mongodb - 几个数组的交集

Question

我有一些文档具有数组属性项。我想获取 n 个文档之间的截距。

db.things.insert({name:"A", items:[1,2,3,4,5]})
db.things.insert({name:"B", items:[2,4,6,8]})
db.things.insert({name:"C", items:[1,2]})
db.things.insert({name:"D", items:[5,6]})
db.things.insert({name:"E", items:[9,10]})
db.things.insert({name:"F", items:[1,5]})

数据:

{ "_id" : ObjectId("57974a0d356baff265710a1c"), "name" : "A", "items" : [ 1, 2, 3, 4, 5 ] },
{ "_id" : ObjectId("57974a0d356baff265710a1d"), "name" : "B", "items" : [ 2, 4, 6, 8 ] },
{ "_id" : ObjectId("57974a0d356baff265710a1e"), "name" : "C", "items" : [ 1, 2 ] },
{ "_id" : ObjectId("57974a0d356baff265710a1f"), "name" : "D", "items" : [ 5, 6 ] },
{ "_id" : ObjectId("57974a0d356baff265710a20"), "name" : "E", "items" : [ 9, 10 ] },
{ "_id" : ObjectId("57974a1a356baff265710a21"), "name" : "F", "items" : [ 1, 5 ] }

例如:things.mane.A 拦截 things.mane.C 拦截 things.mane.F:

[ 1, 2, 3, 4, 5 ] 拦截 [ 1, 2 ] 拦截 [ 1, 5 ]

必须是:[1]

我认为使用 $setIntersection 是可行的，但我找不到路。

我可以处理两个文档，但如何处理更多文档？

    db.things.aggregate({$match:{"name":{$in:["A", "F"]}}}, 
    {$group:{_id:null, "setA":{$first:"$items"}, "setF":{$last:"$items"} } },
    {
            "$project": { 
                "set1": 1, 
                "set2": 1, 
                "commonToBoth": { "$setIntersection": [ "$setA", "$setF" ] }, 
                "_id": 0 
            }
        }
    )

{ "commonToBoth" : [ 5, 1 ] }

Answer 1

不特定于输入项数量的解决方案可能如下所示:

db.things.aggregate(
    {
        $match: {
            "name": {
                $in: ["A", "F"]
            }
        }
    },
    {
        $group: {
            _id: "$items",
            count: {
                $sum: 1
            }
        }
    },
    { 
        $group: { 
            _id: null,
            totalCount: {
                $sum: "$count"
            },
            items: {
                $push: "$_id"
            }
        }
    },
    {
        $unwind: {
            path: "$items"
        }
    },
    { 
        $unwind: {
            path: "$items"
        }
    },
    { 
        $group: {
            _id: "$items",
            totalCount: {
                $first: "$totalCount"
            },            
            count: { 
                $sum: 1
            }
        }
    },
    {
        $project: {
            _id: 1,
            presentInAllDocs: {
                $eq: ["$totalCount", "$count"]
            }
        }
    },
    {
        $match: {
            presentInAllDocs: true
        }
    },
    {
        $group: {
            _id: null,
            items: {
                $push: "$_id"
            }
        }
    }
)

这将输出这个

{
    "_id" : null,
    "items" : [ 
        5, 
        1
    ]
}

当然，您可以添加最后一个 $project 阶段，使结果达到所需的形状。

---

解释

这背后的基本思想是，当我们计算文档的数量并计算每个项目的出现次数时，计数等于文档总计数的项目出现在每个文档中，因此在交集中结果。
这个想法有一个重要的假设:您的 items 数组中没有重复项(即它们是集合)。如果这个假设是错误的，那么您将不得不在管道的开头插入一个额外的阶段，以将数组转换为集合。
人们也可以用一种不同的、可能更短的方式构建这个管道，但我尽量保持资源使用率尽可能低，因此添加了可能不必要的(从功能的角度来看)阶段。例如，第二阶段按 items 数组分组，因为我的假设是不同的值/数组比文档少得多，因此管道的其余部分必须使用初始文档计数的一小部分.然而，从功能的角度来看，我们只需要文档的总数，因此我们可以跳过那个阶段，只做一个 $group 阶段来计算所有文档并将它们放入一个数组中以备后用- 这当然对内存消耗有很大的影响，因为我们现在有一个包含所有可能文档的数组。