Docs 主页

/ /

聚合管道阶段

Docs 主页

/ /

$graphLookup（聚合）

此版本的文档已存档，不再提供支持。要升级5.0部署，请参阅 MongoDB 6.0升级程序。

已在 3.4 版本中更改。

定义

$graphLookup

对集合执行递归搜索，并提供按照递归深度和查询筛选器限制搜索的选项。

$graphLookup 搜索过程总结如下：

输入文档流入聚合操作的 $graphLookup 阶段。
$graphLookup 将搜索定位到由 from 参数指定的集合（有关搜索参数的完整列表，请参见下文）。
对于每份输入文档，搜索从 startWith 指定的值开始。
$graphLookup 将 startWith 值与 from 集合中其他文档的 connectToField 指定字段进行匹配。
对于每份匹配文档，$graphLookup 获取 connectFromField 的值，并检查 from 集合中的每份文档是否有匹配的 connectToField 值。对于每次匹配，$graphLookup 将 from 集合中的匹配文档添加到由 as 参数命名的数组字段中。
此步骤以递归方式继续，直到找不到更多匹配文档，或者直到操作达到maxDepth参数指定的递归深度。然后，$graphLookup将数组字段追加到输入文档。$graphLookup 在完成对所有输入文档的搜索后返回结果。

$graphLookup 具有以下原型形式：

{
   $graphLookup: {
      from: <collection>,
      startWith: <expression>,
      connectFromField: <string>,
      connectToField: <string>,
      as: <string>,
      maxDepth: <number>,
      depthField: <string>,
      restrictSearchWithMatch: <document>
   }
}

$graphLookup 接受包含以下字段的文档：

字段

说明

from

$graphLookup操作要搜索的目标集合，以递归方式将connectFromField connectToField与进行匹配。from集合无法分片的，且必须与此操作中使用的任何其他集合位于同一数据库中。有关信息，请参阅分片集合。

startWith

表达式，用于指定开始递归搜索的 connectFromField 值。或者，startWith 可以是值数组，每个值在遍历进程中都单独跟踪。

connectFromField

$graphLookupconnectToField字段名称，其值用于以递归方式匹配集合中其他文档的。如果该值为大量，则每个元素都会单独完成遍历进程。

connectToField

其他文档中的字段名称，用于与 connectFromField 参数指定的字段值相匹配。

as

添加到每个输出文档的大量字段的名称。包含在$graphLookup 阶段为访问文档而遍历的文档。

不保证 as 字段中返回的文档按任何顺序排列。

maxDepth

可选。指定最大递归深度的非负整数。

depthField

可选。要添加到搜索路径中每个已遍历文档的字段的名称。该字段的值为文档的递归深度，并用 NumberLong 表示。递归深度值从零开始，因此第一次查找对应于零深度。

restrictSearchWithMatch

可选。指定递归搜索附加条件的文档。语法与查询过滤器语法相同。

您无法在此过滤器中使用任何聚合表达式。例如，您不能使用以下文档来查找 lastName 值与输入文档的 lastName 值不同的文档：

{ lastName: { $ne: "$lastName" } }

您无法在这种情况下使用该文档，因为 "$lastName" 将充当字符串文字，而不是字段路径。

Considerations

分片集合

无法对from中指定的集合进行分片。但是，运行aggregate()方法的集合可以进行分片。也就是说，在以下情况下：

db.collection.aggregate([
   { $graphLookup: { from: "fromCollection", ... } }
])

collection可以进行分片。
无法对fromCollection进行分片。

要连接多个分片集合，请考虑：

修改客户端应用程序以执行手动查找，而不是使用$graphLookup聚合阶段。
如果可能，使用嵌入式数据模型，这样就无需连接集合。

最大深度

将 maxDepth 字段设置为 0 相当于一个非递归的 $graphLookup 搜索阶段。

内存

$graphLookup 阶段必须保持在 100 兆字节的内存限制之内。如果为 aggregate() 操作指定了 allowDiskUse: true，则 $graphLookup 阶段将忽略该选项。如果 aggregate() 操作中还有其他阶段，则 allowDiskUse: true 选项对这些其他阶段有效。

请参阅聚合管道限制，获取更多信息。

视图和排序规则

如果执行的聚合涉及多个视图（如使用 $lookup 或 $graphLookup），则这些视图必须具有相同的排序规则。

示例

单个集合内

名为 employees 的集合包含以下文档：

db.employees.insertMany( [
   { _id: 1, name: "Dev" },
   { _id: 2, name: "Eliot", reportsTo: "Dev" },
   { _id: 3, name: "Ron", reportsTo: "Eliot" },
   { _id: 4, name: "Andrew", reportsTo: "Eliot" },
   { _id: 5, name: "Asya", reportsTo: "Ron" },
   { _id: 6, name: "Dan", reportsTo: "Andrew" }
] )

以下 $graphLookup 操作递归匹配 employees 集合中的 reportsTo 和 name 字段，返回每个人员的报告层次结构：

db.employees.aggregate( [
   {
      $graphLookup: {
         from: "employees",
         startWith: "$reportsTo",
         connectFromField: "reportsTo",
         connectToField: "name",
         as: "reportingHierarchy"
      }
   }
] )

该操作返回以下内容：

{
   _id: 1,
   name: "Dev",
   reportingHierarchy: [ ]
}
{
   _id: 2,
   name: "Eliot",
   reportsTo: "Dev",
   reportingHierarchy : [
      { _id: 1, name: "Dev" }
   ]
}
{
   _id: 3,
   name: "Ron",
   reportsTo: "Eliot",
   reportingHierarchy: [
      { _id: 2, name: "Eliot", reportsTo: "Dev" },
      { _id: 1, name: "Dev" }
   ]
}
{
   _id: 4,
   name: "Andrew",
   reportsTo: "Eliot",
   reportingHierarchy: [
      { _id: 2, name: "Eliot", reportsTo: "Dev" },
      { _id: 1, name: "Dev" }
   ]
}
{
   _id: 5,
   name: "Asya",
   reportsTo: "Ron",
   reportingHierarchy: [
      { _id: 2, name: "Eliot", reportsTo: "Dev" },
      { _id: 3, name: "Ron", reportsTo: "Eliot" },
      { _id: 1, name: "Dev" }
   ]
}
{
   "_id" : 6,
   "name" : "Dan",
   "reportsTo" : "Andrew",
   "reportingHierarchy" : [
      { _id: 4, name: "Andrew", reportsTo: "Eliot" },
      { _id: 2, name: "Eliot", reportsTo: "Dev" },
      { _id: 1, name: "Dev" }
   ]
}

下表提供文档 { "_id" : 5, "name" : "Asya", "reportsTo" : "Ron" } 的遍历路径：

起始值

文档的 reportsTo 值：

{ ... reportsTo: "Ron" }

深度 0

{ _id: 3, name: "Ron", reportsTo: "Eliot" }

深度 1

{ _id: 2, name: "Eliot", reportsTo: "Dev" }

深度 2

{ _id: 1, name: "Dev" }

输出生成层次结构Asya -> Ron -> Eliot -> Dev。

跨多个集合

与 $lookup 一样，$graphLookup 可以访问同一数据库中的另一个集合。

例如，创建一个包含两个集合的数据库：

包含以下文档的 airports 集合：

db.airports.insertMany( [
   { _id: 0, airport: "JFK", connects: [ "BOS", "ORD" ] },
   { _id: 1, airport: "BOS", connects: [ "JFK", "PWM" ] },
   { _id: 2, airport: "ORD", connects: [ "JFK" ] },
   { _id: 3, airport: "PWM", connects: [ "BOS", "LHR" ] },
   { _id: 4, airport: "LHR", connects: [ "PWM" ] }
] )

包含以下文档的 travelers 集合：
```
db.travelers.insertMany( [
   { _id: 1, name: "Dev", nearestAirport: "JFK" },
   { _id: 2, name: "Eliot", nearestAirport: "JFK" },
   { _id: 3, name: "Jeff", nearestAirport: "BOS" }
] )
```

对于travelers集合中的每个文档，以下聚合操作会在airports集合中查找nearestAirport值，并以递归方式将connects字段与airport字段进行匹配。该操作指定最大递归深度为2。

db.travelers.aggregate( [
   {
      $graphLookup: {
         from: "airports",
         startWith: "$nearestAirport",
         connectFromField: "connects",
         connectToField: "airport",
         maxDepth: 2,
         depthField: "numConnections",
         as: "destinations"
      }
   }
] )

操作返回以下结果：

{
   _id: 1,
   name: "Dev",
   nearestAirport: "JFK",
   destinations: [
      { _id: 3,
        airport: "PWM",
        connects: [ "BOS", "LHR" ],
        numConnections: NumberLong(2) },
      { _id: 2,
        airport: "ORD",
        connects: [ "JFK" ],
        numConnections: NumberLong(1) },
      { _id: 1,
        airport: "BOS",
        connects: [ "JFK", "PWM" ],
        numConnections: NumberLong(1) },
      { _id: 0,
        airport: "JFK",
        connects: [ "BOS", "ORD" ],
        numConnections: NumberLong(0) }
   ]
}
{
   _id: 2,
   name: "Eliot",
   nearestAirport: "JFK",
   destinations: [
      { _id: 3,
        airport: "PWM",
        connects: [ "BOS", "LHR" ],
        numConnections: NumberLong(2) },
      { _id: 2,
        airport: "ORD",
        connects: [ "JFK" ],
        numConnections: NumberLong(1) },
      { _id: 1,
        airport: "BOS",
        connects: [ "JFK", "PWM" ],
        numConnections: NumberLong(1) },
      { _id: 0,
        airport: "JFK",
        connects: [ "BOS", "ORD" ],
        numConnections: NumberLong(0) } ]
}
{
   "_id" : 3,
   name: "Jeff",
   nearestAirport: "BOS",
   destinations: [
      { _id: 2,
        airport: "ORD",
        connects: [ "JFK" ],
        numConnections: NumberLong(2) },
      { _id: 3,
        airport: "PWM",
        connects: [ "BOS", "LHR" ],
        numConnections: NumberLong(1) },
      { _id: 4,
        airport: "LHR",
        connects: [ "PWM" ],
        numConnections: NumberLong(2) },
      { _id:: 0,
        airport: "JFK",
        connects: [ "BOS", "ORD" ],
        numConnections: NumberLong(1) },
      { _id:: 1,
        airport: "BOS",
        connects: [ "JFK", "PWM" ],
        numConnections: NumberLong(0) }
   ]
}

下表提供了递归搜索的遍历路径，深度为 2，其中起始 airport 为 JFK：

起始值

travelers 集合中的 nearestAirport 值：

{ ... nearestAirport: "JFK" }

深度 0

{ _id: 0, airport: "JFK", connects: [ "BOS", "ORD" ] }

深度 1

{ _id: 1, airport: "BOS", connects: [ "JFK", "PWM" ] }
{ _id: 2, airport: "ORD", connects: [ "JFK" ] }

深度 2

{ _id: 3, airport: "PWM", connects: [ "BOS", "LHR" ] }

使用查询过滤器

以下示例使用一个包含一组文档的集合，其中包含人员姓名及其朋友和爱好的数组。聚合操作找到一个特定的人，并遍历她的人际网络，以找到在其爱好中列出golf的人。

一个名为 people 的集合包含以下文档：

db.people.insertMany( [
   {
      _id: 1,
      name: "Tanya Jordan",
      friends: [ "Shirley Soto", "Terry Hawkins", "Carole Hale" ],
      hobbies: [ "tennis", "unicycling", "golf" ]
   },
   {
      _id: 2,
      name: "Carole Hale",
      friends: [ "Joseph Dennis", "Tanya Jordan", "Terry Hawkins" ],
      hobbies: [ "archery", "golf", "woodworking" ]
   },
   {
      _id: 3,
      name: "Terry Hawkins",
      friends: [ "Tanya Jordan", "Carole Hale", "Angelo Ward" ],
      hobbies: [ "knitting", "frisbee" ]
   },
   {
      _id: 4,
      name: "Joseph Dennis",
      friends: [ "Angelo Ward", "Carole Hale" ],
      hobbies: [ "tennis", "golf", "topiary" ]
   },
   {
      _id: 5,
      name: "Angelo Ward",
      friends: [ "Terry Hawkins", "Shirley Soto", "Joseph Dennis" ],
      hobbies: [ "travel", "ceramics", "golf" ]
      },
      {
         _id: 6,
         name: "Shirley Soto",
         friends: [ "Angelo Ward", "Tanya Jordan", "Carole Hale" ],
         hobbies: [ "frisbee", "set theory" ]
   }
] )

以下聚合操作使用三个阶段：

$match 会对 name 字段包含字符串 "Tanya Jordan" 的文档进行匹配。返回一个输出文档。
$graphLookup 将输出文档的 friends 字段与集合中其他文档的 name 字段连接，以遍历 Tanya Jordan's 连接网络。该阶段使用 restrictSearchWithMatch 参数，只查找 hobbies 数组包含 golf 的文档。返回一个输出文档。
$project 会确定输出文档的形状。connections who play golf 中列出的名称取自输入文档的 golfers 数组中所列文档的 name 字段。

db.people.aggregate( [
  { $match: { "name": "Tanya Jordan" } },
  { $graphLookup: {
      from: "people",
      startWith: "$friends",
      connectFromField: "friends",
      connectToField: "name",
      as: "golfers",
      restrictSearchWithMatch: { "hobbies" : "golf" }
    }
  },
  { $project: {
      "name": 1,
      "friends": 1,
      "connections who play golf": "$golfers.name"
    }
  }
] )

该操作将返回以下文档：

{
   _id: 1,
   name: "Tanya Jordan",
   friends: [
      "Shirley Soto",
      "Terry Hawkins",
      "Carole Hale"
   ],
   'connections who play golf': [
      "Joseph Dennis",
      "Tanya Jordan",
      "Angelo Ward",
      "Carole Hale"
   ]
}

其他资源

网络研讨会：在 MongoDB 中使用图形数据

后退

$geoNear

来年

$group