DAY12 MongoDB Facet 与 Bucket 分桶统计

之前我们介绍过了 Aggregation pipeline 了，如果不太了解，请往前看 DAY10, DAY11 的文章。

• DAY10 MongoDB 聚合(Aggregate)种类介绍
• DAY11 MongoDB 深入聚合与常见问题

Aggregate 可以经过一堆操作呈现出我们要的结果，那如果我们要的结果是有一种以上的呈现方式怎麽办？例如一个学校想看本校学测的学生们分析资料，一个想看按分数来分群，一个想看按班级来分群，就得准备两次查询语法，再分别记录下来。

当然不用这麽麻烦，这时候就是 facet 出场的时候了，facet 能够在一次查询内执行多个 aggregate 并回传结果，这样做的好处就是来源资料只需要查询一次。两次可能还无法看出效果，如果是十次二十次呢？输入的资料只需做一次，就能省掉额外的消耗。

我们先来看看 Facet 的 pattern：

db.artwork.aggregate( [
  {
    $facet: {
      "output1": [ aggregate1-stage1 , aggregate1-stage2 ],
      "output2": [ aggregate2-stage1 , aggregate2-stage2 ]
    }
  }
])

在使用上有些原生的限制：

• aggregate RAM 最多使用 100 MB
• facet out 最多只能 16 MB

知道使用规则後，我们就来准备范例的资料了。

db.facet.insertMany([
  { name: 'movie1', publishYear: 2020, rating: 9, cost: 500 },
  { name: 'movie2', publishYear: 1988, rating: 9, cost: 200 },
  { name: 'movie3', publishYear: 1988, rating: 6, cost: 700 },
  { name: 'movie4', publishYear: 2018, rating: 7, cost: 800 },
  { name: 'movie5', publishYear: 2018, rating: 4, cost: 600 },
  { name: 'movie6', publishYear: 2019, rating: 7, cost: 1200 },
  { name: 'movie7', publishYear: 2020, rating: 7, cost: 700 },
  { name: 'movie8', publishYear: 2019, rating: 7, cost: 600 },
  { name: 'movie9', publishYear: 1988, rating: 5, cost: 400 },
  { name: 'movie10', publishYear: 2018, rating: 7, cost: 800 },
])

在今天之前，我们想达到以下两种统计

• 按年份统计 有几部电影以及总成本多少?
• 按评分统计 有几部电影以及总成本多少?

我们应该是会这样写着：

db.facet.aggregate(
    { '$group':
        {_id:'$publishYear', totalCount:{ $sum: 1}, totalCost: {$sum:'$cost'} }
    }
)

db.facet.aggregate(
    { '$group':
        {_id:'$rating', totalCount:{ $sum: 1}, totalCost: {$sum:'$cost'} }
    }
)

分两次查也挺好的。谢谢大家！(被打)

使用 facet 一次查询完也是挺简单的，语法如下：

db.facet.aggregate([
{ $facet:
    {
      "groupedByPublishYear": [
            { $match: { publishYear : { $gte: 1 } } },
            { $group: {_id:'$publishYear', totalCount:{ $sum: 1}, totalCost: {$sum:'$cost'} }  }
       ],
       "groupedByRating": [
            { $match: {} },
            { $group: {_id:'$rating', totalCount:{ $sum: 1}, totalCost: {$sum:'$cost'} }  }
       ]
    }
}
])

结果如下:

{
[
  {
    groupedByPublishYear: [
      { _id: 1988, totalCount: 3, totalCost: 1300 },
      { _id: 2018, totalCount: 3, totalCost: 2200 },
      { _id: 2019, totalCount: 2, totalCost: 1800 },
      { _id: 2020, totalCount: 2, totalCost: 1200 }
    ],
    groupedByRating: [
      { _id: 5, totalCount: 1, totalCost: 400 },
      { _id: 7, totalCount: 5, totalCost: 4100 },
      { _id: 4, totalCount: 1, totalCost: 600 },
      { _id: 9, totalCount: 2, totalCost: 700 },
      { _id: 6, totalCount: 1, totalCost: 700 }
    ]
  }
]
}

其实我在使用上就是当作两个 aggregate 在写，先各别击破後再组合，这样也比较好 debug。
中间的 { $match: { publishYear : { $gte: 1 } } } 与 { $match: {} } 是刻意这样写的，目的只是表现不需要过滤条件时，就这样做即可。

$bucket

aggregate 使用利器还有一个分桶的运算子，叫做 bucket (以及 bucketAuto )，功能是帮你统计的栏位进行各别统计，而分桶的方式以及刻度都能够自行定义，便於呈现结果。这个东西算是能够自行订刻度的 group，来看看它的 Pattern

{
  $bucket: {
      groupBy: <field>,
      boundaries: [ <bound_1>, ... <bound_n>],
      default: <literal>,
      output: {
         <output1>: { <$accumulator expression> },
         <output2>: { <$accumulator expression> },
          ...
      }
   }
}

• groupBy: 分群的栏位
• boundaries: 就是所有值的上下界，以及中间的刻度。
  已上面的范例，出版的年份从 1988~2020，我们上下界线就是 [1988, 2020]，也可以自己定义范围 [1988, 2000, 2010, 2020]
• default: 当分群栏位的值不在上面定义的范围时，要显示的名称，等下看范例就知道
• output: 上面分群後的结果

我们使用出版年来分群，分群为 1988, 2000, 2010, 2020，剩下的就放在名为 others类别，并在每一份统计数量以及电影名字，马上来看范例：

film> db.facet.aggregate([
... { $bucket:
.....     {
.......         groupBy: '$publishYear',
.......         boundaries: [1988, 2000, 2010, 2020],
.......         default: "others",
.......         output: {
.........           "totalCount": { $sum: 1 },
.........           "names" : { $push: "$name" }
.........         }
.......     }
..... }
... ])

[
  { 
    _id: 1988, 
    totalCount: 3, 
    names: [ 'movie2', 'movie3', 'movie9' ] 
  },
  {
    _id: 2010,
    totalCount: 5,
    names: [ 'movie4', 'movie5', 'movie6', 'movie8', 'movie10' ]
  },
  { 
    _id: 'others', 
    totalCount: 2, 
    names: [ 'movie1', 'movie7' ] 
  }
]
film>

这边要特别注意的是 movie1 与 movie7，他们的出版年是 2020，触及了设定的 boundary 上限，也就是这个功能的上下界关系是

• >= lower bound
• < upper bound

本系列文章会同步发表於我个人的部落格 Pie Note