mongodb - 如何在 Mongo 聚合中合并文档中的数组字段

Question

我有一个要求，我需要对两条记录进行聚合，这两条记录都有一个具有不同值的数组字段。我需要的是，当我对这些记录进行聚合时，结果应该有一个数组，其中包含来自两个不同数组的唯一值。这是示例:

第一条记录

 { Host:"abc.com" ArtId:"123", tags:[ "tag1", "tag2" ] }

第二次记录

{ Host:"abc.com" ArtId:"123", tags:[ "tag2", "tag3" ] }

在主机和 artid 上聚合后，我需要这样的结果:

 { Host: "abc.com", ArtId: "123", count :"2", tags:[ "tag1", "tag2", "tag3" ]}

我在 group 语句中尝试了 $addToset 但它给了我这样的标签:[["tag1","tag2"],["tag2","tag3"]]

您能帮我如何在聚合中实现这一目标

Answer 1

TLDR;

现代版本应使用 $reduce与 $setUnion在最初的 $group 之后如图:

db.collection.aggregate([
  { "$group": {
    "_id": { "Host": "$Host", "ArtId": "$ArtId" },
    "count": { "$sum": 1 },
    "tags": { "$addToSet": "$tags" }
  }},
  { "$addFields": {
    "tags": {
      "$reduce": {
        "input": "$tags",
        "initialValue": [],
        "in": { "$setUnion": [ "$$value", "$$this" ] }
      }
    }
  }}
])

---

您找到 $addToSet 是对的运算符，但在处理数组中的内容时，您通常需要使用 $unwind 进行处理第一的。这将数组条目“反规范化”，并实质上制作父文档的“副本”，其中每个数组条目作为字段中的奇异值。这就是您需要避免在不使用它的情况下看到的行为。

虽然您的“计数”提出了一个有趣的问题，但通过在初始 $group 之后使用“双重展开”很容易解决。操作:

db.collection.aggregate([
    // Group on the compound key and get the occurrences first
    { "$group": {
        "_id": { "Host": "$Host", "ArtId": "$ArtId" },
        "tcount": { "$sum": 1 },
        "ttags": { "$push": "$tags" }
    }},

    // Unwind twice because "ttags" is now an array of arrays
    { "$unwind": "$ttags" },
    { "$unwind": "$ttags" },

    // Now use $addToSet to get the distinct values        
    { "$group": {
        "_id": "$_id",
        "tcount": { "$first": "$tcount" },
        "tags": { "$addToSet": "$ttags" }
    }},

    // Optionally $project to get the fields out of the _id key
    { "$project": {
        "_id": 0,
        "Host": "$_id.Host",
        "ArtId": "$_id.ArtId",
        "count": "$tcount",
        "tags": "$ttags"
    }}
])

最后一点是 $project也在那里，因为我在聚合管道的其他阶段为每个字段使用了“临时”名称。这是因为 $project 中有一个优化。即“复制”现有阶段中的字段，按照它们已经出现的顺序“在”任何"new"字段添加到文档中之前。

否则输出将如下所示:

{  "count":2 , "tags":[ "tag1", "tag2", "tag3" ], "Host": "abc.com", "ArtId": "123" }

字段的顺序与您想象的不同。确实微不足道，但对某些人来说很重要，因此值得解释为什么以及如何处理。

所以$unwind所做的工作是保持项目分开而不是在数组中，并执行 $group首先允许您获取“分组”键出现的“计数”。

$first运算符稍后使用“保留”该“计数”值，因为它只是为“标签”数组中存在的每个值“重复”。无论如何，这都是相同的值，所以没关系。随便挑一个。