우편 번호 데이터 세트를 사용한 집계

데이터 모델

zipcodes 컬렉션의 각 문서는 다음과 같은 형식을 갖습니다.

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

• _id 필드에는 우편 번호가 문자열로 포함됩니다.

• 0}city 필드에는 도시 이름이 포함됩니다. 도시의 구역마다 우편번호가 다를 수 있으므로 도시마다 우편번호가 두 개 이상 있을 수 있습니다.

• state 필드에는 두 글자의 상태 약어가 포함됩니다.

• 0}pop 필드에는 인구가 포함됩니다.

• loc 필드에는 위치가 경도 위도 쌍 형태로 포함됩니다.

aggregate() 메서드

다음 예시는 모두 mongosh에서 aggregate() 헬퍼를 사용합니다.

aggregate() 메서드는 집계 파이프라인을 사용하여 문서를 집계된 결과로 처리합니다. 집계 파이프라인은 여러 단계로 구성되며, 각 단계는 문서가 파이프라인을 통과할 때 처리합니다. 문서는 순서대로 단계를 통과합니다.

mongosh의 aggregate() 메서드는 aggregate 데이터베이스 명령에 대한 래퍼(wrapper)를 제공합니다. 데이터 집계 작업을 위한 더욱 관용적인 인터페이스는 드라이버 설명서를 참조하세요.

인구가 1,000만 명 이상인 주 반환

다음 집계 작업은 총 인구가 1,000만 명을 넘는 모든 주를 반환합니다.

db.zipcodes.aggregate( [
   { $group: { _id: "$state", totalPop: { $sum: "$pop" } } },
   { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

이 예시에서 집계 파이프라인은 $group 단계와 그 이후의 $match 단계로 구성됩니다.

• $group 단계에서는 zipcode 컬렉션의 문서를 state 필드별로 그룹화하고, 각 주에 대해 totalPop 필드를 계산한 다음, 각 고유 주에 대한 문서를 출력합니다.

  새 주별 문서에는 _id 필드와 totalPop 필드의 두 가지 필드가 있습니다. _id 필드에는 state의 값, 즉 필드별 그룹이 포함되어 있습니다. totalPop 필드는 각 주의 총 인구를 포함하는 계산된 필드입니다. 이 값을 계산하기 위해 $group은 $sum 연산자를 사용하여 각 주에 대한 인구 필드(pop)를 추가합니다.

  $group 단계 후 파이프라인의 문서는 다음과 같습니다.

  {
    "_id" : "AK",
    "totalPop" : 550043
  }

• $match 단계에서는 이러한 그룹화된 문서를 필터링하여 totalPop 값이 1,000만 이상인 문서만 출력합니다. $match 단계는 일치하는 문서를 변경하지 않고 수정하지 않은 상태로 출력합니다.

이 집계 작업에 해당하는 SQL은 다음과 같습니다.

SELECT state, SUM(pop) AS totalPop
FROM zipcodes
GROUP BY state
HAVING totalPop >= (10*1000*1000)

주별 평균 도시 인구 반환

다음 집계 작업은 각 주의 도시에 해당하는 평균 인구를 반환합니다.

db.zipcodes.aggregate( [
   { $group: { _id: { state: "$state", city: "$city" }, pop: { $sum: "$pop" } } },
   { $group: { _id: "$_id.state", avgCityPop: { $avg: "$pop" } } }
] )

이 예시에서 집계 파이프라인은 $group 단계와 그 이후의 또 다른 $group 단계로 구성됩니다.

• 첫 번째 $group 단계에서는 city와 state의 조합으로 문서를 그룹화하고, $sum 표현식을 사용하여 각 조합의 인구를 계산한 다음, city와 state의 조합에 대해 각각 문서를 출력합니다. [1]

  파이프라인에서 이 단계가 끝나면 문서는 다음과 유사합니다.

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• 두 번째 $group 단계에서는 파이프라인의 문서를 _id.state 필드(즉, _id 문서 내의 state 필드)별로 그룹화하고, $avg 표현식을 사용하여 각 주에 대한 평균 도시 인구(avgCityPop)를 계산하여 각 주에 대한 문서를 출력합니다.

이 집계 작업의 결과로 생성된 문서는 다음과 유사합니다.

{
  "_id" : "MN",
  "avgCityPop" : 5335
}

주별 최대 및 최소 도시 반환

다음 집계 작업은 각 주의 인구별로 가장 작은 도시와 가장 큰 도시를 반환합니다.

db.zipcodes.aggregate( [
   { $group:
      {
        _id: { state: "$state", city: "$city" },
        pop: { $sum: "$pop" }
      }
   },
   { $sort: { pop: 1 } },
   { $group:
      {
        _id : "$_id.state",
        biggestCity:  { $last: "$_id.city" },
        biggestPop:   { $last: "$pop" },
        smallestCity: { $first: "$_id.city" },
        smallestPop:  { $first: "$pop" }
      }
   },
  // the following $project is optional, and
  // modifies the output format.
  { $project:
    { _id: 0,
      state: "$_id",
      biggestCity:  { name: "$biggestCity",  pop: "$biggestPop" },
      smallestCity: { name: "$smallestCity", pop: "$smallestPop" }
    }
  }
] )

이 예시에서 집계 파이프라인은 $group 단계, $sort 단계, 또 다른 $group 단계 및 $project 단계로 구성됩니다.

• 첫 번째 $group 단계에서는 city와 state의 조합에 따라 문서를 그룹화하고, 각 조합에 대해 pop 값의 sum을 계산한 다음, city와 state의 각 조합에 대해 문서를 출력합니다.

  파이프라인의 이 단계에서 문서는 다음과 유사합니다.

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• $sort 단계에서는 파이프라인의 문서를 pop 필드 값에 따라 가장 작은 것부터 가장 큰 것까지 오름차순으로 정렬합니다. 이 작업으로 문서가 변경되지는 않습니다.

• 다음 $group 단계에서는 _id.state 필드(예: _id 문서 내의 state 필드)별로 현재 정렬된 문서를 그룹화하고 각 주에 대한 문서를 출력합니다.

  또한 이 단계에서는 각 주에 대해 다음 네 가지 필드를 계산합니다. $last 표현식을 사용하여 $group 연산자는 인구가 가장 많은 도시와 해당 인구를 저장하는 biggestCity 및 biggestPop 필드를 생성합니다. $first 표현식을 사용하여 $group 연산자는 인구가 가장 적은 도시와 해당 인구를 저장하는 smallestCity 및 smallestPop 필드를 생성합니다.

  파이프라인의 이 단계에서 문서는 다음과 유사합니다.

  {
    "_id" : "WA",
    "biggestCity" : "SEATTLE",
    "biggestPop" : 520096,
    "smallestCity" : "BENGE",
    "smallestPop" : 2
  }

• 마지막 $project 단계에서는 _id 필드의 이름을 state로 변경하고 biggestCity, biggestPop, smallestCity 및 smallestPop을 biggestCity 및 smallestCity가 내장된 문서로 이동합니다.

이 집계 작업의 출력 문서는 다음과 같습니다.

{
  "state" : "RI",
  "biggestCity" : {
    "name" : "CRANSTON",
    "pop" : 176404
  },
  "smallestCity" : {
    "name" : "CLAYVILLE",
    "pop" : 45
  }
}