最近做了几个规则逻辑。用到mongo查询比较多，就是查询交易信息跑既定规则筛选出交易商户，使用聚合管道进行统计和取出简单处理后的数据，用SQL代替业务代码逻辑的判断。
方法MongoDB聚合使用aggregate，聚合管道采取自动向下子执行方式，基本语法格式：
聚合框架中常用的操作:
$project：修改输入文档的结构。可以用来重命名、增加或删除域，也可以用于创建计算结果以及嵌套文档。 match：用于过滤数据，只输出符合条件的文档。match：用于过滤数据，只输出符合条件的文档。match使用MongoDB的标准查询操作。 $limit：用来限制MongoDB聚合管道返回的文档数。 $skip：在聚合管道中跳过指定数量的文档，并返回余下的文档。 $unwind：将文档中的某一个数组类型字段拆分成多条，每条包含数组中的一个值。 $group：将集合中的文档分组，可用于统计结果。 $sort：将输入文档排序后输出。 $geoNear：输出接近某一地理位置的有序文档。表达式 描述 实例 $sum 计算总和。 db.mycol.aggregate([{(group : {_id : ")by_user", num_tutorial : {sum:"likes"}}}]) $avg 计算平均值 db.mycol.aggregate([{(group : {_id : ")by_user", num_tutorial : {avg:"likes"}}}]) $min 获取集合中所有文档对应值得最小值。 db.mycol.aggregate([{(group : {_id : ")by_user", num_tutorial : {min:"likes"}}}]) $max 获取集合中所有文档对应值得最大值。 db.mycol.aggregate([{(group : {_id : ")by_user", num_tutorial : {max:"likes"}}}]) $push 在结果文档中插入值到一个数组中。 db.mycol.aggregate([{(group : {_id : ")by_user", url : {push:"url"}}}]) $addToSet 在结果文档中插入值到一个数组中，但不创建副本。 db.mycol.aggregate([{(group : {_id : ")by_user", url : {addToSet:"url"}}}]) $first 根据资源文档的排序获取第一个文档数据。 db.mycol.aggregate([{(group : {_id : ")by_user", first_url : {first:"url"}}}]) $last 根据资源文档的排序获取最后一个文档数据 db.mycol.aggregate([{(group : {_id : ")by_user", last_url : {last:"url"}}}]) 查询示例 示例一
部分字段说明：transAmt:交易金额，transType:交易类型，transTime:交易时间，mercNum:商户编号
查询交易信息，交易商户昨天交易笔数大于三百，交易金额累加大于三百万，这里现根据$match将交易信息筛选出来，然后使用$group根据商户编号分组，统计交易笔数和累加交易金额，将分组结果判断匹配交易笔数大于三百，交易金额大于三百万。
示例二部分字段说明：cardNo:交易卡号，transType:交易类型，transTime:交易时间，mercNum:商户编号
查询时间段内指定卡号下的交易商户信息。
根据卡号和交易时间将交易数据查出来，然后只显示商户号和卡号两列字段，根据商户号和卡号分组去重，再根据卡号分组，将商户号转化成一个字段变成数组。
示例三根据指定商户和其他条件查询交易信息，根据卡号分组并组装成一个字段的集合，最后筛选掉id只保留cardNos数组
查询结果：
{ "cardNos" : [ "n2IwHHhfEAJcm6RFsoNPcBVAjW/hWAWj", "n2IwHHhfEAJcm6RFsoNPcBVAjW/hWAWj" ] }
示例四根据时间查询交易信息后，根据商户号分组，并将第一个交易信息存放入data字段中。（如果是需要全部的商户交易信息那么将$first修改为$push）
尾言最近那个到查询的大差不差，要注意的都是一些小改动，一般情况正常查就可以。后续有什么不一样的会继续补充。先到这里
到此这篇关于整理最近用的MongoDB查询语句的文章就介绍到这了,更多相关Mongo查询语句内容请搜索七叶笔记以前的文章或继续浏览下面的相关文章希望大家以后多多支持七叶笔记！
