使用aggregate在MongoDB中查询重复数据记录的方法
MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。有点类似sql语句中的count(*)。
aggregate()方法
MongoDB中聚合的方法使用aggregate()。
语法
aggregate()方法的基本语法格式如下所示:
>db.COLLECTION_NAME.aggregate(AGGREGATE_OPERATION)
我们知道,MongoDB属于文档型数据库,其存储的文档类型都是JSON对象。正是由于这一特性,我们在Node.js中会经常使用MongoDB进行数据的存取。但由于Node.js是异步执行的,这就导致我们无法保证每一次的数据库save操作都是原子型的。也就是说,如果客户端连续两次发起同一事件将数据存入数据库,很可能会导致数据被重复保存。高并发的情况下,哪怕是你在代码中已经做了非常严格的校验,例如插入数据前判断要保存的数据是否已经存在,但仍然有可能会出现数据被重复保存的风险。因为在异步执行中,你没有办法保证哪个线程先执行,哪个线程后执行,客户端发起的所有请求并非按我们想象的都是顺序执行的。一个较好的解决办法是在Mongo数据库的所有表中创建唯一索引。事实上,MongoDB默认会为所有表创建一个_id字段的唯一索引(可以取消)。如果你想在Node.js中通过mongoose.schema来自动创建索引,可以参考下面的代码:
varmongoose=require('mongoose'); varSchema=mongoose.Schema; varcustomerSchema=newmongoose.Schema({ cname:String, cellPhone,String, sender:String, tag:String, behaviour:Number, createTime:{ type:Date, default:Date.now }, current:{ type:Boolean, default:true } },{ versionKey:false }); customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1},{unique:true});module.exports=mongoose.model('customer',customerSchema);
上面的model中我们定义了表customer的结构,并通过index()方法在字段cname,cellPhone,sender,tag,behaviour上创建了唯一索引,这样当包含这些字段的重复数据被插入时,数据库会抛出异常。借用mongoose,如果数据库表之前已经被创建并且程序正在运行中,当我们修改model并添加索引,然后重新启动app,只要有对该model的访问,mongoose会自动进行检测并创建索引。当然,如果数据出现重复,则索引创建会失败。此时我们可以通过在创建索引时添加dropDups选项,让数据库自动将重复的数据删除,如:
customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1},{unique:true,dropDups:true});
不过据MongoDB的官方说明,自3.0以后的版本不再使用该选项,而且也并没有提供替代的解决办法。貌似官方不再提供创建索引时自动删除重复记录的功能。那如何才能快速有效地找出重复的记录并且删除呢?首先我们要找出这些记录,然后通过remove()方法进行删除。下面的查询语句可以找出给定字段有重复数据的记录:
db.collection.aggregate([ {$group:{ _id:{firstField:"$firstField",secondField:"$secondField"}, uniqueIds:{$addToSet:"$_id"}, count:{$sum:1} }}, {$match:{ count:{$gt:1} }} ])
替换_id属性的值以指定你想要进行判断的字段。相应地,在Node.js中代码如下:
vardeferred=Q.defer(); vargroup={firstField:"$firstField",secondField:"$secondField"}; model.aggregate().group({ _id:group, uniqueIds:{$addToSet:'$_id'}, count:{$sum:1} }).match({count:{$gt:1}}).exec(deferred.makeNodeResolver()); returndeferred.promise;
上述代码使用了Q来替换函数执行中的回调。在Node.js的异步编程中,使用Q来处理回调是个不错的选择。
下面是返回的结果:
/*1*/ { "result":[ { "_id":{ "cellPhone":"15827577345", "actId":ObjectId("5694565fa50fea7705f01789") }, "uniqueIds":[ ObjectId("569b5d03b3d206f709f97685"), ObjectId("569b5d01b3d206f709f97684") ], "count":2.0000000000000000 }, { "_id":{ "cellPhone":"18171282716", "actId":ObjectId("566b0d8dc02f61ae18e68e48") }, "uniqueIds":[ ObjectId("566d16e6cf86d12d1abcee8b"), ObjectId("566d16e6cf86d12d1abcee8a") ], "count":2.0000000000000000 } ], "ok":1.0000000000000000 }
从结果中可以看到,一共有两组数据相同的记录,所以返回的result数组的长度为2。uniqueIds属性为一个数组,其中存放了重复记录的_id字段的值,通过该值我们可以使用remove()方法来查找并删除对应的数据。