mongodb 高级语法

mongo一些基本语法概念:

  1. aggregate方法中的本质是一系列的 pipeline, 会按定义的顺序一个一个串联执行,前一个pipeline的结果是后一个pipeline的参数.
  2. 字段与字段的比较需要使用特殊手段,如$redact$expr
  3. 时间戳格式化需要用到$dateToString,需要注意时区问题.

前置条件:

  1. mongodb版本: 4.2.1
  2. collection数据结构: t_wechat_user
{
  "_id": "ObjectId(\"5f5f3ef2b53b633689108dfs\")",
  "open_id": "o69xlwMzwkhTIlYoFGEWeHzUtles",
  "app_id": "wxa82301b25sdf0153",
  "subscribe_time": "NumberLong(1578880338000)",
  "custom_time": "NumberLong(1638328107017)",
  "subject": "游戏原画",
  "create_time": "ISODate(\"2020-09-14T09:59:14.955Z\")",
  "update_time": "ISODate(\"2021-12-01T05:37:35.962Z\")"
}

custom_time 和 subscribe_time 类型为时间戳毫秒数
正常情况 subscribe_time 一般在 custom_time 之前
但 subscribe_time 也有可能在 custom_time 之后

需求1:

按 subject 统计某个custom_time区间的 custom_time 在 subscribe_time 之后且不超过7天的间隔时间平均值,翻译成sql语言类似下面这样

SELECT subject, avg( custom_time - subscribe_time ) from t_wechat_user
WHERE
    custom_time BETWEEN 1635696000000 AND 1638288000000 
    AND custom_time > subscribe_time 
    AND ( custom_time - subscribe_time ) < 604800000 
GROUP BY subject

对应mongo写法如下

db.t_wechat_user.aggregate([{
    $match: {
        custom_time: {
            "$gte": 1635696000000,
            "$lt": 1638288000000
        }
    }
}, {
    $redact: {
        $cond: {
            if : {
               $and:[{"$gt":["$custom_time","$subscribe_time"]}, {"$lt": [{"$subtract": ["$custom_time", 604800000]}, "$subscribe_time"]}]
            },
            then: "$$KEEP",
            else : "$$PRUNE"
        }
    }
}, {
    $project: 
    {
        custom_time: 1,
        subject: 1,
        "subTime": {
            "$subtract": ["$custom_time", "$subscribe_time"]
        }
    }
}, {
    $group: {
        _id: "$subject",
        myCount: { $sum: 1 },
        subTimeAvg: {
            $avg: "$subTime"
        }
    }
}]);

需求2:

按日统计某个custom_time区间的 custom_time 在 subscribe_time 之后且不超过7天的间隔时间平均值,翻译成sql语言类似下面这样

SELECT  DATE_FORMAT(custom_time,"%Y-%m-%d") AS day, avg( custom_time - subscribe_time ) from t_wechat_user
WHERE
    custom_time BETWEEN 1635696000000 AND 1638288000000 
    AND custom_time > subscribe_time 
    AND ( custom_time - subscribe_time ) < 604800000 
GROUP BY  DATE_FORMAT(custom_time,"%Y-%m-%d")

这里就涉及到如何将时间戳转换成指定的日期格式,需要用到$dateToString函数,需要注意时区问题

db.t_wechat_user.aggregate([{
    $match: {
        custom_time: {
            "$gte": 1635696000000,
            "$lt": 1638288000000
        }
    }
}, {
    $redact: {
        $cond: {
            if : {
               $and:[{"$gt":["$custom_time","$subscribe_time"]}, {"$lt": [{"$subtract": ["$custom_time", 604800000]}, "$subscribe_time"]}]
            },
            then: "$$KEEP",
            else : "$$PRUNE"
        }
    }
}, {
    $project: 
    {
        custom_time: 1,
        subject: 1,
        "subTime": {
            "$subtract": ["$custom_time", "$subscribe_time"]
        }
    }
}, {
    $group: {
        _id: { $dateToString: { format: "%Y-%m-%d", date:{$add:[ISODate("1970-01-01T00:00:00Z"),"$custom_time"]},timezone: "+08:00" }},
        myCount: { $sum: 1 },
        subTimeAvg: {
            $avg: "$subTime"
        }
    }
}]);

需求3:

如果我只是想查询出这些数据,而不是分组统计呢?

SELECT open_id, subject, app_id, subscribe_time, custom_time  FROM t_wechat_user 
WHERE
    custom_time BETWEEN 1635696000000 AND 1638288000000 
    AND custom_time > subscribe_time 
    AND ( custom_time - subscribe_time ) < 604800000

相应的mongo写法如下:

db.t_wechat_user.find({
    custom_time: {
        $gte: 1638288000000,
        $lt: 1638892800000
    },
    $expr: {
        $and: [{
            "$gt": ["$custom_time", "$subscribe_time"]
        }, {
            "$lt": [{
                "$subtract": ["$custom_time", 604800000]
            }, "$subscribe_time"]
        }]
    }
}, {
    open_id: 1,
    subject: 1,
    app_id: 1,
    subscribe_time: 1,
    custom_time: 1
});

到这里可能有人已经发现,前面两个需求其实还可以换一种写法,把$redact这一步可以并入到$match这个pipeline里面去,写法如下:

db.t_wechat_user.aggregate([{
    $match: {
        custom_time: {
            "$gte": 1635696000000,
            "$lt": 1638288000000
        },
        $expr: {
            $and: [{
                "$gt": ["$custom_time", "$subscribe_time"]
            }, {
                "$lt": [{
                    "$subtract": ["$custom_time", "$subscribe_time"]
                }, 604800000]
            }]
        }
    }
}, {
    $project: {
        custom_time: 1,
        subject: 1,
        "subTime": {
            "$subtract": ["$custom_time", "$subscribe_time"]
        }
    }
}, {
    $group: {
        _id: "$subject",
        myCount: {
            $sum: 1
        },
        subTimeAvg: {
            $avg: "$subTime"
        }
    }
}]);
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,546评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,224评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,911评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,737评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,753评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,598评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,338评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,249评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,696评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,888评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,013评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,731评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,348评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,929评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,048评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,203评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,960评论 2 355

推荐阅读更多精彩内容