今天要來介紹在 MongoDB 當中該如何進行一對一以及一對多的關聯，雖然說 Mongo 是一個無關聯的資料庫，但有時為了方便，還是會稍微將資料做一些正規劃，而在 Mongo 當中一對一以及一對多，同樣是透過直接寫入 id 的方式來進行，另外今天我們也會介紹 lookup 這個操作符號，他可以幫我們拉出與指定條件相關連的資料

一、建立資料

下方為本次的資料模型，可以看到在 HighRiskIntersection 當中我們將 statistic 欄位換成 statistic_id，並且不給予預設值，表示這個欄位在建立的時候一定要進行輸入，否則會引發錯誤，因此稍後我們在進行資料寫入的時候會先進行 statistics 的寫入，取得寫入的 id 後再進行 HighRiskIntersection 的寫入

from pydantic import BaseModel
from datetime import datetime
from bson.objectid import ObjectId


class HighRiskIntersection(BaseModel):
    year: int
    month: int

    rank: int  # 排名
    jurisdiction: str  # 轄區
    intersection: str  # 路口

    statistics_id: ObjectId

    accident_time_interval: str  # 發生時間區間 (24 小時制)
    cause: str  # 主要肇因

    city: str

    created_time: datetime = datetime.now()

    class Config:
        arbitrary_types_allowed = True


class Statistics(BaseModel):
    A1_amount: int
    A2_amount: int
    A2_injury: int  # A2 受傷
    A3_amount: int
    total_amount: int

下方附上寫入資料的程式，可以看到我們這次建立了兩個 collection 物件，並且先進行 statistics 的寫入同時取得寫入後的 ID，接著才進行 Intersection 的寫入

import re
import os
import json
from pathlib import Path
from dotenv import load_dotenv
from pymongo.database import Database
from pymongo.collection import Collection
from pymongo.mongo_client import MongoClient
from schema import Statistics, HighRiskIntersection

# 讀取 .env 取得連線資訊
BASE_DIR = Path(__file__).parent.parent
load_dotenv(str(BASE_DIR / ".env"))

# 取得所有 datas 檔案路徑下的所有檔案
file_names = []
for root, dirs, files in os.walk(BASE_DIR / "datas"):
    for file in files:
        file_path = os.path.join(root, file)
        file_names.append(file_path)

# 建立 client 並與 db、collection 進行連線
client = MongoClient(host=os.getenv("MONGODB_ATLAS_URL"))
database = Database(client=client, name="HighRiskIntersection")
intersection_collection = Collection(database=database, name="Intersection")
statistics_collection = Collection(database=database, name="Statistics")

# 依照檔案路徑將所有的資料打開並寫入資料庫
for file in file_names:
    with open(file=file, encoding="utf-8") as f:
        datas = json.load(fp=f)

        for data in datas:
            # 建立 Statistics 物件
            statistics = Statistics(
                A1_amount=data.get("A1", 0),
                A2_amount=data.get("A2件數", 0),
                A2_injury=data.get("A2受傷", 0),
                A3_amount=data.get("A3", 0),
                total_amount=data.get("總件數", 0)
            )
            statistics_inserted_id = statistics_collection.insert_one(statistics.dict()).inserted_id

            # 建立 high_risk_intersection 物件
            high_risk_intersection = HighRiskIntersection(
                year=2022,
                month=int(re.findall(r'(\d+)月', file)[0]),
                rank=data.get("編號"),
                jurisdiction=data.get("轄區分局"),
                intersection=data.get("路口名稱"),
                accident_time_interval=data.get("發生時間"),
                cause=data.get("主要肇因"),
                city="台中市",
                statistics_id=statistics_inserted_id
            )
            intersection_collection.insert_one(high_risk_intersection.dict())

client.close()

下面兩張圖片當中我們可以看到在資料庫當中成功建立的兩個 collection，並且在 Intersection 當中的資料是有成功寫入 statistic_id 欄位的

二、查詢關聯 lookup

在 mongo 當中提供了 lookup 指令來進行關聯的查詢，下方為一個簡易的語法格式

{
  "$lookup": {
    "from": "<要搜尋的表>",
    "localField": "<當前表中的哪個欄位作為聯外鍵>",
    "foreignField": "<要搜尋的表的欄位>",
    "as": "<在查詢結果當中要呈現的名稱>"
  }
}

要使用的時候要記得透過 aggregate 進行使用，否則會無法正確回傳資料甚至會引發錯誤，至於 aggregate 則會留到後面的部分會進行說明，下方先附上這次 lookup 查詢範例程式

data = intersection_collection.aggregate([
    {
        "$lookup": {
            "from": "Statistics",
            "localField": "statistics_id",
            "foreignField": "_id",
            "as": "statistic"
        }
    }
])
pprint(list(data))

下圖中我們可以看到已經成功地透過指定 statistics_id 欄位進行 lookup 動作，並且成功的取得資料