如何将Mongoose populate后的嵌套关联数据展平为顶层字段

共3种常用实现方式，可根据业务场景选择： #

方案1：聚合管道替代populate（查询阶段直接返回目标结构，性能最优） #

直接使用MongoDB原生聚合语法完成关联+字段合并，不需要在应用层做二次数据处理，适合数据量较大、对响应速度要求高的场景。
示例代码：

// 替换原有的find()+populate()逻辑
const result = await YourModel.aggregate([
  // 此处可添加$match阶段，对应原find方法中的查询筛选条件
  // { $match: { status: "Hold" } },
  {
    $lookup: {
      from: "users", // 关联集合名，遵循Mongoose默认集合命名规则：模型名转小写复数
      localField: "createdBy", // 当前集合存储关联ID的字段名
      foreignField: "_id", // 关联集合的匹配字段（一般为主键_id）
      as: "createdByData"
    }
  },
  // $lookup返回结果为数组，拆分出单个关联对象
  { $unwind: "$createdByData" },
  // 合并主文档与关联文档字段
  {
    $replaceRoot: {
      newRoot: {
        $mergeObjects: ["$$ROOT", "$createdByData"]
      }
    }
  },
  // 删除冗余的嵌套关联字段
  { $unset: ["createdBy", "createdByData"] }
])

方案2：查询结果二次处理（改动成本最低，兼容原有populate逻辑） #

保留原有populate查询逻辑，拿到查询结果后用JS原生语法做字段展开，适合不想改动原有查询代码的快速迭代场景。
示例代码：

// 原查询逻辑务必加.lean()，将Mongoose文档实例转为普通JS对象，提升处理性能
const rawList = await YourModel.find()
  .populate({
    path: "createdBy",
    select: "name email mobile_number -_id" // 可提前筛选需要的关联字段，减少冗余数据
  })
  .lean();

// 遍历做字段扁平化
const result = rawList.map(item => {
  const { createdBy, ...baseFields } = item;
  return {
    ...baseFields,
    ...createdBy
  }
})

方案3：Schema全局transform配置（一次配置，自动生效） #

在定义Schema时配置转换规则，所有查询返回的数据自动执行扁平化逻辑，不需要每次查询重复写处理代码，适合该结构为通用返回格式的场景。
示例代码：

// 定义公共转换函数
const flattenCreatedByTransform = (doc, returnedData) => {
  if (returnedData.createdBy && typeof returnedData.createdBy === "object") {
    const { createdBy, ...rest } = returnedData;
    return { ...rest, ...createdBy };
  }
  return returnedData;
};

// Schema配置
const businessSchema = new Schema({
  gstin: String,
  company_name: String,
  status: String,
  createdBy: {
    type: Schema.Types.ObjectId,
    ref: "User"
  }
}, {
  toJSON: { transform: flattenCreatedByTransform },
  toObject: { transform: flattenCreatedByTransform }
});

注意事项 #

• 所有方案都需要提前规避字段重名问题：如果主文档和关联文档存在同名字段，关联字段会覆盖主文档原有字段值，建议提前做好字段命名区分，或在合并阶段手动做字段重命名。
• 无论使用哪种方案，都建议提前筛选需要返回的字段，避免拉取冗余数据拖慢查询速度。

内容的提问来源于stack exchange，提问作者Kashif