sql >> Database >  >> NoSQL >> MongoDB

Vind dubbele URL's in mongodb

Uitgaande van een incassodocument met name (met behulp van name in plaats van url ) veld bestaande uit dubbele waarden. Ik heb twee aggregaties die wat output retourneren die kan worden gebruikt om verdere verwerking uit te voeren. Ik hoop dat u dit nuttig vindt.

{ _id: 1, name: "jack" },
{ _id: 2, name: "john" },
{ _id: 3, name: "jim" },
{ _id: 4, name: "john" }
{ _id: 5, name: "john" }, 
{ _id: 6, name: "jim" }

Merk op dat "john" 3 keer voorkomt en "jim" 2.

(1) Deze aggregatie retourneert de namen die duplicaten hebben (meer dan één keer):

db.collection.aggregate( [
  { 
      $group: { 
          _id: "$name", 
          count: { $sum: 1 }
      } 
  },
  { 
      $group: { 
          _id: "duplicate_names", 
          names: { $push: { $cond: [ { $gt: [ "$count", 1 ] }, "$_id", "$DUMMY" ] } }
      }
  }
] )

De uitvoer:

{ "_id" : "duplicate_names", "names" : [ "john", "jim" ] }


(2) De volgende aggregatie retourneert alleen de _id veldwaarden voor de dubbele documenten. De naam "jim" heeft bijvoorbeeld _id waarden 3 en 6 . De uitvoer heeft alleen de id's voor de dubbele documenten, d.w.z. 6 .

db.colection.aggregate( [
  { 
      $group: { 
          _id: "$name", 
          count: { $sum: 1 }, 
          ids: { $push: "$_id" } 
      } 
  },
  { 
      $group: { 
          _id: "duplicate_ids",  
          ids: { $push: { $slice: [ "$ids", 1, 9999 ] } } 
      } 
  },
  { 
      $project: { 
          ids: { 
              $reduce: {
                  input: "$ids", 
                  initialValue: [ ],
                  in: { $concatArrays: [ "$$this", "$$value" ] }
              }
          }
      } 
  }
] )

De uitvoer:

{ "_id" : duplicate_ids", "ids" : [ 6, 4, 5 ] }



  1. DataFrame naar RDD [(String, String)] conversie

  2. Spring data redis overschrijven standaard serializer

  3. StackExchange TimeoutException bij het invoegen van 750 items in 2 sets in redis

  4. Toegang opnieuw verkrijgen vanuit MS Excel?