文章目录
- 《MongoDB实战入门》第5章 进阶查询：聚合管道与数据统计分析
- 5.1 聚合管道基础：理解阶段（Stage）概念
- 5.1.1 聚合管道的核心逻辑：多阶段顺序执行，数据逐步处理
- 5.1.2 聚合管道与普通查询的区别：适用场景对比
- 5.1.3 实战实操：聚合管道基础案例
- 前置准备：创建测试数据集
- 案例1：简单聚合管道（筛选+分组+排序）
- 案例2：聚合管道 vs 普通查询（对比演示）
- 方式1：普通查询（find）
- 方式2：聚合管道（aggregate）
- 案例3：基础阶段扩展（投影+分页）
- 5.1.4 核心总结
《MongoDB实战入门》第5章 进阶查询：聚合管道与数据统计分析
5.1 聚合管道基础：理解阶段（Stage）概念
5.1.1 聚合管道的核心逻辑：多阶段顺序执行，数据逐步处理
MongoDB 聚合管道（Aggregation Pipeline）是实现复杂数据聚合、统计、转换的核心机制，其本质是多阶段（Stage）组成的顺序执行流水线，核心逻辑可概括为：
- 流水线执行模型：数据从集合中读取后，依次流经管道的每个阶段（Stage），每个阶段仅接收上一阶段的输出作为输入，完成特定处理后传递给下一阶段，最终输出处理结果。
- 阶段的独立性：每个阶段由特定的聚合操作符（如
$match、$group、$project）定义，仅负责单一职责（筛选、分组、投影、排序等），阶段顺序直接影响结果正确性和查询性能（例如：先$match过滤数据再$group，可减少分组计算的数据量）。
- 阶段的独立性：每个阶段由特定的聚合操作符（如
- 数据的动态转换：管道中传递的是 BSON 文档，每个阶段可修改文档结构（如新增字段、删除字段、重命名字段）、筛选文档、聚合计算（求和、计数、平均值等），最终输出符合业务需求的结构化结果。
聚合管道的核心公式可简化为：
原始数据→阶段1（处理）→阶段2（处理）→...→阶段N（处理）→最终结果5.1.2 聚合管道与普通查询的区别：适用场景对比
MongoDB 普通查询（find()/findOne()）和聚合管道（aggregate()）是两种核心数据查询方式，其核心区别和适用场景如下表所示：
| 维度 | 普通查询（find） | 聚合管道（aggregate） |
|---|---|---|
| 核心能力 | 数据筛选、字段投影（仅包含/排除）、排序分页 | 多阶段数据处理（筛选、分组、计算、转换） |
| 计算能力 | 无（仅能返回原始数据） | 支持复杂聚合计算（求和、计数、平均值、去重等） |
| 结果形态 | 返回原始文档（可投影字段，但结构不变） | 可动态生成新文档结构（新增计算字段、嵌套结构等） |
| 性能特点 | 轻量快速，适合简单查询 | 支持阶段优化（如先过滤后分组），适合复杂统计 |
| 适用场景 | 1. 单条件/多条件筛选原始数据 2. 简单分页查询 3. 仅需返回部分字段的场景 | 1. 数据分组统计（如按分类统计销售额） 2. 多集合关联查询（$lookup） 3. 数据转换/清洗（如字段重命名、格式标准化） 4. 复杂指标计算（如平均值、中位数、去重计数） |
5.1.3 实战实操：聚合管道基础案例
前置准备：创建测试数据集
首先创建电商订单集合（orders），插入测试数据，模拟真实业务场景：
// 1. 切换到测试数据库use test_db;// 2. 插入订单数据（共6条，包含不同用户、商品分类、金额、时间）db.orders.insertMany([{order_id:"OD001",user_id:101,category:"电子产品",amount:2999,create_time:ISODate("2025-01-01T10:00:00Z"),status:"已支付"},{order_id:"OD002",user_id:102,category:"电子产品",amount:1999,create_time:ISODate("2025-01-02T11:00:00Z"
——边缘分布自适应)
