MongoDB单查询实现物种统计与记录详情聚合需求

你可以通过MongoDB的聚合管道，结合$group、$arrayToObject和$replaceRoot等操作，实现单次查询完成分组统计、复用重复信息（比如亚科）并整合记录详情的需求，完全替代两次独立查询的方案。

完整聚合管道代码 #

db.yourCollectionName.aggregate([
  // 第一步：按物种分组，统计数量、收集记录详情、提取亚科信息
  {
    $group: {
      _id: "$Herbivore species",
      count: { $sum: 1 },
      "Herbivore subfamily": { $first: "$Herbivore subfamily" },
      records: {
        $push: {
          voucher: "$voucher",
          "Collection Date": "$Collection Date",
          Latitude: "$Latitude",
          Longitude: "$Longitude"
        }
      }
    }
  },
  // 第二步：构造键值对数组，用于转换为以物种名为键的对象
  {
    $project: {
      _id: 0,
      speciesEntry: {
        k: "$_id",
        v: {
          count: "$count",
          "Herbivore subfamily": "$Herbivore subfamily",
          records: "$records"
        }
      }
    }
  },
  // 第三步：将键值对数组转换为对象
  {
    $replaceRoot: {
      newRoot: { $arrayToObject: ["$speciesEntry"] }
    }
  },
  // 第四步：将所有物种对象合并到一个数组中（匹配目标格式的外层数组）
  {
    $group: {
      _id: null,
      result: { $push: "$$ROOT" }
    }
  },
  {
    $replaceRoot: { newRoot: "$result" }
  }
])

各阶段说明 #

1. $group阶段：

   • 按Herbivore species作为分组核心键（_id）
   • 用$sum:1统计每个物种的记录总数
   • 用$first提取该物种的亚科信息（同一物种的亚科必然一致，取第一条即可复用，避免重复存储）
   • 用$push将每条记录的核心字段（凭证号、采集日期、经纬度）收集到records数组中

2. $project阶段：

   • 构造speciesEntry字段，格式为{k: 物种名, v: {统计数据+亚科+记录详情}}，为后续转换为目标结构做准备

3. $replaceRoot + $arrayToObject阶段：

   • 将键值对格式的speciesEntry转换为以物种名为顶级键的对象，让结构贴合你期望的样式

4. 最后两个$group + $replaceRoot阶段：

   • 把所有独立的物种对象合并到一个外层数组中，和你给出的目标输出格式完全匹配

最终输出结果 #

执行后会得到你需要的结构：

[
  {
    "Agrius cingulata": {
      "count": 1,
      "Herbivore subfamily": "Sphinginae",
      "records": [
        {
          "voucher": "77-SRNP-4",
          "Collection Date": "1977-06-06T06:00:00.000Z",
          "Latitude": "10.83764",
          "Longitude": "-85.61871"
        }
      ]
    },
    "Xylophanes turbata": {
      "count": 2,
      "Herbivore subfamily": "Macroglossinae",
      "records": [
        {
          "voucher": "78-SRNP-10",
          "Collection Date": "1978-05-20T06:00:00.000Z",
          "Latitude": "10.80212",
          "Longitude": "-85.65372"
        },
        {
          "voucher": "78-SRNP-10.02",
          "Collection Date": "1978-05-20T06:00:00.000Z",
          "Latitude": "10.80212",
          "Longitude": "-85.65372"
        }
      ]
    }
  }
]

这个方案只需要一次聚合查询，既复用了物种的亚科信息，又整合了统计数据和记录详情，有效降低了数据载荷。

内容的提问来源于stack exchange，提问作者wren