Docs 菜单
Docs 主页
/ / /
Kotlin 协程
/ /

聚合构建器

在此页面上

  • Overview
  • 匹配
  • 项目
  • 投影已计算字段
  • 文档 (Document)
  • 抽检 (Sample)
  • Sort
  • 跳过
  • Limit
  • Lookup
  • 左外连接
  • 完全联接和非关联子查询
  • GROUP
  • Pick-n 累加器
  • MinN
  • MaxN
  • FirstN
  • LastN
  • top
  • TopN
  • Bottom
  • BottomN
  • Unwind
  • Out
  • 合并(merge)
  • GraphLookup
  • SortByCount
  • ReplaceRoot
  • AddFields
  • 数数
  • 桶模式
  • BucketAuto
  • Facet
  • SetWindowFields
  • Densify
  • Fill
  • Atlas 全文搜索
  • Atlas Search 元数据
  • Atlas Vector Search

在本指南中,您可以了解如何使用 聚合 类,它提供了在 MongoDB Kotlin 驱动程序中构建 聚合管道阶段 的静态工厂方法。

有关聚合的更全面介绍,请参阅我们的聚合指南。

本页上的示例假定导入了以下类的方法:

  • Aggregates

  • Filters

  • Projections

  • Sorts

  • Accumulators

import com.mongodb.client.model.Aggregates
import com.mongodb.client.model.Filters
import com.mongodb.client.model.Projections
import com.mongodb.client.model.Sorts
import com.mongodb.client.model.Accumulators

使用这些方法构建管道阶段,并在聚合中以列表形式予以指定:

val matchStage = Aggregates.match(Filters.eq("someField", "someCriteria"))
val sortByCountStage = Aggregates.sortByCount("\$someField")
val results = collection.aggregate(
listOf(matchStage, sortByCountStage)).toList()

本指南中的许多Aggregation示例都使用Atlas sample_mflix.movies 数据集。 此集合中的文档由以下Movie数据类进行建模,以与 Kotlin 驱动程序一起使用:

data class Movie(
val title: String,
val year: Int,
val genres: List<String>,
val rated: String,
val plot: String,
val runtime: Int,
val imdb: IMDB
){
data class IMDB(
val rating: Double
)
}

使用 match() 方法创建 $match 管道阶段,根据指定的查询过滤器匹配传入的文档,过滤掉不匹配的文档。

提示

筛选器可以是任何实现Bson的类的实例,但与Filters类结合使用会很方便。 类。

以下示例创建了一个管道阶段,用于匹配collection集合中的所有文档,其中字段等于movies title"The Shawshank Redemption":

Aggregates.match(Filters.eq(Movie::title.name, "The Shawshank Redemption"))

使用project()方法创建用于投影指定文档字段的$project管道阶段。 聚合中的字段投影遵循与查询中的字段投影相同的规则。

提示

虽然投影可以是任何实现 Bson 的类的实例,但结合使用投影还是很方便的。

以下示例创建了一个管道阶段,其中包括titleplot字段,但不包括_id字段:

Aggregates.project(
Projections.fields(
Projections.include(Movie::title.name, Movie::plot.name),
Projections.excludeId())
)

$project 阶段也可以投影计算字段。

以下示例创建了一个管道阶段,用于将rated字段投影到名为rating的新字段中,从而有效地重命名该字段:

Aggregates.project(
Projections.fields(
Projections.computed("rating", "\$${Movie::rated.name}"),
Projections.excludeId()
)
)

使用 documents() 方法创建 $documents 管道阶段,从输入值返回字面文档。

重要

如果在聚合管道中使用 $documents 阶段,则必须是管道中的第一个阶段。

以下示例创建了一个管道阶段,该阶段在movies集合中创建带有title字段的示例文档:

Aggregates.documents(
listOf(
Document(Movie::title.name, "Steel Magnolias"),
Document(Movie::title.name, "Back to the Future"),
Document(Movie::title.name, "Jurassic Park")
)
)

重要

如果您使用 documents() 方法向聚合管道提供输入,则必须对数据库而不是集合调用 aggregate() 方法。

val docsStage = database.aggregate<Document>( // ... )

使用 sample() 方法创建 $sample 管道阶段,从输入中随机选择文档。

以下示例创建一个管道阶段,用于从 movies 集合中随机选择 5 个文档:

Aggregates.sample(5)

使用 sort() 方法创建 $sort 管道阶段,根据指定条件进行排序。

提示

虽然排序条件可以是任何实现 Bson 的类的实例,但结合使用 Sorts 还是很方便的。

以下示例创建了管道阶段,根据 year 字段的值以降序排序,然后根据 title 字段的值以升序排序:

Aggregates.sort(
Sorts.orderBy(
Sorts.descending(Movie::year.name),
Sorts.ascending(Movie::title.name)
)
)

使用 skip() 方法创建一个 $skip 管道阶段,以在将文档传递到下一阶段之前跳过指定数量的文档。

以下示例创建了一个管道阶段,用于跳过collection中的前5 movies个文档:

Aggregates.skip(5)

使用 $limit 管道阶段来限制传递到下一阶段的文档数量。

以下示例创建了一个管道阶段,将从collection返回的文档数量限制为movies 4

Aggregates.limit(4)

使用 lookup() 方法创建 $lookup 管道阶段,在两个集合之间执行连接和非相关子查询。

以下示例创建了一个管道阶段,用于在示例mflix数据库中的moviescommentscollection之间执行左外连接:

  1. 它将 movies 中的 _id 字段与 comments 中的 movie_id 字段连接起来

  2. 它会在 joined_comments 字段中输出结果

Aggregates.lookup(
"comments",
"_id",
"movie_id",
"joined_comments"
)

以下示例使用了虚构的orderswarehousescollection。数据使用以下 Kotlin 数据类进行建模:

data class Order(
@BsonId val id: Int,
val customerId: Int,
val item: String,
val ordered: Int
)
data class Inventory(
@BsonId val id: Int,
val stockItem: String,
val inStock: Int
)

该示例创建了一个管道阶段,用于根据商品以及inStock字段中的可用数量是否足以满足ordered数量来连接两个collection:

val variables = listOf(
Variable("order_item", "\$item"),
Variable("order_qty", "\$ordered")
)
val pipeline = listOf(
Aggregates.match(
Filters.expr(
Document("\$and", listOf(
Document("\$eq", listOf("$\$order_item", "\$${Inventory::stockItem.name}")),
Document("\$gte", listOf("\$${Inventory::inStock.name}", "$\$order_qty"))
))
)
),
Aggregates.project(
Projections.fields(
Projections.exclude(Order::customerId.name, Inventory::stockItem.name),
Projections.excludeId()
)
)
)
val innerJoinLookup =
Aggregates.lookup("warehouses", variables, pipeline, "stockData")

使用 group() 方法创建 $group 管道阶段,根据指定表达式对文档分组,并为每个不同分组输出一个文档。

提示

驱动程序包含“累加器”类,该类为每个支持的累加器提供静态工厂方法。

orderscustomerId以下示例创建了一个管道阶段,该阶段按字段的值对collection集合中的文档进行分组。每个群组将ordered字段值的总和与平均值累加到totalQuantityaverageQuantity字段中:

Aggregates.group("\$${Order::customerId.name}",
Accumulators.sum("totalQuantity", "\$${Order::ordered.name}"),
Accumulators.avg("averageQuantity", "\$${Order::ordered.name}")
)

从MongoDB Server手册中有关累加器的部分,了解有关累加器操作符的更多信息

pick-n 累加器是聚合累加操作符,在特定排序的情况下返回顶部和底部元素。使用下列生成器之一创建聚合累加操作符:

提示

只有在运行 MongoDB v5.2 或更高版本时,才能使用这些 pick-n 累加器执行聚合操作。

从MongoDB Server手册中有关累加器的部分,了解可以将累加器操作符与哪些聚合管道阶段一起使用。

pick-n 累加器示例使用sample-mflix数据库中moviescollection的文档。

minN()构建器创建$minN累加器,该累加器从包含n个分组最低值的文档中返回数据。

提示

$minN$bottomN累加器可执行类似任务。 有关每个累加器的建议用法,请参阅$minN 和 $bottomN 累加器的比较

以下示例演示了如何使用 minN() 方法返回电影的三个最低 imdb.rating 值,并按 year 进行分组:

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.minN(
"lowestThreeRatings",
"\$${Movie::imdb.name}.${Movie.IMDB::rating.name}",
3
)
)

请参阅 minN() API 文档了解更多信息。

maxN() 累加器从包含分组中 n 个最高值的文档中返回数据。

以下示例演示了如何使用 maxN() 方法返回电影的两个最高 imdb.rating 值,并按 year 进行分组:

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.maxN(
"highestTwoRatings",
"\$${Movie::imdb.name}.${Movie.IMDB::rating.name}",
2
)
)

请参阅 maxN() API 文档了解更多信息。

firstN() 累加器返回指定排序顺序的每个分组中前 n 个文档的数据。

提示

$firstN$topN累加器可执行类似任务。 有关每个累加器的建议用法,请参阅$firstN 和 $topN 累加器的比较

以下示例演示了如何使用firstN()方法根据电影进入舞台的顺序返回前两个电影title值,并按year分组:

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.firstN(
"firstTwoMovies",
"\$${Movie::title.name}",
2
)
)

请参阅 firstN() API 文档了解更多信息。

lastN() 累加器返回指定排序顺序的每个分组中最后 n 个文档的数据。

以下示例演示了如何使用 lastN() 方法根据电影进入舞台的顺序显示最后三个电影 title 值,并按 year 分组:

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.lastN(
"lastThreeMovies",
"\$${Movie::title.name}",
3
)
)

请参阅 lastN() API 文档了解更多信息。

top() 累加器会根据指定的排序顺序,返回分组中第一个文档的数据。

以下示例演示了如何使用 top() 方法返回基于 imdb.rating 且按 year 分组的评分最高电影的 titleimdb.rating 值。

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.top(
"topRatedMovie",
Sorts.descending("${Movie::imdb.name}.${Movie.IMDB::rating.name}"),
listOf("\$${Movie::title.name}", "\$${Movie::imdb.name}.${Movie.IMDB::rating.name}")
)
)

请参阅 top() API 文档 了解更多信息。

topN() 累加器会从包含指定字段最高 n 值的文档中返回数据。

提示

$firstN$topN累加器可执行类似任务。 有关每个累加器的建议用法,请参阅$firstN 和 $topN 累加器的比较

以下示例演示如何使用 topN() 方法根据 runtime 值返回长度排名前三的电影的 titleruntime 值,并按 year 分组。

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.topN(
"longestThreeMovies",
Sorts.descending(Movie::runtime.name),
listOf("\$${Movie::title.name}", "\$${Movie::runtime.name}"),
3
)
)

请参阅 topN() API 文档了解更多信息。

bottom() 累加器会根据指定的排序顺序,返回分组中最后一个文档的数据。

以下示例演示了如何使用 bottom() 方法根据 runtime 值返回最短电影的 titleruntime 值,并按 year 分组。

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.bottom(
"shortestMovies",
Sorts.descending(Movie::runtime.name),
listOf("\$${Movie::title.name}", "\$${Movie::runtime.name}")
)
)

请参阅 bottom() API 文档了解更多信息。

bottomN() 累加器会从包含指定字段最低 n 值的文档中返回数据。

提示

$minN$bottomN累加器可执行类似任务。 有关每个累加器的建议用法,请参阅$minN 和 $bottomN 累加器的比较

以下示例演示了如何使用 bottomN() 方法根据 imdb.rating 值返回评分最低的两部电影的 titleimdb.rating 值,并按 year 分组:

Aggregates.group(
"\$${Movie::year.name}",
Accumulators.bottom(
"lowestRatedTwoMovies",
Sorts.descending("${Movie::imdb.name}.${Movie.IMDB::rating.name}"),
listOf("\$${Movie::title.name}", "\$${Movie::imdb.name}.${Movie.IMDB::rating.name}"),
)
)

请参阅 bottom() API 文档了解更多信息。

使用 unwind() 方法创建 $unwind 管道阶段,从输入文档解构数组字段,为每个数组元素创建输出文档。

以下示例为 lowestRatedTwoMovies 数组中的每个元素创建了文档:

Aggregates.unwind("\$${"lowestRatedTwoMovies"}")

要保留数组字段缺失或数组字段的 null 值为空的文档,请执行以下操作:

Aggregates.unwind(
"\$${"lowestRatedTwoMovies"}",
UnwindOptions().preserveNullAndEmptyArrays(true)
)

要包含数组索引(在本示例中,在名为"position"的字段中):

Aggregates.unwind(
"\$${"lowestRatedTwoMovies"}",
UnwindOptions().includeArrayIndex("position")
)

使用 out() 方法创建 $out 管道阶段,将所有文档写入同一数据库中的指定集合。

重要

$out 阶段必须是任何聚合管道中的最后一个阶段。

以下示例将管道结果写入 classic_movies 集合:

Aggregates.out("classic_movies")

使用 merge() 方法创建 $merge 管道阶段,将所有文档合并到指定的集合中。

重要

$merge 阶段必须是任何聚合管道中的最后一个阶段。

以下示例使用默认选项将管道合并到 nineties_movies 集合中:

Aggregates.merge("nineties_movies")

以下示例使用一些非默认选项将管道合并到aggregation数据库中的movie_ratingscollection中,这些非默认选项指定,如果yeartitle都匹配,则替换文档,否则插入文档:

Aggregates.merge(
MongoNamespace("aggregation", "movie_ratings"),
MergeOptions().uniqueIdentifier(listOf("year", "title"))
.whenMatched(MergeOptions.WhenMatched.REPLACE)
.whenNotMatched(MergeOptions.WhenNotMatched.INSERT)
)

使用 graphLookup() 方法创建 $graphLookup 管道阶段,对指定集合执行递归搜索,以将一个文档中的指定字段与另一个文档的指定字段进行匹配。

以下示例使用contactscollection。使用以下 Kotlin 数据类对数据进行建模:

data class Users(
val name: String,
val friends: List<String>?,
val hobbies: List<String>?
)

contact该示例计算collection中用户的报告图表,以递归方式将字段中的值与friends name字段进行匹配:

Aggregates.graphLookup(
"contacts",
"\$${Users::friends.name}", Users::friends.name, Users::name.name,
"socialNetwork"
)

使用 GraphLookupOptions,如果需要,您可以指定要递归的深度以及深度字段的名称。在本例中,$graphLookup 最多会递归两次,并为每个文档创建名为 degrees 的字段,其中包含递归深度信息。

Aggregates.graphLookup(
"contacts",
"\$${Users::friends.name}", Users::friends.name, Users::name.name,
"socialNetwork",
GraphLookupOptions().maxDepth(2).depthField("degrees")
)

使用GraphLookupOptions ,您可以指定一个筛选器,文档必须与该筛选器匹配,MongoDB 才能将其包含在搜索中。 在此示例中,只有hobbies字段包含“golf”的链接才会包含在内:

Aggregates.graphLookup(
"contacts",
"\$${Users::friends.name}", Users::friends.name, Users::name.name, "socialNetwork",
GraphLookupOptions().maxDepth(1).restrictSearchWithMatch(
Filters.eq(Users::hobbies.name, "golf")
)
)

使用 sortByCount() 方法创建 $sortByCount 管道阶段,根据给定表达式对文档分组,然后按计数降序对这些分组排序。

提示

$sortByCount 阶段与带有 $sum 累加器的 $group 阶段相同,之后是 $sort 阶段。

[
{ "$group": { "_id": <expression to group on>, "count": { "$sum": 1 } } },
{ "$sort": { "count": -1 } }
]

moviesgenres以下示例按字段对collection中的文档进行分组,并计算每个非重复值的计数:

Aggregates.sortByCount("\$${Movie::genres.name}"),

使用 replaceRoot() 方法创建 $replaceRoot 管道阶段,用指定文档替换每个输入文档。

以下示例使用一个虚构的bookscollection,其中包含使用以下 Kotlin 数据类建模的数据:

data class Libro(val titulo: String)
data class Book(val title: String, val spanishTranslation: Libro)

每个输入文档都被spanishTranslation字段中的嵌套文档替换:

Aggregates.replaceRoot("\$${Book::spanishTranslation.name}")

使用 addFields() 方法创建 $addFields 管道阶段,为文档添加新字段。

提示

不想对字段包含或排除进行投影时,请使用 $addFields

以下示例将两个新字段watchedtype movie添加到collection的输入文档中:

Aggregates.addFields(
Field("watched", false),
Field("type", "movie")
)

使用count()方法创建$count管道阶段,用于计算进入该阶段的文档数量,并将该值分配给指定的字段名称。 如果未指定字段, count()将默认字段名称为“计数”。

提示

$count 阶段是语法糖,用于:

{ "$group":{ "_id": 0, "count": { "$sum" : 1 } } }

以下示例创建了管道阶段,在名为“总计”的字段中输出传入文档的计数:

Aggregates.count("total")

使用 bucket() 方法创建 $bucket 管道阶段,该阶段可自动围绕预定义的边界值对数据进行分组。

以下示例使用通过以下 Kotlin 数据类建模的数据:

data class Screen(
val id: String,
val screenSize: Int,
val manufacturer: String,
val price: Double
)

此示例创建了一个管道阶段,该阶段根据传入文档的screenSize字段的值(包括下边界但不包括上边界)对传入文档进行分组:

Aggregates.bucket("\$${Screen::screenSize.name}", listOf(0, 24, 32, 50, 70, 1000))

使用 BucketOptions 类为指定边界之外的值指定默认存储桶,并指定其他累加器。

以下示例创建了一个管道阶段,根据传入文档的 screenSize 字段的值对传入文档进行分组,计算每个存储桶中的文档数量,将 screenSize 的值推送到名为 matches 的字段,并将任何大于“70”的屏幕尺寸捕获到一个名为“monster”的存储桶中,用于超大屏幕尺寸:

提示

驱动程序包含“累加器”类,该类为每个支持的累加器提供静态工厂方法。

Aggregates.bucket("\$${Screen::screenSize.name}", listOf(0, 24, 32, 50, 70),
BucketOptions()
.defaultBucket("monster")
.output(
Accumulators.sum("count", 1),
Accumulators.push("matches", "\$${Screen::screenSize.name}")
)
)

使用 bucketAuto() 方法创建 $bucketAuto 管道阶段,自动确定每个存储桶的边界,试图将文档平均分配到指定数量的存储桶中。

以下示例使用通过以下 Kotlin 数据类建模的数据:

data class Screen(
val id: String,
val screenSize: Int,
val manufacturer: String,
val price: Double
)

此示例创建了一个管道阶段,该阶段将尝试使用文档的price字段的值创建文档并将其均匀分发到 5 个存储桶中:

Aggregates.bucketAuto("\$${Screen::screenSize.name}", 5)

使用 BucketAutoOptions 类指定基于数字的首选方案来设置边界值,然后指定额外的累加器。

以下示例创建了一个管道阶段,该阶段将尝试使用文档的price字段的值创建文档并将其均匀分布到 5 个存储桶中,并将存储桶边界设置为 2 的幂(2、4、8、16...) 。 它还计算每个存储桶中的文档数量,并在名为 的新字段中计算它们的平均值price avgPrice

提示

驱动程序包含“累加器”类,该类为每个支持的累加器提供静态工厂方法。

Aggregates.bucketAuto(
"\$${Screen::price.name}", 5,
BucketAutoOptions()
.granularity(BucketGranularity.POWERSOF2)
.output(Accumulators.sum("count", 1), Accumulators.avg("avgPrice", "\$${Screen::price.name}"))
)

使用 facet() 方法创建 $facet 管道阶段,允许定义并行管道。

以下示例使用通过以下 Kotlin 数据类建模的数据:

data class Screen(
val id: String,
val screenSize: Int,
val manufacturer: String,
val price: Double
)

此示例创建了一个执行两个并行聚合的管道阶段:

  • 第一个聚合将传入的文档根据其 screenSize 字段分成 5 组。

  • 第二个聚合对所有制造商进行计数并返回其计数,仅限于前 5 个制造商。

Aggregates.facet(
Facet(
"Screen Sizes",
Aggregates.bucketAuto(
"\$${Screen::screenSize.name}",
5,
BucketAutoOptions().output(Accumulators.sum("count", 1))
)
),
Facet(
"Manufacturer",
Aggregates.sortByCount("\$${Screen::manufacturer.name}"),
Aggregates.limit(5)
)
)

使用 setWindowFields() 方法创建 $setWindowFields 管道阶段,允许使用窗口操作符对集合中指定跨度的文档执行操作。

提示

窗口功能

该驱动程序包含 Windows 类,并附带用于构造窗口化计算的静态工厂方法。

以下示例使用一个虚构的weathercollection,该collection使用通过以下 Kotlin 数据类建模的数据:

data class Weather(
val localityId: String,
val measurementDateTime: LocalDateTime,
val rainfall: Double,
val temperature: Double
)

该示例创建了一个管道阶段,根据rainfalltemperature字段中提供的更细粒度的测量值,计算每个地区过去一个月的累计降雨量和平均温度:

val pastMonth = Windows.timeRange(-1, MongoTimeUnit.MONTH, Windows.Bound.CURRENT)
val resultsFlow = weatherCollection.aggregate<Document>(
listOf(
Aggregates.setWindowFields("\$${Weather::localityId.name}",
Sorts.ascending(Weather::measurementDateTime.name),
WindowOutputFields.sum(
"monthlyRainfall",
"\$${Weather::rainfall.name}",
pastMonth
),
WindowOutputFields.avg(
"monthlyAvgTemp",
"\$${Weather::temperature.name}",
pastMonth
)
)
)

使用 densify() 方法创建 $densify 管道阶段,生成跨越指定时间间隔的文档序列。

提示

只有在运行 MongoDB v5.1 或更高版本时,才能使用 $densify() 聚合阶段。

考虑从Atlas 样本天气数据集中检索到的以下文档,其中包含类似position字段的测量值,测量间隔为一小时:

Document{{ _id=5553a..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:00:00 EST 1984, ... }}
Document{{ _id=5553b..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 09:00:00 EST 1984, ... }}

这些文档使用以下 Kotlin 数据类进行建模:

data class Weather(
@BsonId val id: ObjectId = ObjectId(),
val position: Point,
val ts: LocalDateTime
)

假设需要创建管道阶段,对这些文档执行以下操作:

  • 每隔 15 分钟添加一个尚未存在 ts 值的文档。

  • position 字段对文档分组。

调用 densify() 聚合阶段生成器来完成这些操作的过程如下:

Aggregates.densify(
"ts",
DensifyRange.partitionRangeWithStep(15, MongoTimeUnit.MINUTE),
DensifyOptions.densifyOptions().partitionByFields("Position.coordinates")
)

以下输出突出显示聚合阶段生成的文档,其中现有文档之间每 15 分钟包含 ts 值:

Document{{ _id=5553a..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:00:00 EST 1984, ... }}
Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:15:00 EST 1984 }}
Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:30:00 EST 1984 }}
Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:45:00 EST 1984 }}
Document{{ _id=5553b..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 09:00:00 EST 1984, ... }}

请参阅使软件包 API 文档密集化,了解更多信息。

使用fill()方法创建填充null和缺失字段值的$fill管道阶段。

提示

只有在运行 MongoDB v5.3 或更高版本时,才能使用 $fill() 聚合阶段。

以下文档包含每小时的温度和气压测量值:

Document{{_id=6308a..., hour=1, temperature=23C, air_pressure=29.74}}
Document{{_id=6308b..., hour=2, temperature=23.5C}}
Document{{_id=6308c..., hour=3, temperature=null, air_pressure=29.76}}

这些文档使用以下 Kotlin 数据类进行建模:

data class Weather(
@BsonId val id: ObjectId = ObjectId(),
val hour: Int,
val temperature: String?,
val air_pressure: Double?
)

假设您需要在文档中填充缺失的温度和气压数据点,如下所示:

  • 使用线性插值填充小时“2”的 air_pressure 字段来计算值。

  • 将缺失的 temperature 值设置为“23.6C”时间为“3”小时。

调用 fill() 聚合阶段构建器完成这些操作的过程如下:

val resultsFlow = weatherCollection.aggregate<Weather>(
listOf(
Aggregates.fill(
FillOptions.fillOptions().sortBy(Sorts.ascending(Weather::hour.name)),
FillOutputField.value(Weather::temperature.name, "23.6C"),
FillOutputField.linear(Weather::air_pressure.name)
)
)
)
resultsFlow.collect { println(it) }
Weather(id=6308a..., hour=1, temperature=23C, air_pressure=29.74)
Weather(id=6308b..., hour=2, temperature=23.5C, air_pressure=29.75)
Weather(id=6308b..., hour=3, temperature=23.6C, air_pressure=29.76)

请参阅填充软件包 API 文档,了解更多信息。

使用 search() 方法来创建 $search 管道阶段,从而指定针对一个或多个字段的全文搜索。

提示

仅适用于 Atlas for MongoDB v4.2 及更高版本

此聚合管道运算符仅适用于在运行 v4.2 或更高版本的MongoDB Atlas集群上托管且由Atlas Search索引覆盖的集合。 从Atlas Search文档了解有关此操作符所需设置和功能的更多信息。

titlemovies以下示例创建了一个管道阶段,该阶段在collection中的字段中搜索包含“Future”一词的文本:

Aggregates.search(
SearchOperator.text(
SearchPath.fieldPath(Movie::title.name), "Future"
),
SearchOptions.searchOptions().index("title")
)

通过Atlas Search 包API 文档了解有关构建器的更多信息。

使用 searchMeta() 方法创建 $searchMeta 管道阶段,只返回 Atlas 全文搜索查询结果的元数据部分。

提示

仅适用于 Atlas for MongoDB v4.4.11 及更高版本

此聚合管道操作符仅适用于运行 v 4.4.11及更高版本的MongoDB Atlas集群。 有关版本可用性的详细列表,请参阅$searchMeta 上的 MongoDB Atlas 文档。

以下示例显示了 Atlas 搜索聚合阶段的 count 元数据:

Aggregates.searchMeta(
SearchOperator.near(1985, 2, SearchPath.fieldPath(Movie::year.name)),
SearchOptions.searchOptions().index("year")
)

通过 searchMeta() API 文档了解有关此助手的更多信息。

重要

要了解哪些版本的 MongoDB Atlas 支持此功能,请参阅 Atlas 文档中的限制

使用 vectorSearch() 方法创建$vectorSearch管道阶段,用于指定语义Atlas Search 。 语义Atlas Search是Atlas Search Search 的一种,用于查找含义相似的信息。

要在对集合执行聚合时使用此功能,您必须创建矢量Atlas Search索引并为矢量嵌入创建索引。 要了解如何在Atlas Search 中设置MongoDB Atlas 索引,请参阅 Atlas SearchAtlas文档中的 如何为 Vector 的向量嵌入创建索引 。

本部分中的示例使用通过以下 Kotlin 数据类建模的数据:

data class MovieAlt(
val title: String,
val year: Int,
val plot: String,
val plotEmbedding: List<Double>
)

此示例演示如何构建聚合管道,该管道使用vectorSearch()方法执行符合以下规范的精确向量搜索:

  • 使用字符串值的向量嵌入搜索plotEmbedding字段值

  • 使用mflix_movies_embedding_index向量搜索索引

  • 返回 1 个文档

  • 筛选year值至少为2016的文档

Aggregates.vectorSearch(
SearchPath.fieldPath(MovieAlt::plotEmbedding.name),
listOf(-0.0072121937, -0.030757688, -0.012945653),
"mflix_movies_embedding_index",
1.toLong(),
exactVectorSearchOptions().filter(Filters.gte(MovieAlt::year.name, 2016))
)

要了解有关此助手的更多信息,请参阅 vectorSearch() API 文档。

后退

构建器