Agregación

Analogía

Las operaciones de agregación funcionan de forma similar a las fábricas de automóviles con líneas de montaje. Estas líneas cuentan con estaciones con herramientas especializadas para realizar tareas específicas. Por ejemplo, al fabricar un automóvil, la línea de montaje comienza con el chasis. A medida que este avanza por la línea, cada estación ensambla una pieza independiente. El resultado es un producto final transformado: el automóvil terminado.

La línea de ensamblaje representa la cadena de agregación, las estaciones individuales representan las etapas de agregación, las herramientas especializadas representan los operadores de expresión y el producto terminado representa el resultado agregado.

Información sobre la edad por género

El siguiente ejemplo calcula la edad promedio, mínima y máxima de los usuarios interesados ​​en cada género.

El proceso de agregación contiene las siguientes etapas:

• Una etapa $unwind para separar cada entrada de la matriz en el campo genre_interests en un nuevo documento.

• Una etapa $group para agrupar documentos según el valor del campo genre_interests. Esta etapa calcula la edad promedio, mínima y máxima del usuario mediante los operadores $avg, $min y $max.

let age_pipeline = vec![
    doc! { "$unwind": doc! { "path": "$genre_interests" } },
    doc! { "$group": doc! {
        "_id": "$genre_interests",
        "avg_age": doc! { "$avg": "$age" },
        "min_age": doc! { "$min": "$age" },
        "max_age": doc! { "$max": "$age" }
    } }
];
let mut results = my_coll.aggregate(age_pipeline).await?;
while let Some(result) = results.try_next().await? {
    println!("* {:?}", result);
}

* { "_id": "memoir", "avg_age": 25.8, "min_age": 18, "max_age": 39 }
* { "_id": "sci-fi", "avg_age": 42, "min_age": 18, "max_age": 66 }
* { "_id": "fiction", "avg_age": 33.333333333333336, "min_age": 16, "max_age": 66 }
* { "_id": "nonfiction", "avg_age": 53.5, "min_age": 31, "max_age": 76 }
* { "_id": "self help", "avg_age": 56, "min_age": 56, "max_age": 56 }
* { "_id": "poetry", "avg_age": 39, "min_age": 39, "max_age": 39 }
* { "_id": "literary", "avg_age": 49.5, "min_age": 21, "max_age": 76 }
* { "_id": "fantasy", "avg_age": 34.666666666666664, "min_age": 18, "max_age": 66 }
* { "_id": "mystery", "avg_age": 24.666666666666668, "min_age": 20, "max_age": 31 }
* { "_id": "theory", "avg_age": 33, "min_age": 21, "max_age": 45 }
* { "_id": "art", "avg_age": 39, "min_age": 39, "max_age": 39 }
* { "_id": "sports", "avg_age": 22.5, "min_age": 16, "max_age": 29 }

Agrupar por componente de tiempo

El siguiente ejemplo busca cuántos usuarios estuvieron activos por última vez en cada mes.

El proceso de agregación contiene las siguientes etapas:

• $project Etapa para extraer el mes del campo last_active como un número en el campo month_last_active

• $group Etapa para agrupar documentos por el campo month_last_active y contar el número de documentos para cada mes.

• $sort Etapa para establecer una ordenación ascendente por mes

let last_active_pipeline = vec![
    doc! { "$project": { "month_last_active" : doc! { "$month" : "$last_active" } } },
    doc! { "$group": doc! { "_id" : doc! {"month_last_active": "$month_last_active"} ,
    "number" : doc! { "$sum" : 1 } } },
    doc! { "$sort": { "_id.month_last_active" : 1 } }
];
let mut results = my_coll.aggregate(last_active_pipeline).await?;
while let Some(result) = results.try_next().await? {
    println!("* {:?}", result);
}

* { "_id": { "month_last_active": 1 }, "number": 3 }
* { "_id": { "month_last_active": 5 }, "number": 4 }
* { "_id": { "month_last_active": 6 }, "number": 1 }
* { "_id": { "month_last_active": 7 }, "number": 1 }
* { "_id": { "month_last_active": 8 }, "number": 2 }
* { "_id": { "month_last_active": 11 }, "number": 1 }

Calcular géneros populares

El siguiente ejemplo encuentra los tres géneros más populares según la frecuencia con la que aparecen en los intereses de los usuarios.

El proceso de agregación contiene las siguientes etapas:

• $unwind Etapa para separar cada entrada de la matriz en el campo genre_interests en un nuevo documento

• $group Etapa para agrupar documentos por el campo genre_interests y contar el número de documentos para cada género

• $sort escenario para establecer una clasificación descendente según la popularidad del género

• $limit escenario para mostrar solo los tres primeros géneros

let popularity_pipeline = vec![
    doc! { "$unwind" : "$genre_interests" },
    doc! { "$group" : doc! { "_id" : "$genre_interests" , "number" : doc! { "$sum" : 1 } } },
    doc! { "$sort" : doc! { "number" : -1 } },
    doc! { "$limit": 3 }
];
let mut results = my_coll.aggregate(popularity_pipeline).await?;
while let Some(result) = results.try_next().await? {
    println!("* {:?}", result);
}

* { "_id": "fiction", "number": 6 }
* { "_id": "memoir", "number": 5 }
* { "_id": "literary", "number": 4 }

Búsqueda vectorial de MongoDB

Puede realizar búsquedas de similitud en incrustaciones vectoriales mediante la función de Búsqueda de Vectores de MongoDB. Para obtener más información, consulte la guía de Búsqueda de Vectores de MongoDB.

Documentación de la API

Para obtener más información sobre los métodos y tipos mencionados en esta guía, consulte la siguiente documentación de API:

• agregar()

• Opciones agregadas