如何用MongoDB聚合匹配含数组维度字段的跨集合对象？

问题背景 #

现有两个集合：

• company集合（dimensions字段内的region、country为数组类型）：

[ 
  { company_id:1, hubId:4, dimensions:{ region:['North america'],country:['USA']}, name:'Amsol Inc.' }, 
  { company_id:1, hubId:4, dimensions:{ region:['North america'],country:['Canada','Greenland']}, name:'Amsol Inc.' }, 
  { company_id:2, hubId:7, dimensions:{ region:['North america'],country:['USA'],revenue:34555}, name:'Microsoft Inc.' } 
]

• reports集合（dimensions字段内的region、country为字符串类型）：

[ 
  { report_id:1, name:'example report', hubId:4, dimensions:{ region:'North america',country:'USA'}, name:'Amsol Inc.' }, 
  { report_id:2, name:'example report', hubId:4, dimensions:{ region:'North america',country:'Canada'}, name:'Amsol Inc.' }, 
  { report_id:3, name:'example report', hubId:5, dimensions:{ region:'North america',country:'USA',revenue:20000}, name:'Microsoft Inc.' }, 
  { report_id:4, name:'example report', hubId:4, dimensions:{region:'North america',country:'Greenland'}, name:'Amsol Inc.' } 
]

需求是获取所有与company集合中hubId和dimensions均匹配的report数据，期望输出：

[ 
  { report_id:1, name:'example report', hubId:4, dimensions:{ region:'North america',country:'USA'}, name:'Amsol Inc.' }, 
  { report_id:2, name:'example report', hubId:4, dimensions:{region:'North america',country:'Canada'}, name:'Amsol Inc.' }, 
  { report_id:4, name:'example report', hubId:4, dimensions:{region:'North america',country:'Greenland'}, name:'Amsol Inc.' } 
]

原聚合管道使用$ObjectToArray和$setEquals仅返回完全匹配的单条数据，无法处理数组与字符串的包含匹配。

解决方案 #

核心思路是针对dimensions中的每个字段，单独判断reports的字符串值是否存在于company对应字段的数组中（或普通值相等），同时匹配hubId。修改后的聚合管道如下：

db.reports.aggregate([
  {
    $lookup: {
      from: "company",
      let: {
        reportHubId: "$hubId",
        reportDimensions: "$dimensions"
      },
      as: "matchedCompanies",
      pipeline: [
        {
          $match: {
            $expr: {
              $and: [
                // 匹配hubId
                {$eq: ["$hubId", "$$reportHubId"]},
                // 匹配region：company的region数组包含report的region字符串
                {$in: ["$$reportDimensions.region", "$dimensions.region"]},
                // 匹配country：company的country数组包含report的country字符串
                {$in: ["$$reportDimensions.country", "$dimensions.country"]},
                // 可选：如果存在revenue字段，需额外匹配（根据实际需求调整）
                {$or: [
                  {$not: {$exists: "$dimensions.revenue"}},
                  {$eq: ["$$reportDimensions.revenue", "$dimensions.revenue"]}
                ]}
              ]
            }
          }
        },
        {$project: {_id: 1}}
      ]
    }
  },
  // 过滤出有匹配company的report
  {
    $match: {
      "matchedCompanies": {$ne: []}
    }
  },
  // 可选：移除matchedCompanies字段，保持输出结构简洁
  {
    $project: {
      matchedCompanies: 0
    }
  }
])

代码解释 #

1. $lookup阶段：

   • 定义变量存储当前report的hubId和dimensions，方便子管道引用。
   • 先匹配hubId完全相等的条目。
   • 使用$in操作符判断report的字符串值是否存在于company对应字段的数组中，解决数组与字符串的匹配问题。
   • 针对可能存在的非数组字段（如revenue），添加逻辑：若company无该字段则跳过匹配，否则严格对应值相等。

2. $match阶段：排除没有匹配company的report数据（比如原数据中的report_id:3）。

3. $project阶段：可选，移除查询过程中生成的临时字段，让输出与期望结构一致。

扩展方案（动态字段匹配） #

如果dimensions的键不固定（可能有更多动态字段），可以用$objectToArray结合$allElementsTrue实现全字段动态匹配：

db.reports.aggregate([
  {
    $lookup: {
      from: "company",
      let: {
        reportHubId: "$hubId",
        reportDimArr: {$objectToArray: "$dimensions"}
      },
      as: "matchedCompanies",
      pipeline: [
        {
          $match: {
            $expr: {
              $and: [
                {$eq: ["$hubId", "$$reportHubId"]},
                {$allElementsTrue: {
                  $map: {
                    input: "$$reportDimArr",
                    as: "item",
                    in: {
                      $cond: [
                        {$isArray: "$dimensions.$$item.k"},
                        {$in: ["$$item.v", "$dimensions.$$item.k"]},
                        {$eq: ["$$item.v", "$dimensions.$$item.k"]}
                      ]
                    }
                  }
                }}
              ]
            }
          }
        }
      ]
    }
  },
  {$match: {"matchedCompanies": {$ne: []}}},
  {$project: {matchedCompanies: 0}}
])

该版本会遍历dimensions的所有键，自动判断字段类型是数组包含还是值相等，适用于字段不固定的场景。

内容的提问来源于stack exchange，提问作者Digvijay Singh Thakur