Find duplikerede webadresser i mongodb

Forudsat en samling dokumenter med name (ved hjælp af name i stedet for url ) felt bestående af duplikerede værdier. Jeg har to sammenlægninger, som returnerer noget output, som kan bruges til at udføre yderligere behandling. Jeg håber, du vil finde dette nyttigt.

{ _id: 1, name: "jack" },
{ _id: 2, name: "john" },
{ _id: 3, name: "jim" },
{ _id: 4, name: "john" }
{ _id: 5, name: "john" }, 
{ _id: 6, name: "jim" }

Bemærk, at "john" har 3 forekomster og "jim" har 2.

(1) Denne aggregering returnerer de navne, der har dubletter (mere end én forekomst):

db.collection.aggregate( [
  { 
      $group: { 
          _id: "$name", 
          count: { $sum: 1 }
      } 
  },
  { 
      $group: { 
          _id: "duplicate_names", 
          names: { $push: { $cond: [ { $gt: [ "$count", 1 ] }, "$_id", "$DUMMY" ] } }
      }
  }
] )

Udgangen:

{ "_id" : "duplicate_names", "names" : [ "john", "jim" ] }

(2) Følgende aggregering returnerer bare _id feltværdier for dubletdokumenterne. For eksempel har navnet "jim" _id værdier 3 og 6 . Outputtet har kun id'erne for de duplikerede dokumenter, dvs. 6 .

db.colection.aggregate( [
  { 
      $group: { 
          _id: "$name", 
          count: { $sum: 1 }, 
          ids: { $push: "$_id" } 
      } 
  },
  { 
      $group: { 
          _id: "duplicate_ids",  
          ids: { $push: { $slice: [ "$ids", 1, 9999 ] } } 
      } 
  },
  { 
      $project: { 
          ids: { 
              $reduce: {
                  input: "$ids", 
                  initialValue: [ ],
                  in: { $concatArrays: [ "$$this", "$$value" ] }
              }
          }
      } 
  }
] )

Udgangen:

{ "_id" : duplicate_ids", "ids" : [ 6, 4, 5 ] }