mongodb 分組 topN

raqsoft 2019-07-19

展開全文

來源：https://groups.google.com/forum/#!topic/mongodb-user/Rjv6lyUCe1s

在統(tǒng)計應用項目中，我們經(jīng)常會遇到這樣的需求：將大量的對象進行排序，然后只需要取出前 N 名作為排行榜的數(shù)據(jù)，這就是 TopN 算法。mongodb作為nosql數(shù)據(jù)庫的典型代表，能夠存儲海量數(shù)據(jù)，在使用過程中也經(jīng)常會遇到TopN的需求，例如將需要字段的最新數(shù)據(jù)從mongodb中獲取出來。下面就使用集算器 SPL 語言操作，通過案例分析如何實現(xiàn)上述功能。

Collection last3有兩個字段：variable和timestamp，這里首先按variable分組，然后在每組文檔中選出timestamp最晚的3個，最后再從這些文檔中找到timestamp最早的1個。

last3的部分數(shù)據(jù)如下：

{"_id" : ObjectId("54f69645e4b077ed8d997857"),"variable" : "A", "timestamp" : ISODate("1995-01-01T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997856"),"variable" : "A", "timestamp" : ISODate("1995-01-02T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997855"),"variable" : "A", "timestamp" : ISODate("1995-01-03T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997854"),"variable" : "B", "timestamp" : ISODate("1995-01-02T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997853"),"variable" : "B", "timestamp" : ISODate("1995-01-01T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997852"),"variable" : "B", "timestamp" : ISODate("1994-01-03T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997851"),"variable" : "C", "timestamp" : ISODate("1994-01-03T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997850"),"variable" : "C", "timestamp" : ISODate("1994-01-02T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997858"),"variable" : "C", "timestamp" : ISODate("1994-01-01T00:00:00Z")}

{"_id" : ObjectId("54f69645e4b077ed8d997859"),"variable" : "C", "timestamp" : ISODate("1993-01-01T00:00:00Z")}

集算器代碼：

	A	B
1	=mongo_open("mongodb://localhost:27017/local?user=test&password=test")
2	=mongo_shell(A1,"last3.find(,{_id:0};{variable:1})")
3	for A2;variable	=A3.top(3;-timestamp)
4		=@\|B3
5	=B4.minp(~.timestamp)
6	=mongo_close(A1)

A1:連接MongoDB，連接字格式為mongo://ip:port/db?arg=value&…。

A2:使用find函數(shù)從MongoDB中取數(shù)并排序，形成游標。collectoin是last3，過濾條件是空，取出_id之外的所有字段，并按variable排序。

A3:循環(huán)從游標讀數(shù)，每次取variable字段相同的一組文檔。A3循環(huán)的的作用范圍是縮進的B3到B4，在這個范圍中可以用A3來引用循環(huán)變量，這里A3是內(nèi)存數(shù)據(jù)，在調(diào)試方式下可以查看某次取數(shù)的結(jié)果如下：

variable	timestamp
C	1994-01-03 08:00:00
C	1994-01-02 08:00:00
C	1994-01-01 08:00:00
C	1993-01-01 08:00:00

B3:選出本組文檔中timestamp最晚（大）的3個。

B4:將B3不斷地追加到B4中。B4如下：

variable	timestamp
A	1995-01-03 08:00:00
A	1995-01-02 08:00:00
A	1995-01-01 08:00:00
B	1995-01-02 08:00:00
B	1995-01-01 08:00:00
B	1994-01-03 08:00:00
C	1994-01-03 08:00:00
C	1994-01-02 08:00:00
C	1994-01-01 08:00:00