关于MongoDB的group用法

之前在看Mongo的书时，看到了聚合这章。其中谈到了group这个功能，其实正如书中所说，MongoDB中的group和SQL中的group by是很相似的，但我自我分析，可能由于Mongo中的group的使用形式不同，而且使用的是js语法，所以导致咋一看上去不明白这个group怎么用。下面通过具体的一个例子来详细说明Mongo的group用法。

我们平常所用的博客，每天会有很多人发博客，每篇文章中都有多个标签，现在要找出每天最热点的标签。首先，我们可以按天分组，将每天每一标签的计数给统计出来。

我们可以简单地假设集合中文档的结构如下：

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

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

…

Mongo代码如下：

>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;

…              }

…     }

… }

})

现在我们来逐行分析上述的代码意思。

“key” : {“day” : true}

“key”表示集合数据分组的依据。这里我们指定了“day”键，那么会根据集合文档中的发布博客时间来进行分组。那有人会问，那个“true”有什么意义？如果指定了{“day” : true}，那么在分组的结果中就会显示每组“day”的键值。

“initial” : {“tags” : {}}

这个大家可能会迷惑，initial是初始化的意思，分组为什么还要初始化呢？SQL好像也没有类似的概念啊。这个就是两者不同的地方了。这里是为了初始化累加器的键值，我们可以把这个所谓的“累加器”当作一个文档，这个文档中存放是的在分组过程中收集、计算出的信息，不一定是集合文档中的原信息，这里需要注意。“tags”表示每个分组中第一个文档对应调用“$reduce”指定函数时的参数初始化，后续该分组的文档对应调用“$reduce”指定函数时，会不断“累加”，保留住每次对“tags”所做的更新结果。有人可能不理解上面一句在讲什么，可以结合下面的解释来理解。

“$reduce” : function(doc, prev) { … }

看到这里可能有些人就彻底崩溃了，我也是，不就分个组吗，怎么把函数都整出来，还是js的。其实我们可以把这里的函数理解为分组过程，在分组的过程中，我们又人为地添加了一些操作，比如信息收集、汇总、统计等等。“doc”代表分组过程中的每一个集合中的文档，而“prev”则代表“累加器文档”的累加状态，当一个分组的组员划分完毕时，这个“prev”文档中的键值对的最终状态就是我们想要的结果。这里需要注意函数体中的“prev.tags”和“doc.tags”是不同的，不信我们可以看结果。

按照上面的代码分类后得到的结果如下所示：

{“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}}

看出不同了吗？上面的结果中，“tags”键的值是一个内嵌文档，而这对应的就是“pre.tags”。“doc.tags”表示的原集合文档中“tags”键的多值数组。

我们要找的是每天最热门的标签，显然我们上面的结果还有些多余的信息，那么就让我们使用“finalize”键来进行精简吧，还是先看代码。

>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”附带的函数，在每个分组结果传递到客户端之前会被调用一次，从而可以对分组结果进行“修剪”。从上面我们可以看出，原先结果中的“tags”键值给删去了，加上了一个“tag”键值，所以最终的结果如下：

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

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

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

在举个例子，本来我在刚看过上面的那段代码后，想在自己写的示例系统——用户管理系统中，用PHP结合group功能实现用户的爱好分类统计，但由于刚开始我也一直处于迷糊状态，所以一直没想出解决办法，今天通过仔细阅读PHP开发手册的例子，终于实现了这一功能。下面是用户集合中的文档结构：

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

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

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

…

那么如何用group方法来统计出喜爱篮球的有多少人，喜爱足球的有多少人等信息呢？现在我就用Mongo——PHP驱动提供的API来实现group的功能。有兴趣的人可以根据下面的代码简练出Mongo语法的代码。

/*

     * 统计爱好分类信息

     */

    public function groupByInterest()

    {

       $key = array();   //$key没有指定分组依据，那么所有文档认为属于同一组

       $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'];

    }

注意上面代码中的“$key = array();”，我没有指定分组依据的键名，有人会问，这样不会错吗？答案是不会的。当我们没有指定分组依据的键名时，那么集合中所有文档被认为属于同一组。我之所以这么说是我从分组结果中分析出来的，但PHP开发手册上的例子说的是如果在这种情况下，集合中的文档是各自独立成为一组的，但我坚持自己的说法，因为我看得到的结果是这样的，如果有哪位朋友可以给个确切说明的话，欢迎指正。