第9章 MongoDB聚合管道实战（一）：$project操作符的应用与技巧

在上一篇文章【MongoDB性能提升–索引详解与实战案例】中，通过上述索引的设置与应用，我们已经看到了查询性能的显著改善。然而，在处理更加复杂的数据分析需求时，仅仅依靠索引是不够的。MongoDB的聚合框架提供了强大的工具来处理数据的汇总、过滤等操作，使我们能够在数据库层面完成数据分析工作。下文中，我们将探讨如何利用MongoDB的聚合管道来实现这样的高级功能。

知识回顾

MongoDB 的聚合管道提供了一系列强大的操作符，用于处理和分析数据。以下是一些常用的聚合阶段及其介绍：

1. $match

• 功能：过滤文档以指定条件。

• 使用场景：在数据流经过管道时，选择符合条件的文档进行后续处理。

• 示例：

  { $match: { status: "active" } }
  

2. $group

• 功能：将多个文档分组，并对每个组进行聚合操作（例如求和、计数等）。

• 使用场景：进行汇总计算，如计算总销售额、平均值等。

• 示例：

  {
    $group: {
      _id: "$customer_id",
      totalSales: { $sum: "$amount" }
    }
  }
  

3. $sort

• 功能：对文档进行排序。

• 使用场景：根据特定字段的值进行升序或降序排序。

• 示例：

  { $sort: { totalSales: -1 } } // 降序排序
  

4. $project

• 功能：选择、重命名或计算字段。

• 使用场景：输出所需的字段，进行字段的格式化或计算。

• 示例：

  {
    $project: {
      stu_name: 1,
      averageScore: { $avg: "$scores" }
    }
  }
  

5. $limit

6. $skip

7. $unwind

8. $addFields

• 功能：向文档添加新字段或更新现有字段。

• 使用场景：在管道中动态计算和添加字段。

• 示例：

  {
    $addFields: {
      totalPrice: { $multiply: ["$price", "$quantity"] }
    }
  }
  

9. $replaceRoot

• 功能：替换输入文档为指定文档。

• 使用场景：当需要将嵌套文档提升为根文档时使用。

• 示例：

  {
    $replaceRoot: { newRoot: "$details" }
  }
  

10. $facet

• 功能：进行多管道并行处理，可以在同一集合上进行不同的聚合查询。

• 使用场景：在一个聚合操作中获得多个不同的结果。

• 示例：

  {
    $facet: {
      totalSales: [{ $group: { _id: null, total: { $sum: "$amount" } }}],
      averageSales: [{ $group: { _id: null, average: { $avg: "$amount" } }}]
    }
  }
  

11. $lookup

• 功能：进行集合间的连接操作（类似 SQL 的 JOIN）。

• 使用场景：将来自其他集合的数据合并到当前文档。

• 示例：

  {
    $lookup: {
      from: "customers",
      localField: "customer_id",
      foreignField: "_id",
      as: "customerInfo"
    }
  }
  

任务描述

使用 MongoDB 的聚合管道计算每位学生的平均成绩，并找出表现最好的学生。利用聚合管道中的 $project、$sort 和 $limit 等操作符，可以方便地进行数据分析与处理，满足具体的业务需求。
假设我们有一个 student 集合，记录了学生的姓名、学号和他们在不同科目的成绩。集合中的文档结构如下：

{
  "_id": ObjectId("..."),
  "stu_no": "S0001",
  "stu_name": "张小峰",
  "scores": {
    "math": 85,
    "english": 92,
    "science": 78
  }
}

我们希望计算每位学生的平均成绩，并根据平均成绩找出前两名表现最好的学生。

任务准备

首先，我们需要插入一些示例数据：

db.students.insertMany([
  {
    stu_no: "S0001",
    stu_name: "张小峰",
    scores: { math: 85, english: 92, science: 78 }
  },
  {
    stu_no: "S0002",
    stu_name: "李小平",
    scores: { math: 78, english: 80, science: 88 }
  },
  {
    stu_no: "S0003",
    stu_name: "刘知民",
    scores: { math: 95, english: 90, science: 85 }
  },
  {
    stu_no: "S0004",
    stu_name: "黄海涛",
    scores: { math: 70, english: 75, science: 80 }
  },
  {
    stu_no: "S0005",
    stu_name: "李小苒",
    scores: { math: 60, english: 70, science: 65 }
  }
]);

任务实施

聚合管道实现

使用以下聚合管道计算学生的平均成绩，并找出前两名的表现最佳学生：

db.students.aggregate([
  {
    $project: {
      stu_no: 1,
      stu_name: 1,
      averageScore: {
        $avg: [
          "$scores.math",
          "$scores.english",
          "$scores.science"
        ]
      }
    }
  },
  {
    $sort: { averageScore: -1 } // 按平均成绩降序排序
  },
  {
    $limit: 2 // 只返回前两名
  }
]);

聚合管道分解

1. $project：

   • stu_no: 1 和 stu_name: 1：保留学生的学号和姓名。
   • averageScore：计算每位学生的平均成绩。$avg 操作符用于计算分数的平均值。

2. $sort：

   • { averageScore: -1 }：按照计算出的平均成绩进行降序排序。

3. $limit：

   • 限制结果只返回前两名表现最佳的学生。

执行结果

执行上述聚合管道后，您将获得类似如下的结果：

[  { "stu_no": "S0003", "stu_name": "刘知民", "averageScore": 90 },  { "stu_no": "S0001", "stu_name": "张小峰", "averageScore": 85 }]

这表明学生 刘知民 的平均成绩最高，达到了 90 分，其次是学生 张小峰，平均成绩为 85 分。

实验实训

使用聚合管道中的 $unwind、$group 和 $project 等操作符在处理复杂的数据时表现出色。

总结

通过以上案例，我们展示了如何使用 MongoDB 的聚合管道计算每位学生的平均成绩，并找出表现最好的学生。利用聚合管道中的 $project、$sort 和 $limit 等操作符，可以方便地进行数据分析与处理，满足具体的业务需求。这种灵活性使得 MongoDB 成为处理复杂数据分析任务的理想选择。下一篇我们继续讲解聚合管理$group应用。