欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

使用aggregate在MongoDB中查询重复数据记录的方法

程序员文章站 2022-09-05 15:51:49
mongodb中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。有点类似sql语句中的 count(*)。 aggregat...

mongodb中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。有点类似sql语句中的 count(*)。

aggregate() 方法

mongodb中聚合的方法使用aggregate()。

语法

aggregate() 方法的基本语法格式如下所示:

>db.collection_name.aggregate(aggregate_operation)

我们知道,mongodb属于文档型数据库,其存储的文档类型都是json对象。正是由于这一特性,我们在node.js中会经常使用mongodb进行数据的存取。但由于node.js是异步执行的,这就导致我们无法保证每一次的数据库save操作都是原子型的。也就是说,如果客户端连续两次发起同一事件将数据存入数据库,很可能会导致数据被重复保存。高并发的情况下,哪怕是你在代码中已经做了非常严格的校验,例如插入数据前判断要保存的数据是否已经存在,但仍然有可能会出现数据被重复保存的风险。因为在异步执行中,你没有办法保证哪个线程先执行,哪个线程后执行,客户端发起的所有请求并非按我们想象的都是顺序执行的。一个较好的解决办法是在mongo数据库的所有表中创建唯一索引。事实上,mongodb默认会为所有表创建一个_id字段的唯一索引(可以取消)。如果你想在node.js中通过mongoose.schema来自动创建索引,可以参考下面的代码:

var mongoose = require('mongoose');
var schema = mongoose.schema;
var customerschema = new mongoose.schema({
cname: string,
cellphone, string,
sender: string,
tag: string,
behaviour: number,
createtime: {
type: date,
default: date.now
},
current:{
type: boolean,
default: true
}
}, {
versionkey: false
});
customerschema.index({cname:1,cellphone:1,sender:1,tag:1,behaviour:1}, {unique: true});module.exports = mongoose.model('customer', customerschema); 

  上面的model中我们定义了表customer的结构,并通过index()方法在字段cname,cellphone,sender,tag,behaviour上创建了唯一索引,这样当包含这些字段的重复数据被插入时,数据库会抛出异常。借用mongoose,如果数据库表之前已经被创建并且程序正在运行中,当我们修改model并添加索引,然后重新启动app,只要有对该model的访问,mongoose会自动进行检测并创建索引。当然,如果数据出现重复,则索引创建会失败。此时我们可以通过在创建索引时添加dropdups选项,让数据库自动将重复的数据删除,如:

customerschema.index({cname:1,cellphone:1,sender:1,tag:1,behaviour:1}, {unique: true, dropdups: true});

  不过据mongodb的官方说明,自3.0以后的版本不再使用该选项,而且也并没有提供替代的解决办法。貌似官方不再提供创建索引时自动删除重复记录的功能。那如何才能快速有效地找出重复的记录并且删除呢?首先我们要找出这些记录,然后通过remove()方法进行删除。下面的查询语句可以找出给定字段有重复数据的记录:

db.collection.aggregate([
{ $group: { 
_id: { firstfield: "$firstfield", secondfield: "$secondfield" }, 
uniqueids: { $addtoset: "$_id" },
count: { $sum: 1 } 
}}, 
{ $match: { 
count: { $gt: 1 } 
}}
]) 

  替换_id属性的值以指定你想要进行判断的字段。相应地,在node.js中代码如下:

var deferred = q.defer();
var group = { firstfield: "$firstfield", secondfield: "$secondfield"};
model.aggregate().group({
_id: group,
uniqueids: {$addtoset: '$_id'},
count: {$sum: 1}
}).match({ count: {$gt: 1}}).exec(deferred.makenoderesolver());
return deferred.promise; 

上述代码使用了q来替换函数执行中的回调。在node.js的异步编程中,使用q来处理回调是个不错的选择。

  下面是返回的结果:

/* 1 */
{
"result" : [ 
{
"_id" : {
"cellphone" : "15827577345",
"actid" : objectid("5694565fa50fea7705f01789")
},
"uniqueids" : [ 
objectid("569b5d03b3d206f709f97685"), 
objectid("569b5d01b3d206f709f97684")
],
"count" : 2.0000000000000000
}, 
{
"_id" : {
"cellphone" : "18171282716",
"actid" : objectid("566b0d8dc02f61ae18e68e48")
},
"uniqueids" : [ 
objectid("566d16e6cf86d12d1abcee8b"), 
objectid("566d16e6cf86d12d1abcee8a")
],
"count" : 2.0000000000000000
}
],
"ok" : 1.0000000000000000
}

  从结果中可以看到,一共有两组数据相同的记录,所以返回的result数组的长度为2。uniqueids属性为一个数组,其中存放了重复记录的_id字段的值,通过该值我们可以使用remove()方法来查找并删除对应的数据。