MongoDB聚合：$bucket

$bucket将输入文档按照指定的表达式和边界进行分组，每个分组为一个文档，称为“桶”，每个桶都有一个唯一的_id，其值为文件桶的下线。每个桶中至少要包含一个输入文档，也就是没有空桶。

使用

语法

{$bucket: {groupBy: <表达式>,boundaries: [ <下边界1>, <下边界2>, ... ],default: <literal>,output: {<output1>: { <$accumulator 表达式> },...<outputN>: { <$accumulator 表达式> }}}
}

groupBy

对文档进行分组的表达式。若指定字段路径，需要在字段名前加上美元符号$并用引号引起来，如：$field_name。

除非指定了default，否则所有输入文档的groupBy的值都必须在boundaries指定边界的范围内。

boundaries

分组边界数组，数组中相邻的两个值分别作为桶的上下边界，输入文档根据groupBy表达式的值，确定被分配到哪个桶。数组至少要有两个元素，并按照升序从左到右排列，除数值混合类型外（如：[10, NumberLong(20), NumberInt(30)]），数组元素类型必须一致。

举例：

一个数组 [ 0, 5, 10 ] 创建了两个桶：

[0，5），下界为 0，上界为 5。

[5，10），下界为 5，上界为 10。

default

可选，指定缺省桶的_id，不符合boundaries范围的文档都会放在缺省桶内。如果不指定default，所有输入文档的groupBy表达式的值必须落在boundaries区间，否则会抛出异常。

缺省值必须小于boundaries数组中最小的值或大于boundaries数组中的最大值。default值的类型可以不同于boundaries数组元素的类型。

out

可选，指定输出文档内容中除_id字段外要包含的其他字段，指定的字段必须使用汇总（累加器）表达式。

<outputfield1>: { <accumulator>: <expression1> },
...
<outputfieldN>: { <accumulator>: <expressionN> }

如果未指定output文档，默认返回桶内文档数量count字段，如果指定了output文档的字段，则只返回_id和指定的字段，count字段默认不会输出。

例子

按年分桶并对桶的结果进行筛选

创建artists集合并插入下面的记录

db.artists.insertMany([{ "_id" : 1, "last_name" : "Bernard", "first_name" : "Emil", "year_born" : 1868, "year_died" : 1941, "nationality" : "France" },{ "_id" : 2, "last_name" : "Rippl-Ronai", "first_name" : "Joszef", "year_born" : 1861, "year_died" : 1927, "nationality" : "Hungary" },{ "_id" : 3, "last_name" : "Ostroumova", "first_name" : "Anna", "year_born" : 1871, "year_died" : 1955, "nationality" : "Russia" },{ "_id" : 4, "last_name" : "Van Gogh", "first_name" : "Vincent", "year_born" : 1853, "year_died" : 1890, "nationality" : "Holland" },{ "_id" : 5, "last_name" : "Maurer", "first_name" : "Alfred", "year_born" : 1868, "year_died" : 1932, "nationality" : "USA" },{ "_id" : 6, "last_name" : "Munch", "first_name" : "Edvard", "year_born" : 1863, "year_died" : 1944, "nationality" : "Norway" },{ "_id" : 7, "last_name" : "Redon", "first_name" : "Odilon", "year_born" : 1840, "year_died" : 1916, "nationality" : "France" },{ "_id" : 8, "last_name" : "Diriks", "first_name" : "Edvard", "year_born" : 1855, "year_died" : 1930, "nationality" : "Norway" }
])

下面的操作对文档按照year_born字段进行分组放入桶中，并根据桶内文档数量进行筛选：

db.artists.aggregate( [// 阶段1{$bucket: {groupBy: "$year_born",                        // 分组字段boundaries: [ 1840, 1850, 1860, 1870, 1880 ], // 桶边界default: "Other",                             // 边界外的桶的IDoutput: {                                     // 指定桶的输出文档"count": { $sum: 1 },"artists" :{$push: {"name": { $concat: [ "$first_name", " ", "$last_name"] },"year_born": "$year_born"}}}}},// 阶段2{$match: { count: {$gt: 3} } //过滤出文档数量大于3的桶}
] )

阶段1

$bucket阶段对文档根据year_born分组把文档放入桶，桶的边界为：

• [1840, 1850)：下限1840（含），上限1850（不含）。
• [1850, 1860)：下限1840（含），上限1850（不含）。
• [1860, 1870)：下限1840（含），上限1850（不含）。
• [1870, 1880)：下限1840（含），上限1850（不含）。
• 如果输入文档中year_born字段不存在或者值在边界外，文档将被放到_id值为"other"的缺省桶中。

阶段1的output指定了输出文档的字段：

字段	描述
_id	包含了桶的边界下限
count	桶内文档数量
artists	文档数组，包含了桶内所有文章，每个文档的artists字段都包含了拼接后的first_name和last_name，以及`year_born’字段

通过该阶段后，下面的文档进入下个阶段：

{ "_id" : 1840, "count" : 1, "artists" : [ { "name" : "Odilon Redon", "year_born" : 1840 } ] }
{ "_id" : 1850, "count" : 2, "artists" : [ { "name" : "Vincent Van Gogh", "year_born" : 1853 },{ "name" : "Edvard Diriks", "year_born" : 1855 } ] }
{ "_id" : 1860, "count" : 4, "artists" : [ { "name" : "Emil Bernard", "year_born" : 1868 },{ "name" : "Joszef Rippl-Ronai", "year_born" : 1861 },{ "name" : "Alfred Maurer", "year_born" : 1868 },{ "name" : "Edvard Munch", "year_born" : 1863 } ] }
{ "_id" : 1870, "count" : 1, "artists" : [ { "name" : "Anna Ostroumova", "year_born" : 1871 } ] }

阶段2

$match阶段使用count>3的条件，对$bucket阶段out的文档进行筛选，筛选后的结果如下：

{ "_id" : 1860, "count" : 4, "artists" :[{ "name" : "Emil Bernard", "year_born" : 1868 },{ "name" : "Joszef Rippl-Ronai", "year_born" : 1861 },{ "name" : "Alfred Maurer", "year_born" : 1868 },{ "name" : "Edvard Munch", "year_born" : 1863 }]
}

使用$bucket和$facet按多个字段分类

使用$facet可以在一个阶段执行多个$bucket聚合。使用mongosh创建artwork集合并添加下面的文档：

db.artwork.insertMany([{ "_id" : 1, "title" : "The Pillars of Society", "artist" : "Grosz", "year" : 1926,"price" : NumberDecimal("199.99") },{ "_id" : 2, "title" : "Melancholy III", "artist" : "Munch", "year" : 1902,"price" : NumberDecimal("280.00") },{ "_id" : 3, "title" : "Dancer", "artist" : "Miro", "year" : 1925,"price" : NumberDecimal("76.04") },{ "_id" : 4, "title" : "The Great Wave off Kanagawa", "artist" : "Hokusai","price" : NumberDecimal("167.30") },{ "_id" : 5, "title" : "The Persistence of Memory", "artist" : "Dali", "year" : 1931,"price" : NumberDecimal("483.00") },{ "_id" : 6, "title" : "Composition VII", "artist" : "Kandinsky", "year" : 1913,"price" : NumberDecimal("385.00") },{ "_id" : 7, "title" : "The Scream", "artist" : "Munch", "year" : 1893/* No price*/ },{ "_id" : 8, "title" : "Blue Flower", "artist" : "O'Keefe", "year" : 1918,"price" : NumberDecimal("118.42") }
])

下面的操作在一个$facet阶段中使用两个$bucket，一个使用price字段，另一个使用year字段分组：

db.artwork.aggregate( [{$facet: {                               // 顶层 $facet 阶段"price": [                            // 输出字段1{$bucket: {groupBy: "$price",            // 分组字段boundaries: [ 0, 200, 400 ],  // 桶边界数组default: "Other",             // 缺省桶Idoutput: {                     // 桶输出内容"count": { $sum: 1 },"artwork" : { $push: { "title": "$title", "price": "$price" } },"averagePrice": { $avg: "$price" }}}}],"year": [                                      // 输出字段2{$bucket: {groupBy: "$year",                        // 分组字段boundaries: [ 1890, 1910, 1920, 1940 ],  // 桶边界数组default: "Unknown",                      // 缺省桶Idoutput: {                                // 桶输出内容"count": { $sum: 1 },"artwork": { $push: { "title": "$title", "year": "$year" } }}}}]}}
] )

方面1

第一个方面按price对输入文档进行分组，桶的边界有：

• [0,200)，含下限0，不含上限200。
• [200, 400)，含下限200，不含上限400。
• “Other”，缺省桶包含了所有不在以上桶内的文档。

$bucket阶段的输出out文档包含下面的字段：

字段	描述
_id	桶边界下限值
count	桶内文档数量
artwork	包含所有艺术品信息的文档数组
averagePrice	使用$avg运算符显示水桶中所有艺术品的平均价格。

方面2

第二个方面按year对输入文档进行分组，桶的边界有：

• [1890, 1910)，含下限1890，不含上限1910。
• [1910, 1920)，含下限1890，不含上限1910。
• [1920, 1940)，含下限1890，不含上限1910。
• “Unknown”，缺省桶包含了所有不在以上桶内的文档。

$bucket阶段的输出out文档包含下面的字段：

字段	描述
count	桶内文档数量
artwork	桶内每件艺术品信息的文件数组。

输出

操作返回下面的结果：

{"price" : [ // Output of first facet{"_id" : 0,"count" : 4,"artwork" : [{ "title" : "The Pillars of Society", "price" : NumberDecimal("199.99") },{ "title" : "Dancer", "price" : NumberDecimal("76.04") },{ "title" : "The Great Wave off Kanagawa", "price" : NumberDecimal("167.30") },{ "title" : "Blue Flower", "price" : NumberDecimal("118.42") }],"averagePrice" : NumberDecimal("140.4375")},{"_id" : 200,"count" : 2,"artwork" : [{ "title" : "Melancholy III", "price" : NumberDecimal("280.00") },{ "title" : "Composition VII", "price" : NumberDecimal("385.00") }],"averagePrice" : NumberDecimal("332.50")},{// Includes documents without prices and prices greater than 400"_id" : "Other","count" : 2,"artwork" : [{ "title" : "The Persistence of Memory", "price" : NumberDecimal("483.00") },{ "title" : "The Scream" }],"averagePrice" : NumberDecimal("483.00")}],"year" : [ // Output of second facet{"_id" : 1890,"count" : 2,"artwork" : [{ "title" : "Melancholy III", "year" : 1902 },{ "title" : "The Scream", "year" : 1893 }]},{"_id" : 1910,"count" : 2,"artwork" : [{ "title" : "Composition VII", "year" : 1913 },{ "title" : "Blue Flower", "year" : 1918 }]},{"_id" : 1920,"count" : 3,"artwork" : [{ "title" : "The Pillars of Society", "year" : 1926 },{ "title" : "Dancer", "year" : 1925 },{ "title" : "The Persistence of Memory", "year" : 1931 }]},{// Includes documents without a year"_id" : "Unknown","count" : 1,"artwork" : [{ "title" : "The Great Wave off Kanagawa" }]}]
}

注意

跟很多阶段类似，$bucket阶段也有100M内存的限制，缺省情况下如果超出100M将会抛出异常。可使用allowDiskUse选项，让聚合管道阶段将数据写入临时文件。