MongoDB聚合：按年份与流派去重统计不同title数量

问题分析 #

你当前的聚合代码用$sum:1统计的是分组内的总文档数，但同一个影片标题对应多个演员文档，所以需要先对标题去重，再统计数量。

正确的聚合实现 #

方式一：两次分组去重统计

需要分两个阶段完成：

1. 第一阶段：按year、genres和title分组，实现标题去重，每个唯一标题在对应年份和流派下只保留一条记录。
2. 第二阶段：按year和genres分组，统计去重后的标题数量。

完整代码如下：

var stages = [
  // 第一步：按年份、流派、标题分组，完成标题去重
  {
    $group: {
      "_id": {
        "year": "$year",
        "genre": "$genres",
        "title": "$title"
      }
    }
  },
  // 第二步：按年份、流派分组，统计去重后的标题数量
  {
    $group: {
      "_id": {
        "year": "$_id.year",
        "genre": "$_id.genre"
      },
      "count": { $sum: 1 }
    }
  }
];

db.genres.aggregate(stages);

方式二：用$addToSet+$size简化实现

也可以用$addToSet将分组内的所有唯一标题存入数组，再用$size获取数组长度，一步完成统计：

var stages = [
  {
    $group: {
      "_id": {
        "year": "$year",
        "genre": "$genres"
      },
      "uniqueTitles": { $addToSet: "$title" }
    }
  },
  {
    $project: {
      "_id": 1,
      "count": { $size: "$uniqueTitles" }
    }
  }
];

db.genres.aggregate(stages);

结果说明 #

执行任意一种方式的代码后，都会得到你期望的输出：

{
  "_id": {
    "year": 2008,
    "genre": "Sports"
  },
  "count": 2
}

内容的提问来源于stack exchange，提问作者DatBigD