policz wystąpienia tablicy we wszystkich dokumentach za pomocą mongo

Osobiście nie jestem wielkim fanem przekształcania „danych” jako w rezultacie nazw kluczy. Zasady ram agregacji zwykle się zgadzają, ponieważ ten rodzaj operacji również nie jest obsługiwany.

Tak więc osobistą preferencją jest zachowanie „danych” jako „danych” i zaakceptowanie, że przetworzone dane wyjściowe są faktycznie lepsze i bardziej logiczne dla spójnego projektu obiektu:

db.people.aggregate([
    { "$group": {
        "_id": "$sex",
        "hobbies": { "$push": "$hobbies" },
        "total": { "$sum": 1 }
    }},
    { "$unwind": "$hobbies" },
    { "$unwind": "$hobbies" },
    { "$group": {
        "_id": {
            "sex": "$_id",
            "hobby": "$hobbies"
        },
        "total": { "$first": "$total" },
        "hobbyCount": { "$sum": 1 }
    }},
    { "$group": {
        "_id": "$_id.sex",
        "total": { "$first": "$total" },
        "hobbies": {
            "$push": { "name": "$_id.hobby", "count": "$hobbyCount" }
        }
    }}
])

Co daje taki wynik:

[
    {
            "_id" : "female",
            "total" : 1,
            "hobbies" : [
                {
                    "name" : "tennis",
                    "count" : 1
                },
                {
                    "name" : "football",
                    "count" : 1
                }
            ]
    },
    {
        "_id" : "male",
        "total" : 2,
        "hobbies" : [
            {
                "name" : "swimming",
                "count" : 1
            },
            {
                "name" : "tennis",
                "count" : 2
            },
            {
                "name" : "football",
                "count" : 2
            }
        ]
    }
]

Więc początkowe $group liczy na „płeć” i układa hobby w tablice. Następnie, aby dokonać denormalizacji $unwind dwa razy, aby uzyskać pojedyncze elementy, $group aby uzyskać sumy na hobby dla każdej płci i ostatecznie przegrupować tablicę dla każdej płci osobno.

To te same dane, mają spójną i organiczną strukturę, która jest łatwa do przetworzenia, a MongoDB i struktura agregacji były całkiem zadowolone z wygenerowania tego wyniku.

Jeśli naprawdę musisz przekonwertować swoje dane na nazwy kluczy (a nadal nie polecam, ponieważ nie jest to dobry wzorzec do naśladowania w projektowaniu ), to wykonanie takiej transformacji ze stanu końcowego jest dość trywialne dla przetwarzania kodu klienta. Jako podstawowy przykład JavaScript odpowiedni dla powłoki:

var out = db.people.aggregate([
    { "$group": {
        "_id": "$sex",
        "hobbies": { "$push": "$hobbies" },
        "total": { "$sum": 1 }
    }},
    { "$unwind": "$hobbies" },
    { "$unwind": "$hobbies" },
    { "$group": {
        "_id": {
            "sex": "$_id",
            "hobby": "$hobbies"
        },
        "total": { "$first": "$total" },
        "hobbyCount": { "$sum": 1 }
    }},
    { "$group": {
        "_id": "$_id.sex",
        "total": { "$first": "$total" },
        "hobbies": {
            "$push": { "name": "$_id.hobby", "count": "$hobbyCount" }
        }
    }}
]).toArray();

out.forEach(function(doc) {
    var obj = {};
    doc.hobbies.sort(function(a,b) { return a.count < b.count });
    doc.hobbies.forEach(function(hobby) {
        obj[hobby.name] = hobby.count;
    });
    doc.hobbies = obj;
    printjson(doc);
});

A potem w zasadzie przetwarzasz każdy wynik kursora w żądany formularz wyjściowy, który tak naprawdę nie jest funkcją agregującą, która i tak jest naprawdę wymagana na serwerze:

{
    "_id" : "female",
    "total" : 1,
    "hobbies" : {
        "tennis" : 1,
        "football" : 1
    }
}
{
    "_id" : "male",
    "total" : 2,
    "hobbies" : {
        "tennis" : 2,
        "football" : 2,
        "swimming" : 1
    }
}

Tam, gdzie powinno to być również dość trywialne, aby zaimplementować ten rodzaj manipulacji w przetwarzaniu strumieniowym wyniku kursora, aby zmienić się zgodnie z wymaganiami, ponieważ jest to w zasadzie ta sama logika.

Z drugiej strony, zawsze możesz zaimplementować całą manipulację na serwerze za pomocą mapReduce:

db.people.mapReduce(
    function() {
        emit(
            this.sex,
            { 
                "total": 1,
                "hobbies": this.hobbies.map(function(key) {
                    return { "name": key, "count": 1 };
                })
            }
        );
    },
    function(key,values) {
        var obj  = {},
            reduced = {
                "total": 0,
                "hobbies": []
            };

        values.forEach(function(value) {
            reduced.total += value.total;
            value.hobbies.forEach(function(hobby) {
                if ( !obj.hasOwnProperty(hobby.name) )
                    obj[hobby.name] = 0;
                obj[hobby.name] += hobby.count;
            });
        });

        reduced.hobbies = Object.keys(obj).map(function(key) {
            return { "name": key, "count": obj[key] };
        }).sort(function(a,b) {
            return a.count < b.count;
        });

        return reduced;
    },
    { 
        "out": { "inline": 1 },
        "finalize": function(key,value) {
            var obj = {};
            value.hobbies.forEach(function(hobby) {
                obj[hobby.name] = hobby.count;
            });
            value.hobbies = obj;
            return value;
        }
    }
)

MapReduce ma swój własny, odrębny styl wyników, ale te same zasady są używane w akumulacji i manipulacji, jeśli nie jest to prawdopodobnie tak wydajne, jak może to zrobić struktura agregacji:

   "results" : [
        {
            "_id" : "female",
            "value" : {
                "total" : 1,
                "hobbies" : {
                    "football" : 1,
                    "tennis" : 1
                }
            }
        },
        {
            "_id" : "male",
            "value" : {
                "total" : 2,
                "hobbies" : {
                    "football" : 2,
                    "tennis" : 2,
                    "swimming" : 1
                }
            }
        }
    ]

Pod koniec dnia nadal mówię, że pierwsza forma przetwarzania jest najbardziej wydajna i zapewnia moim zdaniem najbardziej naturalne i spójne działanie danych wyjściowych, nawet bez próby zamiany punktów danych na nazwy kluczy. Prawdopodobnie najlepiej jest rozważyć podążanie za tym wzorcem, ale jeśli naprawdę musisz, istnieją sposoby manipulowania wynikami w żądaną formę w różnych podejściach do przetwarzania.