mongodb 分组 topN

在统计应用项目中，我们经常会遇到这样的需求：将大量的对象进行排序，然后只需要取出前 N 名作为排行榜的数据，这就是 TopN 算法。mongodb作为nosql数据库的典型代表，能够存储海量数据，在使用过程中也经常会遇到TopN的需求，例如将需要字段的最新数据从mongodb中获取出来。下面就使用集算器 SPL 语言操作，通过案例分析如何实现上述功能。

      Collection last3有两个字段：variable和timestamp，这里首先按variable分组，然后在每组文档中选出timestamp最晚的3个，最后再从这些文档中找到timestamp最早的1个。

      last3的部分数据如下：

{"_id" :   ObjectId("54f69645e4b077ed8d997857"),"variable" :   "A", "timestamp" : ISODate("1995-01-01T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997856"),"variable" :   "A", "timestamp" : ISODate("1995-01-02T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997855"),"variable" :   "A", "timestamp" : ISODate("1995-01-03T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997854"),"variable" :   "B", "timestamp" : ISODate("1995-01-02T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997853"),"variable" :   "B", "timestamp" : ISODate("1995-01-01T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997852"),"variable" :   "B", "timestamp" : ISODate("1994-01-03T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997851"),"variable" :   "C", "timestamp" : ISODate("1994-01-03T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997850"),"variable" :   "C", "timestamp" : ISODate("1994-01-02T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997858"),"variable" :   "C", "timestamp" : ISODate("1994-01-01T00:00:00Z")} {"_id" :   ObjectId("54f69645e4b077ed8d997859"),"variable" :   "C", "timestamp" : ISODate("1993-01-01T00:00:00Z")}

集算器代码：

	A	B
1	=mongo_open("mongodb://localhost:27017/local?user=test&password=test")
2	=mongo_shell(A1,"last3.find(,{_id:0};{variable:1})")
3	for A2;variable	=A3.top(3;-timestamp)
4		=@|B3
5	=B4.minp(~.timestamp)
6	=mongo_close(A1)

      A1:连接MongoDB，连接字格式为mongo://ip:port/db?arg=value&…。

      A2:使用find函数从MongoDB中取数并排序，形成游标。collectoin是last3，过滤条件是空，取出_id之外的所有字段，并按variable排序。

      A3:循环从游标读数，每次取variable字段相同的一组文档。A3循环的的作用范围是缩进的B3到B4，在这个范围中可以用A3来引用循环变量，这里A3是内存数据，在调试方式下可以查看某次取数的结果如下：

variable	timestamp
C	1994-01-03 08:00:00
C	1994-01-02 08:00:00
C	1994-01-01 08:00:00
C	1993-01-01 08:00:00

      B3:选出本组文档中timestamp最晚（大）的3个。

      B4:将B3不断地追加到B4中。B4如下：

variable	timestamp
A	1995-01-03 08:00:00
A	1995-01-02 08:00:00
A	1995-01-01 08:00:00
B	1995-01-02 08:00:00
B	1995-01-01 08:00:00
B	1994-01-03 08:00:00
C	1994-01-03 08:00:00
C	1994-01-02 08:00:00
C	1994-01-01 08:00:00

      A5：选出B4中timstamp最早（小）的那个文档，即：

variable	timestamp
C	1994-01-01 08:00:00

      A6：关闭mongodb连接。

      实现类似Mongodb的topN的需求，使用SPL语言能简化mongodb shell的实现，相对mongodb脚本容易多了。