比方说,我有一个蒙戈集合类似以下内容:查找字符串中的领域最常用的词在整个集合
[
{ "foo": "bar baz boo" },
{ "foo": "bar baz" },
{ "foo": "boo baz" }
]
是否有可能以确定哪些词最常出现的foo
领域内(最好与计数)?
举例来说,我很乐意设置类似的结果:
[
{ "baz" : 3 },
{ "boo" : 2 },
{ "bar" : 2 }
]
比方说,我有一个蒙戈集合类似以下内容:查找字符串中的领域最常用的词在整个集合
[
{ "foo": "bar baz boo" },
{ "foo": "bar baz" },
{ "foo": "boo baz" }
]
是否有可能以确定哪些词最常出现的foo
领域内(最好与计数)?
举例来说,我很乐意设置类似的结果:
[
{ "baz" : 3 },
{ "boo" : 2 },
{ "bar" : 2 }
]
有最近关闭的JIRA issue约$split
运营商在聚合框架的$project
阶段使用。
由于在地方,你可以创建这样
db.yourColl.aggregate([
{
$project: {
words: { $split: ["$foo", " "] }
}
},
{
$unwind: {
path: "$words"
}
},
{
$group: {
_id: "$words",
count: { $sum: 1 }
}
}
])
结果的管道看起来像这样
/* 1 */
{
"_id" : "baz",
"count" : 3.0
}
/* 2 */
{
"_id" : "boo",
"count" : 2.0
}
/* 3 */
{
"_id" : "bar",
"count" : 2.0
}
使用$split
运营商分割你的字符串中的MongoDB 3.4做到这一点的最佳途径如here所提到的子串的数组,并且因为我们需要在管线中向下排列数组,所以我们需要使用$facet
运算符在子管道中执行此操作以获得最大效率。
db.collection.aggregate([
{ "$facet": {
"results": [
{ "$project": {
"values": { "$split": [ "$foo", " " ] }
}},
{ "$unwind": "$values" },
{ "$group": {
"_id": "$values",
"count": { "$sum": 1 }
}}
]
}}
])
其产生:
{
"results" : [
{
"_id" : "boo",
"count" : 2
},
{
"_id" : "baz",
"count" : 3
},
{
"_id" : "bar",
"count" : 2
}
]
}
从MongoDB的3.2向后,要做到这一点的唯一方法是使用mapReduce
。
var reduceFunction = function(key, value) {
var results = {};
for (var items of Array.concat(value)) {
for (var item of items) {
results[item] = results[item] ? results[item] + 1 : 1;
}
};
return results;
}
db.collection.mapReduce(
function() { emit(null, this.foo.split(" ")); },
reduceFunction,
{ "out": { "inline": 1 } }
)
返回:
{
"results" : [
{
"_id" : null,
"value" : {
"bar" : 2,
"baz" : 3,
"boo" : 2
}
}
],
"timeMillis" : 30,
"counts" : {
"input" : 3,
"emit" : 3,
"reduce" : 1,
"output" : 1
},
"ok" : 1
}
你应该考虑使用在一个.forEach()
方法减少功能,如果您的MongoDB的版本不支持的for...of
声明。
这看起来非常完美,谢谢。我会尽快将其付诸实施,并按照接受按钮按预期工作。 – user1381745
刚刚使用3.3.10版本进行了测试并正常工作:) – DAXaholic
@DAXholic我该如何处理相同的问题,但它是包含其他分隔符(如逗号)的文章?谢谢 – galgo