mongodb快速聚合

1.  统计转化中的指定活动的ip出现次数:

var match ={"$match":{"_id" : /^3380.*$/}};

var group= {$group : {_id : {"campaign_id":"$campaign_id","ip":"$ip"},"ip_count":{$sum : 1},"ipset":{$addToSet : "$ip"}}};

mclog@mc-arch-mongo-ems-172-17-0-6> db.conversion_20170906.aggregate([match,group])

{ "_id" : { "campaign_id" : "3380", "ip" : "211.103.82.151" }, "ip_count" : 1, "ipset" : [ "211.103.82.151" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "106.39.191.44" }, "ip_count" : 1, "ipset" : [ "106.39.191.44" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "106.39.191.65" }, "ip_count" : 1, "ipset" : [ "106.39.191.65" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "14.116.141.129" }, "ip_count" : 1, "ipset" : [ "14.116.141.129" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "106.39.189.241" }, "ip_count" : 1, "ipset" : [ "106.39.189.241" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "223.104.94.26" }, "ip_count" : 1, "ipset" : [ "223.104.94.26" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "14.116.142.199" }, "ip_count" : 1, "ipset" : [ "14.116.142.199" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "116.226.119.56" }, "ip_count" : 1, "ipset" : [ "116.226.119.56" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "14.152.68.164" }, "ip_count" : 1, "ipset" : [ "14.152.68.164" ] }

{ "_id" : { "campaign_id" : "3380", "ip" : "14.215.160.238" }, "ip_count" : 1, "ipset" : [ "14.215.160.238" ] }

2. 统计转化中出现的所有ip (问题,此处的couont是记录数并不是ip真正出现的数量,怎么解决?ip!=""?):

var group= {$group : {_id : "$campaign_id","ip_count":{$sum : 1},"ipset":{$addToSet : "$ip"}}};
{ "_id" : "3380", "ip_count" : 28, "ipset" : [ "14.116.141.129", "14.116.142.199", "106.39.191.65", "14.116.142.83", "218.18.147.233", "59.54.47.246", "14.215

.160.152", "14.215.160.93", "116.226.19.165", "106.39.189.241", "119.39.18.25", "106.39.191.44", "223.104.94.26", "14.152.69.176", "14.116.141.63", "223.104.2

4.115", "14.152.69.107", "14.215.160.238", "211.103.82.151", "124.239.176.61", "175.188.164.228", "175.188.162.90", "223.104.10.29", "14.152.69.84", "116.226.

119.56", "117.136.45.152", "211.103.82.178", "14.152.68.164" ] }

3.  统计测试活动的点击数和ip

var match ={"$match":{"_id" : /^3806.*$/}};
var group= {$group : {_id : "$campaign_id","ip_count":{$sum : 1},"ipset":{$addToSet : "$ip"}}};

db.click_20170906.aggregate([match,group])

{ "_id" : 3806, "ip_count" : 3, "ipset" : [ "119.57.32.69" ] }



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 212,884评论 6 492
  • 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 90,755评论 3 385
  • 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 158,369评论 0 348
  • 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 56,799评论 1 285
  • 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 65,910评论 6 386
  • 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 50,096评论 1 291
  • 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 39,159评论 3 411
  • 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 37,917评论 0 268
  • 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 44,360评论 1 303
  • 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 36,673评论 2 327
  • 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 38,814评论 1 341
  • 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 34,509评论 4 334
  • 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 40,156评论 3 317
  • 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 30,882评论 0 21
  • 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 32,123评论 1 267
  • 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 46,641评论 2 362
  • 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 43,728评论 2 351

推荐阅读更多精彩内容