MongoDB-sammenlægninger ved hjælp af Java

Her bruger vi to faser i vores aggregeringspipeline:match og tæller .

Først filtrerer vi samlingen fra, så den kun matcher de dokumenter, der indeholder engelsk på deres sprog Mark. Disse dokumenter kan forestilles som en midlertidig eller mellemliggende samling, der bliver input til vores næste fase, count. Dette tæller antallet af dokumenter i det foregående trin.

Et andet punkt at bemærke i dette eksempel er brugen af ​​metoden først . Da vi ved, at outputtet fra det sidste trin, tæller , bliver en enkelt post, er dette en garanteret måde at udtrække det enlige resulterende dokument.

4.2. gruppe (med sum ) og sortér

I dette eksempel er vores mål at finde ud af den geografiske region, der indeholder det maksimale antal lande :

@Test
public void givenCountryCollection_whenCountedRegionWise_thenMaxInAfrica() {
    Document maxCountriedRegion = collection.aggregate(Arrays.asList(
      group("$region", Accumulators.sum("tally", 1)),
      sort(Sorts.descending("tally")))).first();
    
    assertTrue(maxCountriedRegion.containsValue("Africa"));
} 

Som det er tydeligt, bruger vi gruppe og sortér for at nå vores mål her .

Først samler vi antallet af lande i hver region ved at akkumulere en sum af deres forekomster i en variabel tally. Dette giver os en mellemliggende samling af dokumenter, der hver indeholder to felter:regionen og opgørelsen af ​​landene i den. Derefter sorterer vi det i faldende rækkefølge og udtrækker det første dokument for at give os regionen med det maksimale antal lande.

4.3. sortér, grænse, og ud

Lad os nu bruge sort , grænse og ud at udtrække de syv største lande områdemæssigt og skrive dem ind i en ny samling :

@Test
public void givenCountryCollection_whenAreaSortedDescending_thenSuccess() {
    collection.aggregate(Arrays.asList(
      sort(Sorts.descending("area")), 
      limit(7),
      out("largest_seven"))).toCollection();

    MongoCollection<Document> largestSeven = database.getCollection("largest_seven");

    assertEquals(7, largestSeven.countDocuments());

    Document usa = largestSeven.find(Filters.eq("alpha3Code", "USA")).first();

    assertNotNull(usa);
} 

Her sorterede vi først den givne samling i faldende rækkefølge efter område. Derefter brugte vi Aggregates#limit metode til at begrænse resultatet til kun syv dokumenter. Til sidst brugte vi out fase for at deserialisere disse data til en ny samling kaldet largest_seven . Denne samling kan nu bruges på samme måde som enhver anden – for eksempel til at finde hvis den indeholder USA.

4.4. projekt, gruppe (med max), match

I vores sidste eksempel, lad os prøve noget mere vanskeligt. Lad os sige, at vi skal finde ud af, hvor mange grænser hvert land deler med andre, og hvad det maksimale antal er .

Nu i vores datasæt har vi en grænser felt, som er et array med alpha3Code s for alle grænsende lande i nationen, men der er ikke noget felt, der direkte giver os optællingen. Så vi bliver nødt til at udlede antallet af grænselande ved hjælp af projekt :

@Test
public void givenCountryCollection_whenNeighborsCalculated_thenMaxIsFifteenInChina() {
    Bson borderingCountriesCollection = project(Projections.fields(Projections.excludeId(), 
      Projections.include("name"), Projections.computed("borderingCountries", 
        Projections.computed("$size", "$borders"))));
    
    int maxValue = collection.aggregate(Arrays.asList(borderingCountriesCollection, 
      group(null, Accumulators.max("max", "$borderingCountries"))))
      .first().getInteger("max");

    assertEquals(15, maxValue);

    Document maxNeighboredCountry = collection.aggregate(Arrays.asList(borderingCountriesCollection,
      match(Filters.eq("borderingCountries", maxValue)))).first();
       
    assertTrue(maxNeighboredCountry.containsValue("China"));
} 

Derefter, som vi så før, grupperer vi den forventede samling for at finde max værdien af ​​grænselande . En ting at påpege her er, at det maks. akkumulator giver os den maksimale værdi som et tal , ikke hele dokumentet indeholdende den maksimale værdi. Vi skal udføre match for at filtrere det ønskede Dokument fra hvis der skal udføres yderligere operationer.