Aggregation

聚合（aggregate）指令可以操作一個(gè)集合中的文檔，將統(tǒng)計(jì)或處理部分的域， 再經(jīng)過加工后返回到客戶端，這些工作都是在服務(wù)器端完成的。如果是使用pipeline，通常就是按順序?qū)⒄麄€(gè)集合傳進(jìn)去，然后進(jìn)行加工處理，但是可以通過一些操作符在傳遞整個(gè)集合之前進(jìn)行篩選。pipline還可以得到index的支持。

Aggregation Pipeline 管道

Pipline Optimization 優(yōu)化操作

在執(zhí)行聚合的時(shí)候，其中有一個(gè)優(yōu)化的階段，通常就是通過調(diào)整操作符之間的相對順序來達(dá)到優(yōu)化的目的，比如下面這些典型的例子。

當(dāng)在aggregate時(shí)使用了$sort + $match 的時(shí)候，match在sort之前可能會(huì)減少一些集合的排序工作：
{ $match: { status: 'A' } },{ $sort: { age : -1 } }

當(dāng)在aggregate時(shí)使用了$skip + $limit的時(shí)候，limit在skip之前可能會(huì)減少一些工作量?？紤]如下的順序：
{ $skip: 10 },{ $limit: 5 }
先忽略了前10個(gè)，再取出5個(gè)。在執(zhí)行skip操作的時(shí)候，被操作的是被選中的所有文檔，最終我們才要了其中的5個(gè)。再考慮如下的順序：
{ $limit: 15 },{ $skip: 10 }
先限制返回的文檔最多只有15個(gè)，然后再操作這15個(gè)文檔，進(jìn)行skip。相對來說，比上面的方式要快了。

優(yōu)化器還會(huì)執(zhí)行一些相對比較復(fù)雜的優(yōu)化操作。舉個(gè)例子，考慮如下的操作順序：
{ $redact: { $cond: { if: { $eq: [ "$level", 5 ] }, then: "$$PRUNE", else: "$$DESCEND" } } }, { $match: { year: 2014, category: { $ne: "Z" } } }
先進(jìn)行編輯，再進(jìn)行匹配。這兩個(gè)操作似乎是有依賴的，因?yàn)榫庉嬃酥罂赡軙?huì)有一些field值的變動(dòng)，會(huì)影響后面match的結(jié)果。為了優(yōu)化操作，可以先執(zhí)行一部分的匹配，減少選中的文檔，再進(jìn)行redact操作就可以減少了一些的時(shí)間啦。所以，優(yōu)化之后的樣子可能是這樣的：
{ $match: { year: 2014 } }, { $redact: { $cond: { if: { $eq: [ "$level", 5 ] }, then: "$$PRUNE", else: "$$DESCEND" } } }, { $match: { year: 2014, category: { $ne: "Z" } } }

Pipeline Limits 操作限制

自2.6開始，aggregate命令就可以返回一個(gè)cursor或者將結(jié)果存儲(chǔ)于一個(gè)集合中。每個(gè)文檔的大小是符合BSON大小限制的（16MB），若超過了這個(gè)限制就會(huì)產(chǎn)生error。這個(gè)限制僅針對于返回的文檔，而pipeline執(zhí)行的過程中可能會(huì)超過這個(gè)限制。

如果沒有指定要返回一個(gè)cursor或者是將結(jié)果存儲(chǔ)于一個(gè)集合中，那么MongoDB默認(rèn)返回一個(gè)包含結(jié)果的文檔，此時(shí)如果超出BSON大小限制的話就會(huì)產(chǎn)生錯(cuò)誤。

pipeline stage（翻譯為階段？）的內(nèi)存限制是100MB，一旦超過限制就會(huì)出錯(cuò)。那要是文件比較大呢？可以考慮allowDiskUse選項(xiàng)，它會(huì)在必要時(shí)將臨時(shí)數(shù)據(jù)存儲(chǔ)到磁盤中去。

Map-Reduce 函數(shù)支持

mapreduce提供了一些aggregation pipline不支持的操作，使用起來更加靈活。它的樣子就跟一個(gè)函數(shù)一樣，返回的是文檔集合。
mapreduce操作可以將操作結(jié)果寫進(jìn)集合中或者僅僅返回結(jié)果，操作過程中可以執(zhí)行一連續(xù)的map、reduce等操作，對上一次的輸出進(jìn)行輸入。

Map-Reduce exampes 例子

假設(shè)有一個(gè)orders集合，每個(gè)文檔表示一個(gè)訂單，文檔大致如下所示：

{
     _id: ObjectId("50a8240b927d5d8b5891743c"),
     cust_id: "abc123",
     ord_date: new Date("Oct 04, 2012"),
     status: 'A',
     price: 25,
     items: [ { sku: "mmm", qty: 5, price: 2.5 },
              { sku: "nnn", qty: 5, price: 2.5 } ]
}

現(xiàn)在要查詢每個(gè)用戶一共支付了多少錢，這需要對每個(gè)訂單根據(jù)用戶id進(jìn)行分類，再對其中的price域，進(jìn)行求和