本文档中的示例使用zipcodes集合。该系列可在以下网址获得：media.mongodb.org/zips.json。使用mongoimport将此数据集加载到mongod实例中。

数据模型

zipcodes集合中的每个文档都具有以下形式：

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

• _id字段将 zip code 保存为 string。

• city字段包含 city name。一个城市可以有多个与之关联的 zip code，因为城市的不同部分可以各自具有不同的 zip code。

• state字段包含两个字母 state 缩写。

• pop字段包含人口。

• loc字段将位置保存为纬度经度对。

aggregate()方法

以下所有示例都使用mongo shell 中的aggregate()帮助程序。

aggregate()方法使用聚合管道将文档处理为聚合结果。 聚合管道由多个阶段组成，每个阶段在文档沿着管道传递时都会对其进行处理。文档按顺序通过各个阶段。

mongo shell 中的aggregate()方法在聚合数据库命令提供了一个包装器。有关用于数据聚合操作的更惯用的界面，请参阅驱动的文档。

返回人口超过 1000 万的国家

以下聚合操作将返回总人口超过 1000 万的所有州：

db.zipcodes.aggregate( [
    { $group: { _id: “$state“, totalPop: { $sum: “$pop“ } } },
    { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

在此 example 中，聚合管道包含$group阶段，后跟$match阶段：

• 阶段按state字段对zipcode集合的文档进行分组，为每个 state 计算totalPop字段，并为每个唯一的 state 输出文档。

  新的 per-state 文档有两个字段：_id字段和totalPop字段。 _id字段包含state的 value即： group by field。 totalPop字段是一个计算字段，包含每个 state 的总人口。要计算 value，$group使用$sum operator 为每个 state 添加填充字段(pop)。

  在$group阶段之后，管道中的文档类似于以下内容：

  {
      “_id“ : “AK“,
      “totalPop“ : 550043
  }

• $match阶段过滤这些分组文档，仅输出totalPop value 大于或等于 1000 万的文档。 $match阶段不会更改匹配的文档，但会不加修改地输出匹配的文档。

此聚合操作的等效SQL是：

SELECT state, SUM(pop) AS totalPop
    FROM zipcodes
    GROUP BY state
    HAVING totalPop >= (10*1000*1000)

[success] 也可以看看

$group，$match，$sum

按 State 返回平均城市人口

以下聚合操作返回每个 state 中城市的平均人口数：

db.zipcodes.aggregate( [
    { $group: { _id: { state: “$state“, city: “$city“ }, pop: { $sum: “$pop“ } } },
    { $group: { _id: “$_id.state“, avgCityPop: { $avg: “$pop“ } } }
] )

在这个 example 中，聚合管道包含$group阶段，后跟另一个$group阶段：

• 第一个阶段通过city和state的组合对文档进行分组，使用$sum表达式计算每个组合的总体，并为每个city和state组合输出一个文档。 [1]

  在管道中的这个阶段之后，文档类似于以下内容：

  {
      “_id“ : {
          “state“ : “CO“,
          “city“ : “EDGEWATER“
      },
      “pop“ : 13154
  }

• 第二个$group阶段通过_id.state字段(i.e._id文档中的state字段)对管道中的文档进行分组，使用$avg表达式计算每个 state 的平均城市人口(avgCityPop)，并为每个 state 输出一个文档。

此聚合操作产生的文档类似于以下内容：

{
    “_id“ : “MN“,
    “avgCityPop“ : 5335
}

[success] 也可以看看

$group，$sum，$avg

按 State 返回最大和最小城市

以下聚合操作按每个 state 的填充返回最小和最大的城市：

db.zipcodes.aggregate( [
    { 
        $group:{
            _id: { state: “$state“, city: “$city“ },
            pop: { $sum: “$pop“ }
        }
    },
    { $sort: { pop: 1 } },
    { 
        $group:{
            _id : “$_id.state“,
            biggestCity:  { $last: “$_id.city“ },
            biggestPop:   { $last: “$pop“ },
            smallestCity: { $first: “$_id.city“ },
            smallestPop:  { $first: “$pop“ }
        }
    },
    // the following $project is optional, and
    // modifies the output format.
    { 
        $project:{ 
            _id: 0,
            state: “$_id“,
            biggestCity:  { name: “$biggestCity“,  pop: “$biggestPop“ },
            smallestCity: { name: “$smallestCity“, pop: “$smallestPop“ }
        }
    }
] )

在此 example 中，聚合管道包含$group阶段，$sort阶段，另一个$group阶段和$project阶段：

• 第一个$group阶段通过city和state的组合对文档进行分组，计算每个组合的pop值的和，并为每个city和state组合输出一个文档。

  在管道的这个阶段，文档类似于以下内容：

  {
      “_id“ : {
          “state“ : “CO“,
          “city“ : “EDGEWATER“
      },
      “pop“ : 13154
  }

• $sort阶段通过pop field value 对管道中的文档进行排序，从最小到最大; 即：通过增加 order。此操作不会更改文档。
• 下一个$group阶段按_id.state字段(即：_id文档中的state字段)对 now-sorted 文档进行分组，并为每个 state 输出一个文档。

  该阶段还为每个 state 计算以下四个字段。使用$last表达式，$group operator 创建biggestCity和biggestPop字段，用于存储人口和人口最多的城市。使用$first表达式，$group operator 创建smallestCity和smallestPop字段，用于存储人口和人口最少的城市。

  在管道的这个阶段，文件类似于以下内容：

  {
      “_id“ : “WA“,
      “biggestCity“ : “SEATTLE“,
      “biggestPop“ : 520096,
      “smallestCity“ : “BENGE“,
      “smallestPop“ : 2
  }

• 最后的$project阶段将_id字段重命名为state，并将biggestCity，biggestPop，smallestCity和smallestPop移动到biggestCity和smallestCity嵌入文档中。

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]	一个城市可以有多个与之关联的 zip code，因为城市的不同部分可以各自具有不同的 zip code。

译者：李冠飞

校对：李冠飞