AI革命家 REVOLUTIONARY

第 9 章 MongoDB 進階操作：聚合

9.1 聚合管線概念

在前面第 6 章中，我們學習了基本的 MongoDB 查詢操作（如 find() 方法），這些查詢能滿足簡單的需求。然而，當面臨更為複雜的查詢場景時，多次的 find() 操作可能變得低效且繁瑣。本章將介紹 MongoDB 強大的查詢功能——聚合管線（Aggregation Pipeline），它能有效處理複雜的查詢需求，並簡化數據處理流程。

聚合管線的基本概念

MongoDB 聚合管線是一種數據處理流水線，每個階段執行特定的數據轉換和分析。其核心概念包括：

• 資料流：文檔從集合中流入管線。

• 階段：管線由多個階段組成，每個階段執行特定操作。

• 轉換：每個階段可對數據進行篩選、轉換或分組。

• 結果：管線的最後階段輸出處理完成的結果。

聚合管線的優勢

1. 高效性：所有操作均在資料庫內完成，減少了數據傳輸的成本。

2. 靈活性：支持多種組合操作，實現複雜的數據轉換。

3. 可讀性：階段化的結構使得複雜查詢更容易理解與維護。

聚合管線的應用場景包括計算平均值、統計總和、分組數據等，能在一次查詢中完成多種操作。

簡單查詢與複雜查詢的使用情境

假設我們有一個包含台灣各分區人口資料的集合 people，其中每筆文檔的字段包括 _id、city（城市）、district（分區）、sex（性別）。

範例數據：

{
  "_id": "A123456789", "city": "台北市", "district": "信義", "sex": "男"
},
{
  "_id": "A123456790", "city": "台北市", "district": "松山", "sex": "女"
}

簡單查詢：一次查詢即可獲得結果

1. 計算總人數：

   db.people.countDocuments();

2. 查詢台北市的人口數：

   db.people.countDocuments({ city: "台北市" });

3. 查詢台北市男性的人口數：

   db.people.countDocuments({ city: "台北市", sex: "男" });

複雜查詢：需要多次查詢

查詢台北市信義區男性與松山區女性的總人數：

1. 信義區男性人數：

   db.people.countDocuments({ city: "台北市", district: "信義", sex: "男" });

2. 松山區女性人數：

   db.people.countDocuments({ city: "台北市", district: "松山", sex: "女" });

將結果相加得出答案。

9.1.3 聚合管線的操作

優點：

• 相比傳輸所有原始數據，只傳輸統計結果，大幅節省資源。

• 自動識別分區數量，減少查詢次數。

缺點：

• 無法取得原始數據。

聚合操作的步驟

1. 定義問題：例如，統計台灣每個城市分區的男性與女性人數。

2. 聚合過程：

   • 篩選：過濾出符合條件的文檔。

   • 分組：根據分區字段進行分組。

   • 計算：統計每組中的男性與女性數量。

   • 輸出：將結果返回給用戶。

聚合查詢示例：

// 聚合查詢示例
db.people.aggregate([
  { $group: { _id: "$district", male: { $sum: { $cond: [ { $eq: ["$sex", "男"] }, 1, 0 ] } }, female: { $sum: { $cond: [ { $eq: ["$sex", "女"] }, 1, 0 ] } } } }
]);

9.2 聚合運算子

MongoDB 提供超過 30 種的聚合運算子，用於支持豐富的數據處理操作。以下是常見運算子：

範例：計算每個分區的消費者平均年齡

db.customers.aggregate([
  { $match: { city: "台北市" } },
  { $group: { _id: "$district", avgAge: { $avg: "$age" }, totalCount: { $sum: 1 } } }
]);

9.3 使用範例

範例 1：計算台北市消費者數量與平均年齡

1. 匯入資料：

   db.customers.insertMany([
     { "city": "台北市", "district": "信義", "age": 25 },
     { "city": "台北市", "district": "松山", "age": 30 }
   ]);

2. 聚合查詢：

   db.customers.aggregate([
     { $match: { city: "台北市" } },
     { $group: { _id: "$district", avgAge: { $avg: "$age" }, totalCount: { $sum: 1 } } }
   ]);

   結果：每個分區的消費者平均年齡和總人數。

範例 2：全台灣 107 年出生、死亡、結婚、離婚數據統計

1. 匯入資料：匯入政府開放平台的戶籍資料。

2. 聚合查詢：

   db.people.aggregate([
     { $group: { _id: null, totalBirth: { $sum: "$birth_total" }, totalDeath: { $sum: "$death_total" }, totalMarry: { $sum: "$marry_pair" }, totalDivorce: { $sum: "$divorce_pair" } } }
   ]);

   結果：返回全台灣的統計數據。

9.4 實戰演練：資料統計系統

此範例使用 C# 搭配 MongoDB Driver 實現數據統計系統，並通過控制台操作執行兩個功能：

1. 計算台北市各分區消費者數量與平均年齡。

2. 計算 107 年全台灣的出生、死亡、結婚與離婚統計數據。

主要步驟

1. 安裝 MongoDB Driver：

   Install-Package MongoDB.Driver -Version 2.26.0

2. 定義數據結構：

   • CustomersDocument.cs

   • `PeopleDocument.cs