集計フレームワークの例

項目一覧

要件

郵便番号データセットを使用した集計
人口が10万を超える州
州別の都市の平均人口

このドキュメントでは、集計フレームワークの機能を示す多数の実用的な例を示します。

郵便番号データセットを使用した集計の例では、米国のすべての郵便番号と人口を含む公開されているデータセットを使用しています。このデータは zips.json で入手できます。

要件

すべてがインストールされているかどうかを確認します。

次のコマンドを使用して、zips.json データセットを mongod インスタンスに読み込みます。

$ mongoimport --drop -d test -c zipcodes zips.json

MongoDB shell を使用して、すべてが正常にインポートされたことを確認します。

$ mongo test
connecting to: test
> db.zipcodes.count()
29467
> db.zipcodes.findOne()
{
      "_id" : "35004",
      "city" : "ACMAR",
      "loc" : [
              -86.51557,
              33.584132
      ],
      "pop" : 6055,
      "state" : "AL"
}

郵便番号データセットを使用した集計

このコレクション内の各ドキュメントの形式は次のとおりです。

{
  "_id" : "35004",
  "city" : "Acmar",
  "state" : "AL",
  "pop" : 6055,
  "loc" : [-86.51557, 33.584132]
}

これらのドキュメントでは、

_idフィールドには、郵便番号が string として保持されます。
city フィールドには、都市名が保持されます。
state フィールドには 2 文字の州の略称が保持されます。
pop フィールドには人口が保持されます。
locフィールドには、ロケーションが[latitude, longitude]配列として保持されます。

人口が10万を超える州

人口が10万を超えるすべての州を取得するには、次の集計パイプラインを使用します。

集計1 .c

#include <mongoc/mongoc.h>
#include <stdio.h>
static void
print_pipeline (mongoc_collection_t *collection)
{
   mongoc_cursor_t *cursor;
   bson_error_t error;
   const bson_t *doc;
   bson_t *pipeline;
   char *str;
   pipeline = BCON_NEW ("pipeline",
                        "[",
                        "{",
                        "$group",
                        "{",
                        "_id",
                        "$state",
                        "total_pop",
                        "{",
                        "$sum",
                        "$pop",
                        "}",
                        "}",
                        "}",
                        "{",
                        "$match",
                        "{",
                        "total_pop",
                        "{",
                        "$gte",
                        BCON_INT32 (10000000),
                        "}",
                        "}",
                        "}",
                        "]");
   cursor = mongoc_collection_aggregate (collection, MONGOC_QUERY_NONE, pipeline, NULL, NULL);
   while (mongoc_cursor_next (cursor, &doc)) {
      str = bson_as_canonical_extended_json (doc, NULL);
      printf ("%s\n", str);
      bson_free (str);
   }
   if (mongoc_cursor_error (cursor, &error)) {
      fprintf (stderr, "Cursor Failure: %s\n", error.message);
   }
   mongoc_cursor_destroy (cursor);
   bson_destroy (pipeline);
}
int
main (void)
{
   mongoc_client_t *client;
   mongoc_collection_t *collection;
   const char *uri_string = "mongodb://localhost:27017/?appname=aggregation-example";
   mongoc_uri_t *uri;
   bson_error_t error;
   mongoc_init ();
   uri = mongoc_uri_new_with_error (uri_string, &error);
   if (!uri) {
      fprintf (stderr,
               "failed to parse URI: %s\n"
               "error message:       %s\n",
               uri_string,
               error.message);
      return EXIT_FAILURE;
   }
   client = mongoc_client_new_from_uri (uri);
   if (!client) {
      return EXIT_FAILURE;
   }
   mongoc_client_set_error_api (client, 2);
   collection = mongoc_client_get_collection (client, "test", "zipcodes");
   print_pipeline (collection);
   mongoc_uri_destroy (uri);
   mongoc_collection_destroy (collection);
   mongoc_client_destroy (client);
   mongoc_cleanup ();
   return EXIT_SUCCESS;
}

次のような結果が表示されます。

{ "_id" : "PA", "total_pop" : 11881643 }
{ "_id" : "OH", "total_pop" : 10847115 }
{ "_id" : "NY", "total_pop" : 17990455 }
{ "_id" : "FL", "total_pop" : 12937284 }
{ "_id" : "TX", "total_pop" : 16986510 }
{ "_id" : "IL", "total_pop" : 11430472 }
{ "_id" : "CA", "total_pop" : 29760021 }

上記の集計パイプラインは、 $groupと$matchの 2 つのパイプライン演算子から構築されています。

$groupパイプライン演算子には、グループ化を指定する _id フィールドが必要です。残りのフィールドは複合値の生成方法を指定し、次のいずれかのグループ集計関数を使用する必要があります。 $addToSet 、 $first 、 $last 、 $max 、 $min 、 $avg 、 $push 、 $sum 。 $matchパイプライン演算子の構文は読み取り操作クエリの構文と同じです。

$groupプロセスはすべてのドキュメントを読み取り、各州に対して個別のドキュメントを作成します。次に例を示します。

{ "_id" : "WA", "total_pop" : 4866692 }

total_popフィールドは $sum 集計関数を使用して、ソースドキュメント内のすべてのポップフィールドの値を合計します。

$groupによって作成されたドキュメントは、 $matchパイプライン演算子にパイプラインされます。 total_popフィールドの値が10万以上のドキュメントを返します。

州別の都市の平均人口

都市あたりの平均人口が最も多い最初の 3 つの州を取得するには、次の集計を使用します。

pipeline = BCON_NEW ("pipeline", "[",
   "{", "$group", "{", "_id", "{", "state", "$state", "city", "$city", "}", "pop", "{", "$sum", "$pop", "}", "}", "}",
   "{", "$group", "{", "_id", "$_id.state", "avg_city_pop", "{", "$avg", "$pop", "}", "}", "}",
   "{", "$sort", "{", "avg_city_pop", BCON_INT32 (-1), "}", "}",
   "{", "$limit", BCON_INT32 (3) "}",
"]");

この集計パイプラインでは次の生成が行われます。

{ "_id" : "DC", "avg_city_pop" : 303450.0 }
{ "_id" : "FL", "avg_city_pop" : 27942.29805615551 }
{ "_id" : "CA", "avg_city_pop" : 27735.341099720412 }

上記の集計パイプラインは、 $group 、 $sort 、 $limitの 3 つのパイプライン演算子から構築されています。

最初の$group演算子は、次のドキュメントを作成します。

{ "_id" : { "state" : "WY", "city" : "Smoot" }, "pop" : 414 }

ただし、 $group演算子は_idフィールド以外のネストされたドキュメントを使用できません。

2 番目の$groupは、これらのドキュメントを使用して次のドキュメントを作成します。

{ "_id" : "FL", "avg_city_pop" : 27942.29805615551 }

これらのドキュメントはavg_city_popフィールドの降順でソートされます。最後に、 $limitパイプライン演算子は、ソートされたセットから最初の3ドキュメントを返します。

戻る

一括書き込み操作

"distinct" と "mapReduce"