技术标签: BusinessIntelligence/DataWareHousing mongodb
MongoDB 开发
MongoDB在数据聚合上有独特的优势:
以上的两个问题已经引申出来很多的小问题了,比如shard, aggregation, mapreduce 等等。接下来一一将这些问题化解。
Aggregation:
举一个最简单的例子:(摘自mongodb 官方网站)
从这个简单的例子中,我们可以看到:
1聚合的框架是:先找到我们需要的document(这里是status等于A的所有document), 然后按照cust_id来计算amount的总量;
2使用的表达式:$match和$group. $match相当于是做查询,$后面跟上关键字就是一个命令或者执行程序(按照ETL中的任务流来理解),用来操作输入的文档
上面是一个简单的数据处理流,我们感兴趣的是,到底有多少这样的数据流命令可以供我们使用呢?这里就需要翻阅MongoDB Online document了,具体的术语称作“Aggregation PipeLine Operators”. 凡是聚合操作,都需要从aggregate()函数开始
暂时可以参考这个地址,但随着MongoDB项目的开发,不保证这个地址长期有效:
我们接着看几个Aggregation PipeLine Operator:
1. $collStats: 使用这个操作符号的时候,一定要放在第一个stage当中(我们把整个数据流分为好几个stage,每一个stage都执行一个计算)。
db.expense.aggregate(
{
$collStats: {
latencyStats:{
},
storageStats:{
}
}
}
)
返回的document类似这样:
/* 1 */
{
“ns” : “ecomm.expense”,
“localTime” : ISODate(“2017-05-10T14:19:41.942Z”),
“ns” : “ecomm.expense”,
“latencyStats” : {
“reads” : {
“latency” : NumberLong(8872),
“ops” : NumberLong(2)
},
“writes” : {
“latency” : NumberLong(0),
“ops” : NumberLong(0)
},
“commands” : {
“latency” : NumberLong(0),
“ops” : NumberLong(0)
}
},
“storageStats” : {
“size” : 178600173,
“count” : 1000001,
“avgObjSize” : 178,
“storageSize” : 72847360,
“capped” : false,
“wiredTiger” : {
“metadata” : {
“formatVersion” : 1
},
“creationString” : “access_pattern_hint=none,allocation_size=4KB,app_metadata=(formatVersion=1),block_allocation=best,block_compressor=snappy,cache_resident=false,checksum=on,colgroups=,collator=,columns=,dictionary=0,encryption=(keyid=,name=),exclusive=false,extractor=,format=btree,huffman_key=,huffman_value=,ignore_in_memory_cache_size=false,immutable=false,internal_item_max=0,internal_key_max=0,internal_key_truncate=true,internal_page_max=4KB,key_format=q,key_gap=10,leaf_item_max=0,leaf_key_max=0,leaf_page_max=32KB,leaf_value_max=64MB,log=(enabled=true),lsm=(auto_throttle=true,bloom=true,bloom_bit_count=16,bloom_config=,bloom_hash_count=8,bloom_oldest=false,chunk_count_limit=0,chunk_max=5GB,chunk_size=10MB,merge_max=15,merge_min=0),memory_page_max=10m,os_cache_dirty_max=0,os_cache_max=0,prefix_compression=false,prefix_compression_min=4,source=,split_deepen_min_child=0,split_deepen_per_child=0,split_pct=90,type=file,value_format=u”,
“type” : “file”,
“uri” : “statistics:table:collection-0-4591982809928228630”,
…(这里省去其他)
这里的聚合,相当于是对整个服务器的一个总体统计信息的抽取,并没有实现业务数据层面的聚合,可能会有其他用途,暂不明朗。
文档中说到,针对latencyStats, storageStats以及各自的子文档属性,都是可选的,也就是说,我们可以只查询其中一个感兴趣的属性字段,比如,我们只要查询storage的统计信息,只要这样查询:
db.expense.aggregate( {
$collStats:{
storageStats:{}
} } )
得到这样的结果文档:
{
“ns” : “ecomm.expense”,
“localTime” : ISODate(“2017-05-10T14:35:15.908Z”),
“storageStats” : {
“size” : 178600173,
“count” : 1000001,
“avgObjSize” : 178,
“storageSize” : 72847360,
“capped” : false,
“wiredTiger” : {
“metadata” : {
“formatVersion” : 1
},
“creationString” : “access_pattern_hint=none,allocation_size=4KB,app_metadata=(formatVersion=1),block_allocation=best,block_compressor=snappy,cache_resident=false,checksum=on,colgroups=,collator=,columns=,dictionary=0,encryption=(keyid=,name=),exclusive=false,extractor=,format=btree,huffman_key=,huffman_value=,ignore_in_memory_cache_size=false,immutable=false,internal_item_max=0,internal_key_max=0,internal_key_truncate=true,internal_page_max=4KB,key_format=q,key_gap=10,leaf_item_max=0,leaf_key_max=0,leaf_page_max=32KB,leaf_value_max=64MB,log=(enabled=true),lsm=(auto_throttle=true,bloom=true,bloom_bit_count=16,bloom_config=,bloom_hash_count=8,bloom_oldest=false,chunk_count_limit=0,chunk_max=5GB,chunk_size=10MB,merge_max=15,merge_min=0),memory_page_max=10m,os_cache_dirty_max=0,os_cache_max=0,prefix_compression=false,prefix_compression_min=4,source=,split_deepen_min_child=0,split_deepen_per_child=0,split_pct=90,type=file,value_format=u”,
“type” : “file”,
“uri” : “statistics:table:collection-0-4591982809928228630”,
“LSM” : {
“bloom filter false positives” : 0,
“bloom filter hits” : 0,
“bloom filter misses” : 0,
“bloom filter pages evicted from cache” : 0,
“bloom filter pages read into cache” : 0,
“bloom filters in the LSM tree” : 0,
“chunks in the LSM tree” : 0,
“highest merge generation in the LSM tree” : 0,
“queries that could have benefited from a Bloom filter that did not exist” : 0,
“sleep for LSM checkpoint throttle” : 0,
“sleep for LSM merge throttle” : 0,
“total size of bloom filters” : 0
},
…(其中省去其他冗余部分)
db.expense.aggregate(
{
$match:{
"item":"fund"}
},
{
$collStats:{
storageStats:{
}
}
}
)
2 $Project: 用来抽取特定的字段或者自定义表达式的字段
db.expense.aggregate({
$project:{
"expense_date":1,"item":1,"exp_value":1,"flag":"active","loaded":new Date()}})
{
“_id” : ObjectId(“58c4eeb051a694470c175658”),
“expense_date” : ISODate(“2002-10-09T00:00:00.000Z”),
“item” : “fund”,
“exp_value” : 0.0,
“flag” : “active”,
“loaded” : ISODate(“2017-05-10T14:52:34.197Z”)
}
在$project中,我们会逐渐接触到表示式和要直接表达true/false, 1/0的字段,这两类值,经常被解析为是否抽取某一个字段,因此需要特别处理。
我们先看一个没有加$literal表达式的例子:
db.expense.aggregate({
$project:{
"expense_date":1,"item":1,"exp_value":1,"active":1}})
{
“_id” : ObjectId(“58c4eeb051a694470c175658”),
“expense_date” : ISODate(“2002-10-09T00:00:00.000Z”),
“item” : “fund”,
“exp_value” : 0.0
}
再看加上$literal的例子:
db.expense.aggregate({
$project:{
"expense_date":1,"item":1,"exp_value":1,"active":{$literal:1}}})
{
“_id” : ObjectId(“58c4eeb051a694470c175658”),
“expense_date” : ISODate(“2002-10-09T00:00:00.000Z”),
“item” : “fund”,
“exp_value” : 0.0,
“active” : 1.0
}
如果没有active这个字段,我们使用$literal之后就能将这个字段计算并且附到结果集里面。
如果$literal子文档里面加$literal会怎么样呢:
db.expense.aggregate({
$project:{
"expense_date":1,"comment":{
$literal:{
$literal:1}}}})
{
“_id” : ObjectId(“58c4eeb051a694470c175658”),
“expense_date” : ISODate(“2002-10-09T00:00:00.000Z”),
“comment” : {
“$literal” : 1.0
}
}
$literal其实就是一个表达式,用来执行特殊操作的表达式。更常规的表达式,我们可以选几个来看看:
db.expense.aggregate({
$project:{
"expense_date":1,"comment":{
$literal:{
$literal:1}},"exp_value":1,"allamount": {
$multiply:[ "$exp_value",100]}}})
{
“_id” : ObjectId(“58c4eeb051a694470c175658”),
“expense_date” : ISODate(“2002-10-09T00:00:00.000Z”),
“exp_value” : 0.0,
“comment” : {
“$literal” : 1.0
},
“allamount” : 0.0
}
/* 2 */
{
“_id” : ObjectId(“58c4eeb051a694470c175659”),
“expense_date” : ISODate(“2001-01-01T00:00:00.000Z”),
“exp_value” : 1.0,
“comment” : {
“$literal” : 1.0
},
“allamount” : 100.0
}
这个地方尤其要注意,表达式后面一定是加【】,而不是{}。 而$literal是加{}的,所以和普通的表达式也还有所不同。
文章浏览阅读3.3k次,点赞7次,收藏39次。CPU 执行现行程序的过程中,出现某些急需处理的异常情况或特殊请求,CPU暂时中止现行程序,而转去对异常情况或特殊请求进行处理,处理完毕后再返回现行程序断点处,继续执行原程序。void 函数名(void) interrupt n using m {中断函数内容 //尽量精简 }编译器会把该函数转化为中断函数,表示中断源编号为n,中断源对应一个中断入口地址,而中断入口地址的内容为跳转指令,转入本函数。using m用于指定本函数内部使用的工作寄存器组,m取值为0~3。该修饰符可省略,由编译器自动分配。_51单片机中断篇
文章浏览阅读396次。项目经验(案例一)项目时间:2009-10 - 2009-12项目名称:中驰别克信息化管理整改完善项目描述:项目介绍一,建立中驰别克硬件档案(PC,服务器,网络设备,办公设备等)二,建立中驰别克软件档案(每台PC安装的软件,财务,HR,OA,专用系统等)三,能过建立的档案对中驰别克信息化办公环境优化(合理使用ADSL宽带资源,对域进行调整,对文件服务器进行优化,对共享打印机进行调整)四,优化完成后..._网络工程师项目经历
文章浏览阅读1k次,点赞31次,收藏30次。LVS:Linux Virtual Server,负载调度器,内核集成, 阿里的四层SLB(Server Load Balance)是基于LVS+keepalived实现。NATTUNDR优点端口转换WAN性能最好缺点性能瓶颈服务器支持隧道模式不支持跨网段真实服务器要求anyTunneling支持网络private(私网)LAN/WAN(私网/公网)LAN(私网)真实服务器数量High (100)High (100)真实服务器网关lvs内网地址。
文章浏览阅读899次。https://www.toutiao.com/a6713171323893318151/作者 | 黄小邪/言有三编辑 | 黄小邪/言有三图像预处理算法的好坏直接关系到后续图像处理的效果,如图像分割、目标识别、边缘提取等,为了获取高质量的数字图像,很多时候都需要对图像进行降噪处理,尽可能的保持原始信息完整性(即主要特征)的同时,又能够去除信号中无用的信息。并且,降噪还引出了一..._噪声很大的图片可以降噪吗
文章浏览阅读152次。目录谨慎地覆盖cloneCloneable接口并没有包含任何方法,那么它到底有什么作用呢?Object类中的clone()方法如何重写好一个clone()方法1.对于数组类型我可以采用clone()方法的递归2.如果对象是非数组,建议提供拷贝构造器(copy constructor)或者拷贝工厂(copy factory)3.如果为线程安全的类重写clone()方法4.如果为需要被继承的类重写clone()方法总结谨慎地覆盖cloneCloneable接口地目的是作为对象的一个mixin接口(详见第20_为继承设计类有两种选择,但无论选择其中的
文章浏览阅读958次,点赞21次,收藏24次。今天学长向大家分享一个毕业设计项目基于协同过滤的电影推荐系统项目运行效果:项目获取:https://gitee.com/assistant-a/project-sharing21世纪是信息化时代,随着信息技术和网络技术的发展,信息化已经渗透到人们日常生活的各个方面,人们可以随时随地浏览到海量信息,但是这些大量信息千差万别,需要费事费力的筛选、甄别自己喜欢或者感兴趣的数据。对网络电影服务来说,需要用到优秀的协同过滤推荐功能去辅助整个系统。系统基于Python技术,使用UML建模,采用Django框架组合进行设
文章浏览阅读614次。10G SFP+光模块被广泛应用于10G以太网中,在下一代移动网络、固定接入网、城域网、以及数据中心等领域非常常见。下面易天光通信(ETU-LINK)就为大家一一盘点下10G SFP+光模块都有哪些吧。一、10G SFP+双纤光模块10G SFP+双纤光模块是一种常规的光模块,有两个LC光纤接口,传输距离最远可达100公里,常用的10G SFP+双纤光模块有10G SFP+ SR、10G SFP+ LR,其中10G SFP+ SR的传输距离为300米,10G SFP+ LR的传输距离为10公里。_10g sfp+
文章浏览阅读239次。该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程。欢迎交流项目运行环境配置:项目技术:Express框架 + Node.js+ Vue 等等组成,B/S模式 +Vscode管理+前后端分离等等。环境需要1.运行环境:最好是Nodejs最新版,我们在这个版本上开发的。其他版本理论上也可以。2.开发环境:Vscode或HbuilderX都可以。推荐HbuilderX;3.mysql环境:建议是用5.7版本均可4.硬件环境:windows 7/8/10 1G内存以上;_基于vue美食网站源码
文章浏览阅读62次。oldwain随便写@hexun链接:http://oldwain.blog.hexun.com/ ...
文章浏览阅读843次,点赞16次,收藏22次。用这个工具扫描其它网站时,要注意法律问题,同时也比较慢,所以我们以之前写的登录页面为例子扫描。_sqlmap拖库
文章浏览阅读1.5w次,点赞5次,收藏38次。Origin也能玩转图片的拼接组合排版谭编(华南师范大学学报编辑部,广州 510631)通常,我们利用Origin软件能非常快捷地绘制出一张单独的绘图。但是,我们在论文的撰写过程中,经常需要将多种科学实验图片(电镜图、示意图、曲线图等)组合在一张图片中。大多数人都是采用PPT、Adobe Illustrator、CorelDraw等软件对多种不同类型的图进行拼接的。那么,利用Origin软件能否实..._origin怎么把三个图做到一张图上
文章浏览阅读4.2k次,点赞4次,收藏51次。51单片机智能电风扇控制系统仿真设计( proteus仿真+程序+原理图+报告+讲解视频)仿真图proteus7.8及以上 程序编译器:keil 4/keil 5 编程语言:C语言 设计编号:S0042。_电风扇模拟控制系统设计