MongoDB同一集合多查询关联实现特定数据筛选方案问询

需求说明 #

现有集合数据（MongoDB 4.2）：

[
  {"a":1,"b":1,"c":1,"d":1},
  {"a":2,"b":1,"c":1,"d":8},
  {"a":3,"b":1,"c":0,"d":1},
  {"a":4,"b":2,"c":1,"d":1},
  {"a":5,"b":2,"c":0,"d":1},
  {"a":6,"b":3,"c":0,"d":2},
  {"a":7,"b":4,"c":1,"d":1},
  {"a":8,"b":5,"c":0,"d":4},
  {"a":9,"b":6,"c":1,"d":1}
]

需要筛选出满足以下条件的文档：

• c=1 且 d=1
• 该文档对应的b值在集合中，所有c=1的记录仅存在一条

期望结果：

[
  {"a":4,"b":2,"c":1,"d":1},
  {"a":7,"b":4,"c":1,"d":1},
  {"a":9,"b":6,"c":1,"d":1}
]

现有思路与困惑 #

计划分三步实现：

1. 找出原集合中d=1且c=1的所有记录；
2. 找出原集合中存在多条c=1记录的b值；
3. 从第一步结果中移除包含第二步b值的记录。

在SQL中可以通过子查询或关联查询实现，但在MongoDB中使用$lookup时遇到困难，不清楚如何模拟SQL的关联操作，尤其是关联的是聚合结果而非物理集合，核心问题：

• 如何得到期望结果？
• 能否模拟SQL的实现方式？
• 能否基于同一集合的聚合结果进行关联或筛选？

方法一：模拟SQL关联查询（$lookup管道模式） #

利用MongoDB 3.6+支持的$lookup管道模式，直接在关联阶段对同一集合做聚合统计，完美对应SQL的子查询关联逻辑：

db.your_collection.aggregate([
  // 第一步：筛选c=1且d=1的记录
  { $match: { c: 1, d: 1 } },
  // 第二步：关联同一集合，统计当前b对应的c=1记录数
  {
    $lookup: {
      from: "your_collection", // 替换为你的集合名称
      let: { current_b: "$b" },
      pipeline: [
        { $match: { $expr: { $eq: ["$b", "$$current_b"] } } },
        { $match: { c: 1 } },
        { $count: "c_count" }
      ],
      as: "b_stat"
    }
  },
  // 展开统计结果（每个b对应唯一统计值）
  { $unwind: "$b_stat" },
  // 第三步：筛选出c_count=1的记录
  { $match: { "b_stat.c_count": 1 } },
  // 移除统计字段，恢复原文档结构
  { $project: { b_stat: 0 } }
])

方法二：先统计符合条件的b值，再筛选目标记录 #

先通过聚合缩小b值范围，再筛选目标文档，数据量大时更高效：

db.your_collection.aggregate([
  // 第一阶段：按b分组，统计每组c=1的记录数
  {
    $group: {
      _id: "$b",
      c_count: { $sum: { $cond: [{ $eq: ["$c", 1] }, 1, 0] } }
    }
  },
  // 筛选出c_count=1的b值
  { $match: { c_count: 1 } },
  // 将符合条件的b值收集为数组
  { $group: { _id: null, valid_bs: { $push: "$_id" } } },
  // 关联原集合，筛选c=1且d=1且b在有效列表中的记录
  {
    $lookup: {
      from: "your_collection",
      let: { valid_bs: "$valid_bs" },
      pipeline: [
        { $match: { c: 1, d: 1 } },
        { $match: { $expr: { $in: ["$b", "$$valid_bs"] } } }
      ],
      as: "result"
    }
  },
  // 展开结果数组并恢复原文档结构
  { $unwind: "$result" },
  { $replaceRoot: { newRoot: "$result" } }
])

方法三：单分组聚合+条件过滤（最简洁） #

通过一次分组同时完成统计和目标文档收集，逻辑更紧凑：

db.your_collection.aggregate([
  {
    $group: {
      _id: "$b",
      // 统计该b组内c=1的总记录数
      c_total: { $sum: { $cond: [{ $eq: ["$c", 1] }, 1, 0] } },
      // 收集该b组内符合c=1且d=1的文档（不符合的存为null）
      target_docs: {
        $push: {
          $cond: [{ $and: [{ $eq: ["$c", 1] }, { $eq: ["$d", 1] }] }, "$$ROOT", null]
        }
      }
    }
  },
  // 筛选c_total=1的分组
  { $match: { c_total: 1 } },
  // 过滤掉target_docs中的null值
  { $set: { target_docs: { $filter: { input: "$target_docs", cond: { $ne: ["$$this", null] } } } } },
  // 展开目标文档并恢复原结构
  { $unwind: "$target_docs" },
  { $replaceRoot: { newRoot: "$target_docs" } }
])

关键说明 #

• $lookup的管道模式支持在关联时执行任意聚合操作，无需提前创建视图或物理集合，完全可以模拟SQL的子查询关联；
• 三种方法均兼容MongoDB 4.2版本，可根据数据量和业务场景选择：方法二更适合大数据量场景，方法三逻辑最简洁；

内容的提问来源于stack exchange，提问作者migs