背景
最近做了几个规则逻辑。用到mongo查询比较多,就是查询交易信息跑既定规则筛选出交易商户,使用聚合管道进行统计和取出简单处理后的数据,用sql代替业务代码逻辑的判断。
方法
mongodb聚合使用aggregate,聚合管道采取自动向下子执行方式,基本语法格式:
db.collection_name.aggregate(aggregate_operation)
聚合框架中常用的操作:
- $project:修改输入文档的结构。可以用来重命名、增加或删除域,也可以用于创建计算结果以及嵌套文档。
- match:用于过滤数据,只输出符合条件的文档。match:用于过滤数据,只输出符合条件的文档。match使用mongodb的标准查询操作。
- $limit:用来限制mongodb聚合管道返回的文档数。
- $skip:在聚合管道中跳过指定数量的文档,并返回余下的文档。
- $unwind:将文档中的某一个数组类型字段拆分成多条,每条包含数组中的一个值。
- $group:将集合中的文档分组,可用于统计结果。
- $sort:将输入文档排序后输出。
- $geonear:输出接近某一地理位置的有序文档。
| 表达式 | 描述 | 实例 |
|---|---|---|
| $sum | 计算总和。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, num_tutorial : { sum:” likes”}}}]) |
| $avg | 计算平均值 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, num_tutorial : { avg:” likes”}}}]) |
| $min | 获取集合中所有文档对应值得最小值。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, num_tutorial : { min:” likes”}}}]) |
| $max | 获取集合中所有文档对应值得最大值。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, num_tutorial : { max:” likes”}}}]) |
| $push | 在结果文档中插入值到一个数组中。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, url : { push:” url”}}}]) |
| $addtoset | 在结果文档中插入值到一个数组中,但不创建副本。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, url : { addtoset:” url”}}}]) |
| $first | 根据资源文档的排序获取第一个文档数据。 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, first_url : { first:” url”}}}]) |
| $last | 根据资源文档的排序获取最后一个文档数据 | db.mycol.aggregate([{\(group : {_id : “\)by_user”, last_url : { last:” url”}}}]) |
查询示例
示例一
部分字段说明:transamt:交易金额,transtype:交易类型,transtime:交易时间,mercnum:商户编号
查询交易信息,交易商户昨天交易笔数大于三百,交易金额累加大于三百万,这里现根据$match将交易信息筛选出来,然后使用$group根据商户编号分组,统计交易笔数和累加交易金额,将分组结果判断匹配交易笔数大于三百,交易金额大于三百万。
db.getcollection('box_order').aggregate([
{
$match: {
"transtime":{$gte:isodate("2020-01-03t00:00:00.000z"),$lt:isodate("2020-01-10t00:00:00.000z")},
"transtype":"consume",
"transstatus":{$in:["tsprocessing","success"]}
}
},
{
$group: {
"_id": "$mercnum",
"count": {"$sum": 1},
"totalamt": {"$sum": "$transamt"}
}
},
{
$match: {
"count": {"$gte": 300},
"totalamt": {"$gte": 3000000}
}
}
])
示例二
部分字段说明:cardno:交易卡号,transtype:交易类型,transtime:交易时间,mercnum:商户编号
查询时间段内指定卡号下的交易商户信息。
根据卡号和交易时间将交易数据查出来,然后只显示商户号和卡号两列字段,根据商户号和卡号分组去重,再根据卡号分组,将商户号转化成一个字段变成数组。
db.getcollection('order_202011').aggregate([
{
"$match": {
"detailinfo.cardno": {
"$in": [
"ytcz7khcvg5xerkug8bzjhvajw/hwawj",
"cq7qq0ycvw6lhhtjnvrq2a==",
"6kdphmq9s+0sqagauylj4a==",
"cq7qq0ycvw7isegn8uqifg==",
"zeocxdi4rfvswaz7dq80hw==",
"6kdphmq9s+2nz61ppuoamw=="
]
},
"baseinfo.transtime": {
"$gte": new date(2020,10,01),
"$lt": new date(2020,10,24)
}
}
},
{
"$project": {
"merchantinfo.mercnum": 1,
"detailinfo.cardno": 1
}
},
{
"$group": {
"_id": {
"mercnum": "$merchantinfo.mercnum",
"cardno": "$detailinfo.cardno"
}
}
},
{
"$group": {
"_id": "$_id.cardno",
"mercnums": {
"$push": "$_id.mercnum"
}
}
}
])
示例三
根据指定商户和其他条件查询交易信息,根据卡号分组并组装成一个字段的集合,最后筛选掉id只保留cardnos数组
db.getcollection('box_order_fxq_202104').aggregate([
{
"$match": {
"mercnum": "m15201812030753174730",
"transtime": {
"$gte": isodate("2021-04-17t16:00:00.000z"),
"$lt": isodate("2021-04-18t16:00:00.000z")
},
"merclevel": {
"$in": [
"c",
"d",
"e"
]
},
"paytype": "pospay",
"transtype": "consume",
"cardtype": "2"
}
},
{
"$group": {
"_id": null,
"cardnos": {
"$push": "$cardno" //$addtoset
}
}
},
{
"$project":{
"cardnos":1,"_id":0
}
}
])
查询结果:
{
“cardnos” : [
“n2iwhhhfeajcm6rfsonpcbvajw/hwawj”,
“n2iwhhhfeajcm6rfsonpcbvajw/hwawj”
]
}
示例四
根据时间查询交易信息后,根据商户号分组,并将第一个交易信息存放入data字段中。(如果是需要全部的商户交易信息那么将$first修改为$push)
db.getcollection('order').aggregate([
{
"$match": {
"starttrxtime": {
"$gte": isodate("2021-07-20t16:00:00.000z"),
"$lt": isodate("2021-07-21t16:00:00.000z")
}
}
},
{
"$group": {
"_id": "$submerchantno",
'data':{'$first': '$$root'} //$push
}
},
{
"$sort": {
"_id": 1
}
}
])
尾言
最近那个到查询的大差不差,要注意的都是一些小改动,一般情况正常查就可以。后续有什么不一样的会继续补充。先到这里
到此这篇关于整理最近用的mongodb查询语句的文章就介绍到这了,更多相关mongo查询语句内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com!