mongodb 分组 topN
来源：https://groups.google.com/forum/#!topic/mongodb-user/Rjv6lyUCe1s
【摘要】
MongoDB 对于 TopN 功能的需求使用其 shell 脚本来实现有些复杂，而集算器 SPL 语言，则因其离散性、灵活性恰好能弥补 MongoDB 实现方面的不足。若想了解更多，请前往乾学院：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。
英文版