MongoDB聚合查询取最早重复文献返回Null，求排查错误原因

问题描述 #

我拥有名为article_titles的MongoDB集合，其中存在重复的文献标题，需求是筛选出同一作者下最早发表的文献。集合数据如下：

{ "_id" : ObjectId("6375dbf89a70ce15b7c51172"), "title" : "Visualizing Graphs and Clusters as Maps", "year" : 2005, "name" : "amir" }
{ "_id" : ObjectId("6375dbf89a70ce15b7c5118a"), "title" : "Visualizing Dynamic Data with Maps", "year" : 2012, "name" : "amir" }
{ "_id" : ObjectId("6375dbf89a70ce15b7c511ac"), "title" : "Visualizing Cartograms: Goals and Task Taxonomy", "year" : 2015, "name" : "kobourov" }
{ "_id" : ObjectId("6375dbf99a70ce15b7c60293"), "title" : "Upward straight-line embeddings of directed graphs into point sets", "year" : 2008, "name" : "hossain" }
{ "_id" : ObjectId("6375dbf99a70ce15b7c738c7"), "title" : "Upward straight-line embeddings of directed graphs into point sets", "year" : 2010, "name" : "hossain" }

其中作者hossain有两篇同标题、不同发表年份的文献，我尝试使用以下聚合查询获取最早的那篇：

db.article_titles.aggregate([{$sort:{year:-1}},{$group:{_id:{title:"$title",name:"$name",year:{$first:"$year"}}}}])

但该查询返回Null值，想了解我的操作哪里存在错误？

错误原因 #

• 排序方向错误：你用{$sort:{year:-1}}按年份降序排列，此时$first会取到每组中最新年份的记录，而你需要的是最早发表的，应该改为升序排序{$sort:{year:1}}。
• 分组依据错误：你将year:{$first:"$year"}包含在_id字段中，_id是分组的唯一标识，这会导致每条记录因年份不同而单独成组，根本无法聚合同一作者同一标题的重复记录，最终返回的结果不符合预期。

正确的聚合查询 #

方法一：先排序再分组取第一条 #

通过升序排序确保每组第一条是最早的记录，再按作者和标题分组提取：

db.article_titles.aggregate([
  // 按年份升序排列，让最早的记录排在每组最前面
  {$sort: {year: 1}},
  // 按作者和标题分组，取每组的第一条完整记录
  {$group: {
    _id: {title: "$title", name: "$name"},
    earliestArticle: {$first: "$$ROOT"}
  }},
  // 将结果替换为完整的文献记录，方便查看
  {$replaceRoot: {newRoot: "$earliestArticle"}}
])

方法二：先分组找最小年份再关联原数据 #

先统计每个作者每个标题的最早年份，再匹配原集合获取完整记录：

db.article_titles.aggregate([
  // 分组获取每个作者每个标题的最小发表年份
  {$group: {
    _id: {title: "$title", name: "$name"},
    minYear: {$min: "$year"}
  }},
  // 关联原集合，匹配对应作者、标题和年份的记录
  {$lookup: {
    from: "article_titles",
    localField: ["_id.title", "_id.name", "minYear"],
    foreignField: ["title", "name", "year"],
    as: "earliestArticle"
  }},
  // 展开关联结果
  {$unwind: "$earliestArticle"},
  // 替换根节点为完整的文献记录
  {$replaceRoot: {newRoot: "$earliestArticle"}}
])

内容的提问来源于stack exchange，提问作者user110920