Mongo散記--彙總（aggregation）& 查詢（Query），mongoaggregation

Mongo散記--彙總（aggregation）& 查詢（Query），mongoaggregation

mongo官網：http://www.mongodb.org/

工作中使用到Mongo，但是沒有系統的學習研究過Mongo，僅對工作過程中，在Mongo的使用過程中的一些知識點做一下記錄，並隨時補充，達到總結備忘的目的。

本篇主要終結記錄彙總和查詢。

彙總（aggregation）

Count

db.view_view.count()

db.view_view.count({_id:"521842"})

db.view_view.find().count()

db.view_view.find({_id:"521842"}).count()

Distinct

db.view_view.distinct("_id")

db.view_view.distinct("view") view是個數組，會把每個數組的元素都distinct一下

Group

db.invoke_stat.group({    key:{ip:true},    cond:{        date:{$gte:ISODate("2014-07-09 16:00:00"),$lt:ISODate("2014-07-10 16:00:00")}    },    reduce:function(curr,result){        result.count += curr.times;    },    initial:{count:0},    finalize:function(result) {result.count =  '$' + result.count}});db.view_view.group({    keyf:function(doc){return {view_num:doc.view.length}},    reduce:function(curr,result){        result.count += 1;        result.id = curr._id;    },    initial:{count:0}});

關於以上兩個group的解釋：

key/keyf：要按照進行分組的列，key是直接選取表中的列，kef是一個函數，對列進行一些處理，函數結果要返回一個對象，比如{view_num:doc.view.length}，doc.view.length，是表中的數組列view的長度。

cond：是要過濾的查詢條件

reduce：處理函數

initial：返回列的初始值

finalize：對reduce的結果進行進一步處理，比如格式化

MapReduce

db.invoke_stat.mapReduce(  function(){      var key = this.ip;      emit(key,{r_times:this.times})  },  function(key,emits){      total=0;      for(var k in emits) {          total+=emits[k].r_times;      }      return {r_times:total}  },  {out:'mr'})

以上：r_times是我們定義的要返回的列的名稱，ip和times是表中的列，mr是我們要把MapReduce的計算結果存入名稱為mr的集合中。

mapReduce的原型為：function (map, reduce, optionsOrOutString)，下面具體介紹一下函數的三個參數：

map函數，它會遍曆集合中的每一個文檔，this表示文檔，它使用emit方法將文檔按鍵分組，並返回需要統計的資料；

reduce函數，它將收集資料並統計，兩個參數分別為map函數返回的key值和資料數組；

optionsOrOutString參數為一個對象，定義了一些額外工作，比如上面的列子中使用out參數將統計結果放入到mr集合中，集合不存在則建立，存在了則覆蓋。

參數optionsOrOutString對象除了out鍵以外還有其它一些鍵：

finalize函數，同group的finalize完成器一樣，可以對reduce的結果做一些處理；

query文檔，在map函數前對文檔過濾；

sort文檔，在map函數前對文檔排序，必須先對排序的欄位建立索引；

limit整數，在map函數前設定文檔數量；

scope文檔，js函數中用到的變數，用戶端可以通過scope傳遞一些值；

jsMode布爾，指定了map和reduce函數間傳遞的對象使用BSON格式還是javascript對象，預設值false，表示採用BSON格式，優點是中間的BSON資料會被存在硬碟上，所以傳遞的資料量可以很大，但會影響效能；採用javascript對象，效能較高，但只能傳遞50萬個不同的key值；

verbos布爾，預設true，顯示詳細的時間統計資訊。

以上可以看出MapReduce的強大，可以很輕鬆的實現不同的統計功能。

查詢（Query）

mongo查詢文法：

db.access_logs_140701.find({jxTime:{$gt:1407011300,$lt:1407011400},"curl.sku":"99978033"}).sort({jxTime:-1}).skip(1).limit(100)

db.invoke_stat.find({date:{$gte:ISODate("2014-07-09 10:00:00"),$lt:ISODate("2014-07-09 11:00:00")}})

db.view_view.find({view:{$size:10}}) 查詢數組長度未10的，當前Mongo不直接支援資料長度範圍查詢，比如查詢資料長度<10的，只能MapReduce編程實現

無線路由設定裡的Aggregation MSDU(A-MSDU)是做什的？

在通道的競爭中所產生的衝突，以及為解決衝突而引入的退避機制都大大降低了系統的輸送量。802.11n為瞭解決MAC層的這兩個問題，採用了幀彙總（FrameAggregation）技術和BlockAcknowledgement機制。

幀彙總技術又包含針對MSDU的彙總（A-MSDU）和針對MPDU的彙總(A-MPDU)：

A-MSDU

A-MSDU技術是指把多個MSDU通過一定的方式彙總成一個較大的載荷。這裡的MSDU可以認為是Ethernet報文。通常，當AP或無線用戶端從協議棧收到報文（MSDU）時，會打上Ethernet報文頭，這裡我們稱之為A-MSDUSubframe；而在通過射頻口發送出去前，需要逐一將其轉換成802.11報文格式。而A-MSDU技術旨在將若干個A-MSDUSubframe彙總到一起，並封裝為一個802.11報文進行發送。從而減少了發送每一個802.11報文所需的PLCPPreamble、PLCPHeader和802.11MAC頭的開銷，同時減少了應答幀的數量，提高了報文發送的效率。

A-MPDU

與A-MSDU不同的是，A-MPDU彙總的是經過802.11報文封裝後的MPDU，這裡的MPDU是指經過802.11封裝過的資料幀。通過一次性發送若干個MPDU，減少了發送每個802.11報文所需的PLCPPreamble、PLCPHeader，從而提高系統輸送量。
 
問aggregate與aggregation都做名詞解時有什不同

aggregate 是指事物的總和，比如數字總和，人數總和等，是一種側重強調事物在數量的集合；
aggregation是指叢集效應，比如城市叢集，電路叢集等，該詞傾向於形容事物在規模上的聚集；