mongodb 分组查询统计去掉重复的记录

mongodb版本号是，MongoDB shell version: 2.4.4

操作环境，shell窗口 ，如下所示：

[mongo_user@mongodb_dbs ~]# mongo --port 30100
MongoDB shell version: 2.4.4
connecting to: 127.0.0.1:30000/test
mongos>
mongos> use pos
switched to db pos
mongos> 

1，先统计分组记录数，以paymentOrder字段来分组统计，查询出所有的统计结果，分组统计数>1的

// 这里分组统计出来取分组字段paymentOrder的值_id、最大的objectid值max_id、分组统计数count
var group=([
     {$group:{_id:"$paymentOrder", max_id: {$max:"$_id"},count: { $sum: 1 }}},
     {$sort:{count:-1}}
])

2，定义就是找出存在重复的分组，使用管道操作符 match，条件是普通查询的格式，但是作用于group的输出结果的格式：

var match ={"$match":{"count" : {"$gt" : 2}}};

3，最后，通过聚合框架函数db.paymentinfo.aggregate(group, match)就得到了存在重复数据的分组。这个过程看似复杂，其实实现的只是T-SQL中的group by … having … 的语法。

var ds=db.paymentinfo.aggregate(group, match);

PS：这里match无效，出来很多count为1的数据，也就是说{“match":{"count" : {"gt” : 2}}};失败，why？

4，删除之前先备份好

备份

/usr/local/mongodb/mongodb-linux-x86_64-2.4.4/bin/mongoexport --port 30000 -d pos -c paymentinfo  -o /home/backup/mongodb_pos_paymentinfo_3.txt

5，开始循环删除

这里ds就是一个大的结果集，直接用ds.result就可以获取结果集里面分组查询出来的数据:

  //下面开始启用循环来遍历，aggregate出来的result已经具备了数组的特性，可以直接for循环处理
  var ds = db.paymentinfo.aggregate(group, match);
  for (var i = 0;i <ds.result.length ; i++) {
    var child=ds.result[i];
    var count=child.count;
    //因为上面第二步的{"$match":{"count" : {"$gt" : 2}}};过滤无效，所以这里加一个count>1来过滤掉没有重复的数据，只对有重复的进行数据处理操作
    if(count>1){
        var oid=child.max_id;
        print(count);
        //这里获取分组中最大的objectid的集合记录的objectid
        var payorder=child._id;
        //获取重复的paymentOrder的所有记录查询出来，进行遍历
        var ps=db.paymentinfo.find({"paymentOrder":payorder });
        //直接find后需要用toArray()来进行处理变成数组这样才可以遍历
        var psc=ps.toArray();
        for(var j=0; j<psc.length; j++){
            var pchild=psc[j];
            //将objectid进行遍历，如果是最大的那条记录保留，不是就删除remove掉
            if(oid.toString()==pchild._id.toString()){
                print("the same one");print(pchild._id.toString());
                print(oid.toString());
            }else{
                print("the other one -----");print(pchild._id.toString());print(oid.toString());db.paymentinfo.remove({"_id":pchild._id});
            }
        }
    }
 }

BY THE WAY：如果你copy我的脚本，去shell下的mongos客户端执行报错，有可能是格式错误，你可以去掉所有的换行符号或者你自己手动输入一遍，去执行，就不会报错了。