今天跟大家分享一下mongodb中比較好玩的知識，主要包括：聚合，游標。

一： 聚合

      常見的聚合操作跟sql server一樣，有：count，distinct，group，mapReduce。

1> count

        count是最簡單，最容易，也是最常用的聚合工具，它的使用跟我們C#里面的count使用簡直一模一樣。

 2> distinct

       這個操作相信大家也是非常熟悉的，指定了誰，誰就不能重復，直接上圖。

 3> group

    在mongodb里面做group操作有點小復雜，不過大家對sql server里面的group比較熟悉的話還是一眼

能看的明白的，其實group操作本質上形成了一種“k-v”模型，就像C#中的Dictionary，好，有了這種思維，

我們來看看如何使用group。

    下面舉的例子就是按照age進行group操作，value為對應age的姓名。下面對這些參數(shù)介紹一下：

       key：  這個就是分組的key，我們這里是對年齡分組。

       initial: 每組都分享一個”初始化函數(shù)“，特別注意：是每一組，比如這個的age=20的value的list分享一個

initial函數(shù)，age=22同樣也分享一個initial函數(shù)。

       $reduce: 這個函數(shù)的第一個參數(shù)是當前的文檔對象，第二個參數(shù)是上一次function操作的累計對象，第一次

為initial中的{”perosn“：[]}。有多少個文檔， $reduce就會調用多少次。

   看到上面的結果，是不是有點感覺，我們通過age查看到了相應的name人員，不過有時我們可能有如下的要求：

     ①：想過濾掉age>25一些人員。

     ②：有時person數(shù)組里面的人員太多，我想加上一個count屬性標明一下。

 針對上面的需求，在group里面還是很好辦到的，因為group有這么兩個可選參數(shù): condition 和 finalize。

     condition:  這個就是過濾條件。

     finalize:這是個函數(shù)，每一組文檔執(zhí)行完后，多會觸發(fā)此方法，那么在每組集合里面加上count也就是它的活了。

 4> mapReduce

        這玩意算是聚合函數(shù)中最復雜的了，不過復雜也好，越復雜就越靈活。

  mapReduce其實是一種編程模型，用在分布式計算中，其中有一個“map”函數(shù)，一個”reduce“函數(shù)。

   ① map：

          這個稱為映射函數(shù)，里面會調用emit(key,value)，集合會按照你指定的key進行映射分組。

   ② reduce：

         這個稱為簡化函數(shù)，會對map分組后的數(shù)據(jù)進行分組簡化，注意：在reduce(key,value)中的key就是

      emit中的key，vlaue為emit分組后的emit(value)的集合，這里也就是很多{"count":1}的數(shù)組。

   ③ mapReduce:

          這個就是最后執(zhí)行的函數(shù)了，參數(shù)為map，reduce和一些可選參數(shù)。具體看圖可知：

 從圖中我們可以看到如下信息：

       result: "存放的集合名“；

       input:傳入文檔的個數(shù)。

       emit：此函數(shù)被調用的次數(shù)。

       reduce：此函數(shù)被調用的次數(shù)。

       output:最后返回文檔的個數(shù)。

最后我們看一下“collecton”集合里面按姓名分組的情況。

 二：游標

    mongodb里面的游標有點類似我們說的C#里面延遲執(zhí)行，比如：

      var list=db.person.find();

    針對這樣的操作，list其實并沒有獲取到person中的文檔，而是申明一個“查詢結構”，等我們需要的時候通過

for或者next()一次性加載過來，然后讓游標逐行讀取，當我們枚舉完了之后，游標銷毀，之后我們在通過list獲取時，

發(fā)現(xiàn)沒有數(shù)據(jù)返回了。

 當然我們的“查詢構造”還可以搞的復雜點，比如分頁，排序都可以加進去。

 var single=db.person.find().sort({"name",1}).skip(2).limit(2);

那么這樣的“查詢構造”可以在我們需要執(zhí)行的時候執(zhí)行，大大提高了不必要的花銷。