黑色好看版 - 傳送門

在上一篇文章中說明了pipeline操作符號，接下來我們這篇要說明在操作符號內使用的pipeline表達式，它讓我們可以在pipeline內進行計算、比較、字串修改等分析方法。

• 數學表達式(mathematical expression)
• 日期表達式(date expression)
• 字串表達式(string expression)
• 邏輯表達式(logical expression)

P.S一半囉~~哇哈哈

~ 數學表達式 ~

以下列表為比較常用的數學表達式(全部在這)。

實際運用 ~ 我們想要知道訂單總收入是多少。

我們來看看實際上是如何運用，假設我們有下列資料，該資料為訂單資料。

{ "id" : 1 , "price" : 100 , "count" : 20, "discount" : 0 },
{ "id" : 2 , "price" : 200 , "count" : 20, "discount" : 100 },
{ "id" : 3 , "price" : 50 , "count" : 20, "discount" : 100 },
{ "id" : 4 , "price" : 10 , "count" : 210, "discount" : 200 },
{ "id" : 5 , "price" : 100 , "count" : 30, "discount" : 20 }

這個應用中，我們希望知道總收入是多少，以下為收入公式。

每筆訂單收入 = price * count - discount 

然後我們在將他拆解成pipeline過程，我們使用先算出每筆訂單收入，再加總起來這步驟。

1. 將每筆訂單的收入計算出並存放在income欄位。
2. 將所有訂單income欄位加總起來，並存放在total欄位。

根據以上步驟我們可以產生出以下的聚合方法。

db.order.aggregate ({ 
//1. 將每筆訂單的收入計算出並存放在`income`欄位。
	"$project" : {
		  "id" : 1 , 
		  "income" : { "$subtract" :
		  		[ { $multiply : [ "$price","$count"] } , "$discount"] 
		  }
	},{
//2. 將所有訂單`income`欄位加總起來，並存放在`total`欄位
	$group : {
			"_id" : null,
			"total" : { $sum : "$income"}
		}
	}
})

結果如下。

{ "_id" : null, "total" : 11680 }

雖然這個範例只運用到少數幾個表達式，但事實上用法都大同小異，只要會了一個基本上其它的運用起來也會很順。

~ 日期表達式 ~

這種類型的表達式，大部份都是用來將一串日期轉化成你想要的單位例如月、日、年等。

實際運用 ~ 我們想取得date的詳細資料。

我們來看看實際轉換的結果，假設我們有下列資料。

{ "_id" : 1, "date" : ISODate("2016-01-02T08:10:20.651Z") }

db.test.aggregate({
	$project : {
		"year" : { $year : "$date" },
		"month" : { $month  : "$date"},
		"week" : { $week : "$date"},
		"dayOfMonth" : { "$dayOfMonth" : "$date" },
		"dayOfYear" : { "$dayOfYear" : "$date"},
		"dayOfWeek" : { "$dayOfWeek" : "$date"},
		"hour" : { "$hour" : "$date"},
		"minute" : { "$minute" : "$date"},
		"second" : { "$second" : "$date"}
	}
})

結果如下，其中week為0是因為它是從第0周開始，而dayOfWeek為7代表當天是星期六。

"2016-01-02T08:10:20.651Z"
{
	"_id" : 1,
	"year" : 2016,
	"month" : 1,
	"week" : 0,
	"dayOfMonth" : 2,
	"dayOfYear" : 2,
	"dayOfWeek" : 7,
	"hours" : 8,
	"minute" : 10,
	"second" : 20 

}

~ 字串表達式 ~

就是將聚合中的字串做一些哩哩扣扣的事情。

實際應用 ~ 我們想取得item開頭為B的document，並且輸出的describe要全轉換為小寫。

下面是我們的資料。

{ "item" : "ABC", "describe":"AAbbcc"},
{ "item" : "BCE" , "describe":"hello WorD"},
{ "item" : "CAA" , "describe":"BBCCaa"}

我們可以根據問題，來將之拆分為以下步驟。

1. 取得每個item的第一個值，並存放在temp欄位中。
2. 並且每個temp與B進行比較，比較結果放在result欄位中。
3. 篩選出result為0的document。
4. 將該document的describe欄位轉換成小寫。

以下為拆分出來的聚合方法。

db.test.aggregate(
{
//1. 取得每個`item`的第一個值，並存放在`temp`欄位中。
	$project : { "describe" : 1, "temp" : {"$substr":["$item",0,1]} }
},
{
//2. 並且每個`temp`與`B`進行比較，比較結果放在`result`欄位中。
	$project : { "describe" : 1, "result" : {"$strcasecmp":["$temp","B"]}}
},
{ 
//3. 篩選出`result`為`0`的`document`。
	$match : { "result" : 0 } 
},
{ 
//4. 將該`document`的`describe`欄位轉換成小寫。
	$project : { "describe" : { "$toLower" : "$describe" } } }
)

執行結果如下。

{ 
	"_id" : ObjectId("58500f0d7fac2213af387c9c"), 
	"describe" : "hello word" 
}

~ 邏輯表達式 ~

下面是些比較常使用的邏輯表達式列表。

實際應用 ~ 我想要計算出每筆訂單的實際收入，其中當數量大於200時打八折，最後在依class進行分組，算出各組的總收入。

首先一樣，先看看我們有的資料，如下。

{ "id":1,"class" : "1", "price" : 10,"count" : 180},
{ "id":1,"class" : "1" ,"price" : 10,"count" : 350},
{ "id":1,"class" : "2" ,"price" : 10,"count" : 90},
{ "id":1,"class" : "2" ,"price" : 10,"count" : 320},
{ "id":1,"class" : "2","price" : 10,"count" : 150}

然後根據問題，我們將拆分為以下pipeline步驟。

1. 全部的訂單先判斷折扣率，並存放在discount裡。
2. 計算每分訂單的收入，並存放在total裡。
3. 根據class進行分組，並計算各組的總收入，存放在result裡。

以下為根據步驟所建立出的聚合方法。

db.orders.aggregate(
{	
// 1. 全部的訂單先判斷折扣率，並存放在`discount`裡。
	"$project" : { 
		"class" : 1,
		"price" : 1,
		"count" : 1,
		"discount" : {
			"$cond" : [{ $gte: [ "$count", 200 ] },0.8,1]
		}
	}
},
{
// 2. 計算每分訂單的收入，並存放在`total`裡。
	"$project" : {
		"class" :1,
		"total" : { "$multiply" : ["$price","$count","$discount"] }
	}
},
{ 
// 3. 根據`class`進行分組，並計算各組的總收入，存放在`result`裡。
	"$group" : { "_id" : "$class" , "result" : {"$sum" : "$total"} }
})

結果如下。

{ "_id" : "2", "result" : 4960 },
{ "_id" : "1", "result" : 4600 }

~ 結語 ~

本章介紹了很多的表達式，也都用實際的範例來說明如何使用，不過也只是用很基本的方法，
如果要更熟練的使用這些表達式，筆者建議進行更多的實例練習，以及在練習時也要持續思考有沒有更好更快的方法，那相信你不需要多久的時間，就能很熟練囉。

~ 參考資料 ~

• https://docs.mongodb.com/manual/reference/operator/aggregation/cond/
• https://docs.mongodb.com/v3.2/reference/operator/aggregation/strcasecmp/#exp._S_strcasecmp
• http://stackoverflow.com/questions/17044587/how-to-aggregate-sum-in-mongodb-to-get-a-total-count