Wiele warunków przyłączenia za pomocą operatora $lookup

Możemy wykonać wiele warunków przyłączenia za pomocą $lookup operator potoku agregacji w wersji 3.6 i nowszych.

Musimy przypisać wartości pól do zmiennej za pomocą let pole opcjonalne; następnie uzyskujesz dostęp do tych zmiennych w pipeline etapy pola, w których określasz potok do uruchomienia w kolekcjach.

Zauważ, że w $match etap, używamy $expr operator zapytania ewaluacyjnego do porównania wartości pól.

Ostatnim etapem potoku jest $replaceRoot etap potoku agregacji, w którym po prostu scalamy $lookup wynik z częścią $$ROOT dokument za pomocą $mergeObjects operatora.

db.collection2.aggregate([
       {
          $lookup: {
             from: "collection1",
             let: {
                firstUser: "$user1",
                secondUser: "$user2"
             },
             pipeline: [
                {
                   $match: {
                      $expr: {
                         $and: [
                            {
                               $eq: [
                                  "$user1",
                                  "$$firstUser"
                               ]
                            },
                            {
                               $eq: [
                                  "$user2",
                                  "$$secondUser"
                               ]
                            }
                         ]
                      }
                   }
                }
             ],
             as: "result"
          }
       },
       {
          $replaceRoot: {
             newRoot: {
                $mergeObjects:[
                   {
                      $arrayElemAt: [
                         "$result",
                         0
                      ]
                   },
                   {
                      percent1: "$$ROOT.percent1"
                   }
                ]
             }
          }
       }
    ]
)

Ten potok daje coś, co wygląda tak:

{
    "_id" : ObjectId("59e1ad7d36f42d8960c06022"),
    "user1" : 1,
    "user2" : 2,
    "percent" : 0.3,
    "percent1" : 0.56
}

Jeśli nie masz wersji 3.6+, możesz najpierw dołączyć za pomocą jednego ze swoich pól, powiedzmy „użytkownik1”, a następnie rozwiń tablicę pasującego dokumentu za pomocą $unwind operator potoku agregacji. Następnym etapem potoku jest $redact etap, na którym odfiltrowujesz te dokumenty, w których wartość „użytkownik2” z „dołączonej” kolekcji i dokumentu wejściowego nie są równe przy użyciu $$KEEP i $$PRUNE zmienne systemowe. Następnie możesz zmienić kształt swojego dokumentu w $project scena.

db.collection1.aggregate([
    { "$lookup": { 
        "from": "collection2", 
        "localField": "user1", 
        "foreignField": "user1", 
        "as": "collection2_doc"
    }}, 
    { "$unwind": "$collection2_doc" },
    { "$redact": { 
        "$cond": [
            { "$eq": [ "$user2", "$collection2_doc.user2" ] }, 
            "$$KEEP", 
            "$$PRUNE"
        ]
    }}, 
    { "$project": { 
        "user1": 1, 
        "user2": 1, 
        "percent1": "$percent", 
        "percent2": "$collection2_doc.percent"
    }}
])

co daje:

{
    "_id" : ObjectId("572daa87cc52a841bb292beb"),
    "user1" : 1,
    "user2" : 2,
    "percent1" : 0.56,
    "percent2" : 0.3
}

Jeśli dokumenty w Twoich zbiorach mają taką samą strukturę i często wykonujesz tę operację, powinieneś rozważyć połączenie tych dwóch zbiorów w jeden lub wstawić dokumenty z tych zbiorów do nowej kolekcji.

db.collection3.insertMany(
    db.collection1.find({}, {"_id": 0})
    .toArray()
    .concat(db.collection2.find({}, {"_id": 0}).toArray())
)

Następnie $group Twoje dokumenty według „użytkownika1” i „użytkownika2”

db.collection3.aggregate([
    { "$group": {
        "_id": { "user1": "$user1", "user2": "$user2" }, 
        "percent": { "$push": "$percent" }
    }}
])

co daje:

{ "_id" : { "user1" : 1, "user2" : 2 }, "percent" : [ 0.56, 0.3 ] }