MongoDB的聚合管道就像一条数据处理的流水线，我们可以把数据依次通过不同的“工序”（聚合操作符）进行筛选、统计和转换，最终得到想要的结果。今天我们来学习聚合管道中最常用的两个操作符：$match和$group，帮你快速上手MongoDB的聚合分析。
一、MongoDB聚合管道基础¶
聚合管道由多个阶段组成，每个阶段对应一个操作符（如$match、$group），数据从左到右依次经过每个阶段处理。我们用一个示例集合来理解，假设我们有一个学生成绩集合students，文档结构如下：
{ "_id": 1, "name": "张三", "subject": "数学", "score": 90, "class": "一班" }
{ "_id": 2, "name": "李四", "subject": "语文", "score": 85, "class": "一班" }
{ "_id": 3, "name": "王五", "subject": "数学", "score": 78, "class": "二班" }
{ "_id": 4, "name": "赵六", "subject": "语文", "score": 92, "class": "二班" }
{ "_id": 5, "name": "钱七", "subject": "数学", "score": 88, "class": "一班" }
二、$match：筛选数据的“过滤器”¶
$match就像SQL中的WHERE子句，用来筛选出符合条件的文档，只把满足条件的文档传递给下一个阶段，避免后续处理无效数据。
语法¶
{ $match: { <查询条件> } }
<查询条件>与find()方法的条件一致，支持等于、大于、小于、包含等操作符，例如：
- 等于：{ class: "一班" }（筛选班级为“一班”的文档）
- 大于：{ score: { $gt: 80 } }（筛选分数大于80的文档）
- 包含：{ subject: { $in: ["数学", "语文"] } }（筛选科目为数学或语文的文档）
示例：筛选“一班”的学生成绩¶
db.students.aggregate([
{ $match: { class: "一班" } } // 只保留class为“一班”的文档
])
执行后会返回所有class为“一班”的3条文档：
{ "_id": 1, "name": "张三", "subject": "数学", "score": 90, "class": "一班" }
{ "_id": 2, "name": "李四", "subject": "语文", "score": 85, "class": "一班" }
{ "_id": 5, "name": "钱七", "subject": "数学", "score": 88, "class": "一班" }
三、$group：分组统计的“计算器”¶
筛选出数据后，$group会按指定字段分组，并对每个组内的数据进行统计（如计数、求和、求平均等）。
语法¶
{ $group: { _id: <分组键>, <自定义字段>: { <累加器操作符>: <字段名> }, ... } }
_id：分组键，用来指定分组的依据（如按class或subject分组）。若设为null，则整个集合作为一个组。- 自定义字段：如
student_count、avg_score，用来存储统计结果。 - 累加器操作符：对每个组内的字段进行计算，常用的有：
$sum：求和（如$sum: "$score"计算总分）$avg：求平均值（如$avg: "$score"计算平均分）$count：计数（等价于$sum: 1，统计文档数量）$max/$min：取最大值/最小值
示例1：按班级分组统计学生数量¶
db.students.aggregate([
{ $group: { _id: "$class", student_count: { $sum: 1 } } }
// 按class分组，每个组计数1（统计学生数量）
])
结果：
{ "_id": "一班", "student_count": 3 },
{ "_id": "二班", "student_count": 2 }
示例2：按科目分组计算总分数¶
db.students.aggregate([
{ $group: { _id: "$subject", total_score: { $sum: "$score" } } }
// 按subject分组，计算每个科目的总分
])
结果：
{ "_id": "数学", "total_score": 90 + 78 + 88 = 256 },
{ "_id": "语文", "total_score": 85 + 92 = 177 }
示例3：按班级分组计算平均分数¶
db.students.aggregate([
{ $group: { _id: "$class", avg_score: { $avg: "$score" } } }
// 按class分组，计算每个班级的平均分
])
结果：
{ "_id": "一班", "avg_score": (90 + 85 + 88)/3 ≈ 87.67 },
{ "_id": "二班", "avg_score": (78 + 92)/2 = 85 }
四、$match和$group组合使用¶
实际分析中，我们常先筛选再分组。例如：统计“数学”科目中每个班级的平均分数。
步骤：¶
- 第一步：用
$match筛选出subject为“数学”的文档； - 第二步：用
$group按class分组，计算平均分数。
db.students.aggregate([
{ $match: { subject: "数学" } }, // 筛选数学科目的学生
{ $group: { _id: "$class", avg_math_score: { $avg: "$score" } } } // 按班级分组算平均分
])
结果：
{ "_id": "一班", "avg_math_score": (90 + 88)/2 = 89 },
{ "_id": "二班", "avg_math_score": 78 }
总结¶
$match：像“过滤器”，先筛选数据，减少后续处理量。$group：像“计算器”，按分组键分组后，用累加器操作符统计每个组的数据。- 两者组合是聚合分析的核心模式：先过滤再分组统计。
通过这两个操作符，你已经能完成基础的统计分析。后续可学习$project（投影，只保留需要字段）、$sort（排序）等操作符，进一步扩展数据分析能力！