淺嘗輒止MongoDB：高階查詢
目錄
一、全文檢索
1. 建立索引
MongoDB一個集合上只能建立一個文字索引。
建立文字索引：在集合texttest上的body鍵上建立文字索引。
db.texttest.createIndex( { body : "text" } );指定索引的預設語言：
db.texttest.createIndex( { body : "text" }, { default_language : "french" } );在多種語言上建立索引：同一集合中存在多種語言，需要有一個欄位標記每個文件的語言，如下面的四個文件中的lingvo欄位標識其語言。
{ _id : 1, content : "cheese", lingvo : "english" }
{ _id : 2, content : "fromage", lingvo: "french" }
{ _id : 3, content : "queso", lingvo: "spanish" }
{ _id : 4, content : "ost", lingvo: "swedish" }使用文件中給定的語言建立索引：
db.textExample.createIndex( { content : "text" }, { language_override : "lingvo" } );
建立符合索引：同時索引content和comments欄位，可以在這兩個欄位上進行文字搜尋。
db.textExample.createIndex( { content : "text", comments : "text" });使用萬用字元：在全部欄位上建立索引，並命名索引。
db.textExample.createIndex( { "$**": "text" }, { name: "alltextindex" } );指定權重：指定content的權重是10，comments權重是5，其它欄位的權重為1。
db.textExample.createIndex( { content : "text", comments : "text"}, { weights : { content: 10, comments: 5, } } );
同時建立文字和非文字的複合索引：content上建立文字索引，username上建立普通索引。
db.textExample.createIndex( { content : "text", username : 1 });2. 執行搜尋
文字搜尋：以fish為詞根進行搜尋，返回body中匹配fish字串的文件。
db.texttest.find({ $text : { $search :"fish" } });過濾結果：在文字匹配的文件中過濾出about鍵值為food的結果。
db.texttest.find({ $text : { $search : "fish" }, about : "food" });複雜搜尋：返回文件中body鍵匹配cook，但不匹配lunch的body值。先搜尋所有匹配條件的資料，再刪除不匹配的資料。
db.texttest.find({ $text : { $search : "cook -lunch" } }, {_id:0, body:1});字面搜尋：返回body鍵匹配整個字串mongodb text search，而不是匹配mongodb、text、search這三個單詞的文件。
db.texttest.find({ $text : { search : "\"mongodb text search\"" } });限制返回的文件數：返回1條。
db.texttest.find({ $text : { $search :"fish" }}).limit(1);顯示指定元素：只顯示body。
db.texttest.find({ $text : { $search :"fish"}}, { _id : 0, body : 1 });指定文字搜尋使用的語言：全小寫方式指定。
db.texttest.find({ $text : { $search :"fish", $language : " french" } });利用文字與非文字的複合索引優化查詢：
db.texttest.createIndex( { about : 1, body : "text" });
db.texttest.find({ $text : { $search : "fish"}, about : "food"}).explain("executionStats").executionStats;二、聚合
db.collection.aggregate( { $group : { _id : "$color" } } );類比SQL：
select distinct color from collection;
-- 或
select color from collection group by color;db.collection.aggregate({ $group : { _id : "$color", count : { $sum : 1 } } });類比SQL：
select color, count(1) count from collection group by color;db.collection.aggregate({ $group : { _id : { color: "$color", transport: "$transport"} , count : { $sum : 1 } } });類比SQL：
select color transport, count(1)
from collection
group by color, transport;db.collection.aggregate(
[
{ $group : { _id : { color: "$color", transport: "$transport"} , count : { $sum : 1 } } },
{ $limit : 5 }
]);類比SQL：
select color, transport, count(1)
from collection
group by color, transport
limit 5;db.collection.aggregate(
[
{ $match : { num : { $gt : 500 } } },
{ $group : { _id : { color: "$color", transport: "$transport"} , count : { $sum : 1 } } },
{ $limit : 5 }
]);類比SQL：
select color, transport, count(1)
from collection
where num > 500
group by color, transport
limit 5;db.collection.aggregate(
[
{ $group : { _id : { color: "$color", transport: "$transport"} , count : { $sum : 1 } } },
{ $sort : { _id :1 } },
{ $limit : 5 }
]);類比SQL：
select color, transport, count(1)
from collection
group by color, transport
order by color, transport
limit 5;db.collection.aggregate(
[
{ $match : { num : { $gt : 500 } } },
{ $group : { _id : { color: "$color", transport: "$transport"} , count : { $sum : 1 } } },
{ $sort : { _id :1 } },
{ $limit : 1 }
]);類比SQL：
select color, transport, count(1)
from collection
where num > 500
group by color, transport
order by color, transport
limit 1;db.collection.aggregate( { $unwind : "$vegetables" });類比SQL：
select collection.*, substring_index(substring_index(vegetables, ',', id),',' ,-1) vegetables
from collection, nums -- nums為只有id一列的數字輔助表
where id <= length(vegetables)-length(replace(vegetables,',',''))+1;db.collection.aggregate(
[
{ $unwind : "$vegetables" },
{ $project : { _id: 0, fruits:1, vegetables:1 } }
]);類比SQL：
select fruits, substring_index(substring_index(vegetables, ',', id),',' ,-1) vegetables
from collection, nums -- nums為只有id一列的數字輔助表
where id <= length(vegetables)-length(replace(vegetables,',',''))+1;db.collection.aggregate(
[
{ $unwind : "$vegetables" },
{ $project : { _id: 0, fruits:1, veggies: "$vegetables" } }
]);類比SQL：
select fruits, substring_index(substring_index(vegetables, ',', id),',' ,-1) veggies
from collection, nums -- nums為只有id一列的數字輔助表
where id <= length(vegetables)-length(replace(vegetables,',',''))+1;db.collection.aggregate(
[
{ $unwind : "$vegetables" },
{ $project : { _id: 0, fruits:1, vegetables:1 } },
{ $skip : 2995 }
]);類比SQL：
select fruits, substring_index(substring_index(vegetables, ',', id),',' ,-1) vegetables
from collection, nums -- nums為只有id一列的數字輔助表
where id <= length(vegetables)-length(replace(vegetables,',',''))+1
limit 2995, 999999999;db.collection.aggregate(
[
{ $unwind : "$vegetables" },
{ $project : { _id: 0, fruits:1, vegetables:1 } },
{ $skip : 2995 },
{ $out : "food" }
]);類比SQL：
create table food as
select @a:[email protected]+1 id, fruits, substring_index(substring_index(vegetables, ',', id),',' ,-1) vegetables
from collection, (select @a:=0) t, nums -- nums為只有id一列的數字輔助表
where id <= length(vegetables)-length(replace(vegetables,',',''))+1
limit 2995, 999999999; db.prima.aggregate(
[
{$lookup: {
from : "secunda",
localField : "number",
foreignField : "number",
as : "secundaDoc"
} },
]);類比SQL：
select prima.*, concat(secunda.c1,secunda.c2,...secunda.cn) secundaDoc
from prima left join secunda on prima.number = secunda.number;db.prima.aggregate(
[
{$lookup:{
from : "secunda",
localField : "number",
foreignField : "number",
as : "secundaDoc" }},
{$unwind: "$secundaDoc"},
{$project: {_id : "$number", english:1, ascii:"$secundaDoc.ascii" }}
]);類比SQL：
select prima.*, secunda.*
from prima left join secunda on prima.number = secunda.number;三、MapReduce
MongoDB通過兩個使用者自定義的JavaScript函式實現查詢：map和reduce。MongoDB將對指定的集合執行一個專門的查詢，所有匹配該查詢的文件都將被輸入到map函式中。map函式被設計用於生成鍵值對。任何含有多個值的鍵都將被輸入到reduce函式中，reduce函式將返回輸入資料的聚合結果。最後，還有一個可選步驟，通過finalize函式對資料的顯示進行完善。
以下是來自文件的圖，可以清楚的說明 Map-Reduce 的執行過程。
1. 最簡MapReduce
定義map函式：
var map = function() {
emit(this.color, this.num);
};MongoDB中使用emit函式向MapReduce提供Key/Value對。map函式接收集合中的color和num欄位作為輸入，輸出為以color為鍵，以num陣列為值的文件。
定義空reduce函式：
var reduce = function(color, numbers) { };reduce函式接收map傳來的鍵值對，但不執行任何操作。
執行MapReduce：
db.mapreduce.mapReduce(map,reduce,{ out: { inline : 1 } });{ out : { inline : 1 } } 表示將執行結果輸出到控制檯，顯示類似如下的結果。
{
"results" : [
{
"_id" : "black",
"value" : null
},
{
"_id" : "blue",
"value" : null
},
...
{
"_id" : "yellow",
"value" : null
}
],
"timeMillis" : 95,
"counts" : {
"input" : 1000,
"emit" : 1000,
"reduce" : 55,
"output" : 11
},
"ok" : 1,
}結果顯示，為每種顏色建立了一個單獨的文件，並且使用顏色作為文件的唯一_id值。因為reduce函式體為空，所以value被設定為null。
2. 求和
定義求和reduce函式：
var reduce = function(color, numbers) {
return Array.sum(numbers);
};該reduce函式對每個color對應的多個num求和。
執行MapReduce，並將結果輸出到集合mrresult中：
db.mapreduce.mapReduce(map,reduce,{ out: "mrresult" });檢視結果集合：
> db.mrresult.findOne();
{ "_id" : "black", "value" : 45318 }3. 求平均
map函式：
var map = function() {
var value = {
num : this.num,
count : 1
};
emit(this.color, value);
};count為計數器，為了只統計每個文件一次，將count值設定為1。
reduce函式：
var reduce = function(color, val ) {
reduceValue = { num : 0, count : 0};
for (var i = 0; i < val.length; i++) {
reduceValue.num += val[i].num;
reduceValue.count += val[i].count;
}
return reduceValue;
};用一個簡單的迴圈對num和count求和。注意reduce函式中return函式返回的值，必須與map函式中傳送到emit函式中的value結構相同。
finalize函式：
var finalize = function (key, value) {
value.avg = value.num/value.count;
return value;
};finalize函式從reduce函式接收結果，並計算平均值。
執行：
db.mapreduce.mapReduce(map,reduce,{ out: "mrresult", finalize : finalize });檢視結果：
> db.mrresult.findOne();
{
"_id" : "black",
"value" : {
"num" : 45318,
"count" : 91,
"avg" : 498
}
}4. 除錯
（1）除錯map函式 過載emit函式，列印map函式的輸出：
var emit = function(key, value) {
print("emit results - key: " + key + " value: " + tojson(value));
}使用map.apply和樣例文件進行測試：
> map.apply(db.mapreduce.findOne());
emit results - key: blue value: { "num" : 1, "count" : 1 }（2）除錯reduce函式 首先需要確認map和reduce函式返回結果的格式必須嚴格一致。然後建立一個數組，模擬傳入到reduce函式中的陣列：
a = [{ "num" : 1, "count" : 1 },{ "num" : 2, "count" : 1 },{ "num" : 3, "count" : 1 }]現在呼叫reduce函式，顯示返回結果：
>reduce("blue",a);
{ "num" : 6, "count" : 3 }如果出現某些問題，不理解函式中的內容，那麼可以使用printjson()函式將JSON值輸出到mongodb日誌檔案中。在除錯時，這是一個有價值的工具。