聚合构建器
在此页面上
Overview
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 ) }
匹配
使用 match()
方法创建 $match 管道阶段,根据指定的查询过滤器匹配传入的文档,过滤掉不匹配的文档。
提示
筛选器可以是任何实现Bson
的类的实例,但与Filters类结合使用会很方便。 类。
以下示例创建了一个管道阶段,用于匹配collection集合中的所有文档,其中字段等于movies
title
"The Shawshank Redemption":
Aggregates.match(Filters.eq(Movie::title.name, "The Shawshank Redemption"))
项目
使用project()
方法创建用于投影指定文档字段的$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title
和plot
字段,但不包括_id
字段:
Aggregates.project( Projections.fields( Projections.include(Movie::title.name, Movie::plot.name), Projections.excludeId()) )
投影已计算字段
$project
阶段也可以投影计算字段。
以下示例创建了一个管道阶段,用于将rated
字段投影到名为rating
的新字段中,从而有效地重命名该字段:
Aggregates.project( Projections.fields( Projections.computed("rating", "\$${Movie::rated.name}"), Projections.excludeId() ) )
文档 (Document)
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>( // ... )
抽检 (Sample)
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)
Sort
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) ) )
跳过
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)
Limit
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)
Lookup
使用 lookup()
方法创建 $lookup 管道阶段,在两个集合之间执行连接和非相关子查询。
左外连接
以下示例创建了一个管道阶段,用于在示例mflix
数据库中的movies
和comments
collection之间执行左外连接:
它将
movies
中的_id
字段与comments
中的movie_id
字段连接起来它会在
joined_comments
字段中输出结果
Aggregates.lookup( "comments", "_id", "movie_id", "joined_comments" )
完全联接和非关联子查询
以下示例使用了虚构的orders
和warehouses
collection。数据使用以下 Kotlin 数据类进行建模:
data class Order( val id: Int, val customerId: Int, val item: String, val ordered: Int ) data class Inventory( val id: Int, val stockItem: String, val inStock: Int )
该示例创建了一个管道阶段,用于根据商品以及inStock
字段中的可用数量是否足以满足ordered
数量来连接两个collection:
val variables = listOf( Variable("order_item", "\$item"), Variable("order_qty", "\$ordered") ) val pipeline = listOf( Aggregates.match( Filters.expr( Document("\$and", listOf( Document("\$eq", listOf("$\$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")
GROUP
使用 group()
方法创建 $group 管道阶段,根据指定表达式对文档分组,并为每个不同分组输出一个文档。
提示
驱动程序包含“累加器”类,该类为每个支持的累加器提供静态工厂方法。
orders
customerId
以下示例创建了一个管道阶段,该阶段按字段的值对collection集合中的文档进行分组。每个群组将ordered
字段值的总和与平均值累加到totalQuantity
和averageQuantity
字段中:
Aggregates.group("\$${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
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movies
collection的文档。
MinN
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
$minN
和$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}.${Movie.IMDB::rating.name}", 3 ) )
请参阅 minN() API 文档了解更多信息。
MaxN
maxN()
累加器从包含分组中 n
个最高值的文档中返回数据。
以下示例演示了如何使用 maxN()
方法返回电影的两个最高 imdb.rating
值,并按 year
进行分组:
Aggregates.group( "\$${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
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
$firstN
和$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
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
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 title
和 imdb.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
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
$firstN
和$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 $topN 累加器的比较。
以下示例演示如何使用 topN()
方法根据 runtime
值返回长度排名前三的电影的 title
和 runtime
值,并按 year
分组。
Aggregates.group( "\$${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
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 title
和 runtime
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
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
$minN
和$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 $bottomN 累加器的比较。
以下示例演示了如何使用 bottomN()
方法根据 imdb.rating
值返回评分最低的两部电影的 title
和 imdb.rating
值,并按 year
分组:
Aggregates.group( "\$${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。
Unwind
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") )
Out
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")
合并(merge)
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_ratings
collection中,这些非默认选项指定,如果year
和title
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) )
GraphLookup
使用 graphLookup()
方法创建 $graphLookup 管道阶段,对指定集合执行递归搜索,以将一个文档中的指定字段与另一个文档的指定字段进行匹配。
以下示例使用contacts
collection。使用以下 Kotlin 数据类对数据进行建模:
data class Users( val name: String, val friends: List<String>?, val hobbies: List<String>? )
contact
该示例计算collection中用户的报告图表,以递归方式将字段中的值与friends
name
字段进行匹配:
Aggregates.graphLookup( "contacts", "\$${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") ) )
SortByCount
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 } } ]
movies
genres
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}"),
ReplaceRoot
使用 replaceRoot()
方法创建 $replaceRoot 管道阶段,用指定文档替换每个输入文档。
以下示例使用一个虚构的books
collection,其中包含使用以下 Kotlin 数据类建模的数据:
data class Libro(val titulo: String) data class Book(val title: String, val spanishTranslation: Libro)
每个输入文档都被spanishTranslation
字段中的嵌套文档替换:
Aggregates.replaceRoot("\$${Book::spanishTranslation.name}")
AddFields
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 $addFields
。
以下示例将两个新字段watched
和type
movie
添加到collection的输入文档中:
Aggregates.addFields( Field("watched", false), Field("type", "movie") )
数数
使用count()
方法创建$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")
桶模式
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}") ) )
BucketAuto
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}")) )
Facet
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) ) )
SetWindowFields
使用 setWindowFields()
方法创建 $setWindowFields 管道阶段,允许使用窗口操作符对集合中指定跨度的文档执行操作。
以下示例使用一个虚构的weather
collection,该collection使用通过以下 Kotlin 数据类建模的数据:
data class Weather( val localityId: String, val measurementDateTime: LocalDateTime, val rainfall: Double, val temperature: Double )
该示例创建了一个管道阶段,根据rainfall
和temperature
字段中提供的更细粒度的测量值,计算每个地区过去一个月的累计降雨量和平均温度:
val pastMonth = Windows.timeRange(-1, MongoTimeUnit.MONTH, Windows.Bound.CURRENT) val resultsFlow = weatherCollection.aggregate<Document>( listOf( Aggregates.setWindowFields("\$${Weather::localityId.name}", Sorts.ascending(Weather::measurementDateTime.name), WindowOutputFields.sum( "monthlyRainfall", "\$${Weather::rainfall.name}", pastMonth ), WindowOutputFields.avg( "monthlyAvgTemp", "\$${Weather::temperature.name}", pastMonth ) ) )
Densify
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 $densify()
聚合阶段。
考虑从Atlas 样本天气数据集中检索到的以下文档,其中包含类似position
字段的测量值,测量间隔为一小时:
Document{{ _id=5553a..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:00:00 EST 1984, ... }} Document{{ _id=5553b..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 09:00:00 EST 1984, ... }}
这些文档使用以下 Kotlin 数据类进行建模:
data class Weather( val id: ObjectId = ObjectId(), val position: Point, val ts: LocalDateTime )
假设需要创建管道阶段,对这些文档执行以下操作:
每隔 15 分钟添加一个尚未存在
ts
值的文档。按
position
字段对文档分组。
调用 densify()
聚合阶段生成器来完成这些操作的过程如下:
Aggregates.densify( "ts", DensifyRange.partitionRangeWithStep(15, MongoTimeUnit.MINUTE), DensifyOptions.densifyOptions().partitionByFields("Position.coordinates") )
以下输出突出显示聚合阶段生成的文档,其中现有文档之间每 15 分钟包含 ts
值:
Document{{ _id=5553a..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:00:00 EST 1984, ... }} Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:15:00 EST 1984 }} Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:30:00 EST 1984 }} Document{{ position=Document{{coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 08:45:00 EST 1984 }} Document{{ _id=5553b..., position=Document{{type=Point, coordinates=[-47.9, 47.6]}}, ts=Mon Mar 05 09:00:00 EST 1984, ... }}
请参阅使软件包 API 文档密集化,了解更多信息。
Fill
使用fill()
方法创建填充null
和缺失字段值的$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( 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。
Atlas 全文搜索
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。
title
movies
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") )
Atlas Search 元数据
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") )
Atlas Vector Search
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。