内容简介:Mongodb 2.2 开始就提供了数据在很多常用情况下, 应用只需要简单的分组聚合, 最多对聚合结果数据进行过滤和排序. 这时候我们希望能通过更简单的方式来获得结果.Act-Morphia 依托与
1. 概述
Mongodb 2.2 开始就提供了数据 Aggregation Pipeline (聚合管道) 用于简单数据分析统计,包括计数(count),求和(sum),均值(average),标准差(stddev) 等. 这个特性相较以前的 Map Reduce 方式提升了很多. 遗憾的是在服务端代码上使用 Aggregation Pipeline 还是需要使用比较繁复的 API, 包括 Spring Data 和 Morphia 提供的 API. 这大多是因为 Aggregation Pipeline 需要兼顾各种情况, 比如嵌入数组的 rewind, 还有对第一次聚合数据进行再聚合等.
在很多常用情况下, 应用只需要简单的分组聚合, 最多对聚合结果数据进行过滤和排序. 这时候我们希望能通过更简单的方式来获得结果. Act-morphia 插件在最新发布的 1.7.2 版本中提供了一组简单易用的 API 来实现常用聚合逻辑.
2. API 简介
Act-Morphia 依托与 Morphia 库 实现了 Act-DB 框架. 下面是 Act-Morphia 的简单介绍. 已经了解 Act-Morphia 的同学可以直接跳到后面的数据聚合章节.
2.1 Entity (实体类)
任何被 org.mongodb.morphia.annotations.Entity
注解的类. 我们推荐应用实体类继承 MorphiaModel
或者 MorphiaAdaptiveRecord
.
示例:
@Entity("order") public class Order extends MorphiaModel<Order> { public int price; @Property("reg") public String region; @Property("dep") public String department; }
(注: 因为本文重点在于数据聚合, 所以 Order 的一些必要属性, 比如产品编号之类的信息在该模型中省却了)
2.2 Dao (数据库访问组件)
Act 定义了通用 Dao 接口, 在不同插件实现下提供对 SQL 和 MongoDB 的访问. Act-Morphia 是基于 Morphia 库的实现 MorphiaDao, 为应用提供 MongoDB 数据访问. 使用 Dao 的方式是直接在服务类中注入相关实现. 假设我们有一个访问 Order 数据的 RESTful 服务, 可以这样来是用 Dao:
@UrlContext("orders") public class OrderService { @Inject // 这里注入 MorphiaDao, 其类型参数必须设置为 `Order` private MorphiaDao<Order> dao; @GetAction public Iterable<Order> listAll() { return dao.q(); // dao.q() 返回一个新建的 MorphiaQuery 实例, 其实现了 Iterable<Order> 接口 } @GetAction("{order}") public Order fetch(@DbBind Order order) { // ActFramework 自动从 URL 路径中拿到 order 的 ID, 并从数据库中加载为 order 实例 return order; } @PostAction public Order create(Order order) { // ActFramework 自动从 JSON 或者 Form 数据中 return dao.save(order); } @PutAction("{order}/price") public void updatePrice(@DbBind @NotNull Order order, int newPrice) { order.price = newPrice; dao.save(order); } @DeleteAction("{order}") public void delete(@DbBind @NotNull Order order) { dao.delete(order); } }
2.3 简单数据聚合 API
2.3.1 SimpleAggregation
类
提供了简单的 Aggregation Pipeline 封装, 用于帮助应用构建并发送 Aggregation Pipeline 到 MongoDB 以获取聚合结果. 应用通常不会直接创建 SimpleAggregation
实例. 基本上都通过一下方式获得 SimpleAggregation
:
-
MorphiaDao.aggregation()
或其简写MorphiaDao.a()
: 获得一个没有 Where 条件的SimpleAggregation
. -
MorphiqQuery.aggregation()
: 获得一个带 Where 条件的SimpleAggregation
, 条件由 Query 定义
拿到 SimpleAggregation
实例之后可以链式调用下面的 API:
-
groupCount(String key1, String ... otherKeys)
- 分组计数 -
groupSum(String key1, String ... otherKeys)
- 分组求和 -
groupAverage(String key1, String ... otherKeys)
- 分组求均值 -
groupStdDev(String key1, String ... otherKeys)
- 分组求标准差 -
groupSampleStdDev(String key1, String ... otherKeys)
- 分组求抽样标准差 -
atLeast(Number)
- 过滤聚合数据, 要求必须大于或等于给定参考值 -
atMost(Number)
- 过滤聚合数据, 要求必须小于或等于给定参考值 -
greaterThan(Number)
- 过滤聚合数据, 要求必须大于给定参考值 -
lessThan(Number)
- 过滤聚合数据, 要求必须小于给定参考值 -
between(minInclusive, maxExclusive)
- 过滤聚合数据, 要求必须大于或等于第一个参数, 小于第二个参数 -
sorted()
- 将聚合数据按数值大小升序排列 -
sorted(true)
- 将聚合数据按数值大小降序排列 -
get()
- 返回一个AggregationResult<Double>
的对象, 数值类型为 Double -
getAsInt()
- 返回一个AggregationResult<Integer>
的对象, 数值类型为 Integer -
getAsLong()
- 返回一个AggregationResult<Long>
的对象, 数值类型为 Long -
getAsMap()
- 返回一个Map<Object, Double>
类型的聚合结果, key 为分组数据, val 为数值 -
getAsIntMap()
- 返回一个Map<Object, Integer>
类型的聚合结果, key 为分组数据, val 为数值 -
getAsLongMap()
- 返回一个Map<Object, Long>
类型的聚合结果, key 为分组数据, val 为数值
2.3.2 AggregationResult
类
封装 MongoDB 聚合返回的结果. 因为 MongoDB 返回的聚合结果是一个 Cursor(游标), 通过 Cursor 取回的数据是一个 DBObject 的列表, 并不是非常方便应用使用. AggregationResult
类提供了一套简单的 API 供应用访问聚合结果
-
val()
返回聚合结果 - 用于 sum, average, stdDev 不分组的情况访问聚合结果数据 -
val(Object groupValue, Object... groupValues)
按照分组数据返回聚合结果数据, 分组数据的给出顺序应该和SimpleAggregation.groupXxx
方法中给出的分组顺序一致. -
val(Map<String, Object> groupValues)
- 按照分组数据返回聚合结果, 分组数据和分组名字对应. -
Map<Object, T> asMap()
- 返回所有分组的聚合结果并依照分组数据索引.
3. 实例分析
下面我们将使用上节中的简单例子来介绍 Act-morphia 的简单聚合 API 如何满足常用的数据聚合需求.
@UrlContext("order/aggregations") public class OrderAggregationService { @Inject private MorphiaDao<Order> dao; /** * 统计一共有多少订单. * * 这个可以直接用 Dao 上的 count() 方法, 无需使用聚合管道 */ @GetAction("count") public long count() { return dao.count(); } /** * 按照地区统计订单数量 * * 直接构造 MorphiaQuery 对象并使用其 count() 方法 * 这个方法也无需聚合管道 */ @GetAction("/regions/{region}/count") public long countByRegion(String region) { // 使用字段名构造查询 return dao.q("region", region).count(); // 也可以使用 MongoDB column 名字来构造查询: // return dao.q("reg", region).count(); } /** * 按照部门统计订单数量 * * 直接构造 MorphiaQuery 对象并使用其 count() 方法 * 这个方法也无需聚合管道 */ @GetAction("/departments/{department}/count") public long countByDepartment(String department) { // 使用字段名构造查询 return dao.q("department", department).count(); // 也可以使用 MongoDB column 名字来构造查询: // return dao.q("dep", department).count(); } /** * 按照地区以及部门统计订单数量 * * 直接构造 MorphiaQuery 对象并使用其 count() 方法 * 这个方法也无需聚合管道 */ @GetAction("/region={region},department={department}/count") public long countByRegionAndDepartment(String region, String department) { // 使用字段名构造查询 return dao.q("region,department", region, department).count(); // 也可以使用 MongoDB column 名字来构造查询: // return dao.q("reg,dep", region, department).count(); } /** * 一次性获得按地区分组统计订单数量的聚合结果 * * 返回的 Map key 为地区, value 为该地区的订单数量 */ @GetAction("/regions/~group-count~") public Map<Object, Long> groupCountByRegion() { return dao.a().groupCount("region").getAsLongMap() } /** * 一次性获得按部门分组统计订单数量的聚合结果 * * 返回的 Map key 为部门, value 为该部门的订单数量 */ @GetAction("/departments/~group-count~") public Map<Object, Long> groupCountByDepartment() { return dao.a().groupCount("department").getAsLongMap() } /** * 一次性获得按部门分组统计订单数量的聚合结果 * * 返回的 Map key 为地区与部门列表, value 为该地区,部门对应的订单数量 */ @GetAction("/~region-department~/~group-count~") public Map<Object, Long> groupCountByRegionAndDepartment() { return dao.a().groupCount("region,department").getAsLongMap(); } /** * 一次性获得部门分组统计小订单数量的聚合结果 * * @param priceTarget - 订单价格, 小于该价格的订单为小订单 * @return 返回的 Map key 为部门, value 为该部门的订单数量 */ @GetAction("/departments/~group-count~/~small-orders~/") public Map<Object, Long> groupCountByDepartmentForSmallOrders(int priceTarget) { return dao.q("price <", priceTarget).groupBy("department").count().getAsLongMap(); } /** * 返回所有订单的价格汇总 */ @GetAction("sum") public Long sum() { return dao.q().longSum("price"); // 或者这样: // return dao.a().groupSum("price", null).getAsLong().val(); } /** * 返回所有小订单的价格汇总 * * @param priceTarget - 订单价格, 小于该价格的订单为小订单 */ @GetAction("sum/~small-orders~") public Long sumSmallOrders(@NotNull Integer priceTarget) { return dao.q("price <", priceTarget).longSum("price"); } /** * 返回部门订单价格汇总 * * @param department - 指定部门 */ @GetAction("/departments/{department}/sum") public Long sumByDepartment(String department) { return dao.q("department", department).longSum("price"); } /** * 返回地区及部门订单价格汇总 * * @param region - 指定地区 * @param department - 指定部门 */ @GetAction("region={region},department={department}/sum") public Long sumByDepartment(String region, String department) { return dao.q("region,department", region, department).longSum("price"); } /** * 返回按地区分组价格汇总 * * @return Map 的 key 为地区, value 为该地区价格汇总 */ @GetAction("regions/~group-sum~") public Map<Object, Long> groupSumByRegion() { return dao.a().groupSum("price", "region").getAsLongMap(); // 或者这样 // return dao.q().groupBy("region").sum("price").getAsLongMap(); } /** * 返回按地区分组价格汇总, 过滤掉业绩达标的记录. * * 注意, 我们这次不能直接在查询中构造过滤条件, 而是使用 SimpleAggregation 的 lessThan 方法, * 这是因为查询条件是过滤数据库原始数据的, 而该方法需要过滤汇总后的数据. 简单的说, 查询条件 * 相当于 SQL 中的 where 子句, 而我们需要的 SQL 的 having 子句. * * @param priceTarget - 达标业绩 * @return Map 的 key 为地区, value 为该地区价格汇总 */ @GetAction("departments/~group-sum~/~bad-performance~") public Map<Object, Long> groupSumByRegionBadPerformance(int priceTarget) { return dao.q().groupBy("region").sum("price").lessThan(priceTarget).getAsLongMap(); } /** * 返回按地区分组平均价格 * * @return Map 的 key 为地区, value 为该地区平均价格 */ @GetAction("regions/~group-average~") public Map<Object, Double> groupAverageByRegion() { return dao.q().groupBy("region").average("price").getAsMap(); } /** * 返回按地区分组价格标准差 * * @return Map 的 key 为地区, value 为该地区标准差 */ @GetAction("regions/~group-std-dev~") public Map<Object, Double> groupStdDevByRegion() { return dao.q().groupBy("region").stdDev("price").getAsMap(); } /** * 返回按地区分组价格抽样标准差. * * 当数据量特别大的时候可以使用抽样统计标准差 * * @param samples 样本数量 * @return Map 的 key 为地区, value 为该地区抽样标准差 */ @GetAction("regions/~group-sample-std-dev~") public Map<Object, Double> groupStdDevByRegion(int samples) { return dao.q().groupBy("region").sampleStdDev("price", samples).getAsMap(); } }
4. 总结
本文简要介绍了 act-morphia 1.7.2 版本带来的新的聚合 API 以及使用方式, 希望能帮助到使用 act 操作 mongodb 数据库的同学. 如果大家对此有意见或者建议, 请在下面提出您宝贵的意见
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 监控聚合器系列之: open-falcon新聚合器polymetric
- elasticsearch学习笔记(七)——快速入门案例实战之电商网站商品管理:嵌套聚合,下钻分析,聚合分析
- mongodb高级聚合查询
- MongoDB聚合(aggregate)
- mongodb 聚合管道
- MongoDB指南---16、聚合
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。