Porównaj 2 daty w metodzie wyszukiwania mongo

Dla MongoDB 3.6 i nowszych:

$expr Operator umożliwia użycie wyrażeń agregacji w języku zapytań, dzięki czemu można wykorzystać $dateToString operator do przekształcenia pola daty:

db.test.find({ 
    "$expr": { 
        "$ne": [ 
             { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
             { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
        ] 
    } 
})

lub za pomocą struktury agregacji z $ dopasuj potok

db.test.aggregate([
    { "$match": { 
        "$expr": { 
            "$ne": [ 
                { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
            ] 
        } 
    } }
])

Dla MongoDB 3.0+:

Możesz również użyć struktury agregacji z $redaguj operator potoku, który umożliwia przetwarzanie warunku logicznego za pomocą $cond operatora i używa operacji specjalnych $$ ZACHOWAJ aby „zachować” dokument, w którym warunek logiczny jest prawdziwy lub $$PRUNE aby "usunąć" dokument, w którym warunek był fałszywy.

Rozważ uruchomienie następującej operacji zbiorczej, która demonstruje powyższą koncepcję:

db.test.aggregate([
    {
        "$redact": {
            "$cond": [
                { 
                    "$ne": [ 
                        { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                        { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
                    ] 
                },
                "$$KEEP",
                "$$PRUNE"
            ]
        }
    }
])

Ta operacja jest podobna do posiadania $projekt potok, który wybiera pola w kolekcji i tworzy nowe pole zawierające wynik zapytania o warunek logiczny, a następnie kolejne $match , z tym wyjątkiem, że $redact używa jednego etapu potoku, który jest bardziej wydajny:

 db.test.aggregate([
    {
        "$project": { 
            "created": 1, 
            "last_active": 1,
            "sameDay": { 
                "$cond": [ 
                    { 
                        "$eq": [ 
                            {"$substr" : ["$last_active",0, 10]}, 
                            {"$substr" : ["$created",0, 10]}
                        ] 
                    }, true, false 
                ]
            } 
        } 
    },
    { "$match": { "sameDay": false } }
])
 
 0r
 db.test.aggregate([
    {
        "$project": { 
            "created": 1, 
            "last_active": 1,
            "sameDay": { 
                "$cond": [ 
                    { 
                        "$eq": [ 
                            { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                            { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
                        ] 
                    }, true, false 
                ]
            } 
        } 
    },
    { "$match": { "sameDay": false } }
])
 
 Innym podejściem byłoby użycie $where 
  operator w find()  ale pamiętaj, że zapytanie będzie dość wolne, ponieważ użyjesz $gdzie 
  samo wymaga skanowania tabeli, a baza danych wykonuje wyrażenie lub funkcję JavaScript dla każdego dokumentu w kolekcji, więc jeśli możesz, połącz je z indeksowanymi zapytaniami, ponieważ wydajność zapytań poprawia się również, gdy wyrażasz je za pomocą standardowych operatorów MongoDB (np. $gt  , $w  ):
 db.test.find({ 
   "$where": function() { 
       return this.created.getDate() !== this.last_active.getDate() 
   } 
});
 
 lub bardziej kompaktowy:
 db.test.find({ "$where": "this.created.getDate() !== this.last_active.getDate()" });
 
 Z wejściem:
 /* 0 */
{
    "_id" : 1,
    "created" : ISODate("2014-12-19T06:01:17.171Z"),
    "last_active" : ISODate("2014-12-21T15:38:13.842Z")
}

/* 1 */
{
    "_id" : 2,
    "created" : ISODate("2015-07-06T12:17:32.084Z"),
    "last_active" : ISODate("2015-07-06T18:07:08.145Z")
}

/* 2 */
{
    "_id" : 3,
    "created" : ISODate("2015-07-06T06:01:17.171Z"),
    "last_active" : ISODate("2015-07-07T10:04:30.921Z")
}

/* 3 */
{
    "_id" : 4,
    "created" : ISODate("2015-07-06T06:01:17.171Z"),
    "last_active" : ISODate("2015-07-06T09:47:44.186Z")
}

/* 4 */
{
    "_id" : 5,
    "created" : ISODate("2013-12-19T06:01:17.171Z"),
    "last_active" : ISODate("2014-01-20T13:21:37.427Z")
}
 
 Agregacja zwraca:
 /* 0 */
{
    "result" : [ 
        {
            "_id" : 1,
            "created" : ISODate("2014-12-19T06:01:17.171Z"),
            "last_active" : ISODate("2014-12-21T15:38:13.842Z"),
            "sameDay" : false
        }, 
        {
            "_id" : 3,
            "created" : ISODate("2015-07-06T06:01:17.171Z"),
            "last_active" : ISODate("2015-07-07T10:04:30.921Z"),
            "sameDay" : false
        }, 
        {
            "_id" : 5,
            "created" : ISODate("2013-12-19T06:01:17.171Z"),
            "last_active" : ISODate("2014-01-20T13:21:37.427Z"),
            "sameDay" : false
        }
    ],
    "ok" : 1
}