MongoDB跨集合计算总销售额：Outlet-A及2018年营收查询需求

没问题，这两个跨集合计算营收的需求，用MongoDB的聚合框架结合$lookup就能轻松搞定！先假设你的集合结构大概是这样（如果实际字段有出入，调整匹配条件即可）：

• sales集合字段示例：_id, productId（关联products的_id）, outlet（门店名称）, saleDate（销售日期，Date类型）, quantity（销售数量）
• products集合字段示例：_id, price（产品单价）

1. 计算Outlet-A产生的总营收 #

这个查询会先筛选出门店为Outlet-A的销售记录，关联对应产品的价格，计算每条记录的营收（数量×单价）后求和：

db.sales.aggregate([
  // 第一步：筛选Outlet-A的销售记录
  { $match: { outlet: "Outlet-A" } },
  // 第二步：关联products集合，匹配产品ID
  {
    $lookup: {
      from: "products",
      localField: "productId",
      foreignField: "_id",
      as: "productInfo"
    }
  },
  // 第三步：展开关联的产品信息数组（$lookup默认返回数组）
  { $unwind: { path: "$productInfo", preserveNullAndEmptyArrays: true } },
  // 第四步：计算单条销售的营收，兼容无匹配产品的情况（设为0）
  {
    $addFields: {
      revenue: {
        $multiply: [
          "$quantity",
          { $ifNull: ["$productInfo.price", 0] }
        ]
      }
    }
  },
  // 第五步：求和所有营收
  {
    $group: {
      _id: null,
      totalRevenueOutletA: { $sum: "$revenue" }
    }
  },
  // 可选：重命名字段让输出更直观
  {
    $project: {
      _id: 0,
      "Outlet-A总营收": "$totalRevenueOutletA"
    }
  }
])

2. 计算2018年产生的总营收 #

这个查询先筛选2018年的销售记录，同样关联产品价格后求和：

db.sales.aggregate([
  // 第一步：筛选2018年的销售记录（针对Date类型的saleDate）
  {
    $match: {
      saleDate: {
        $gte: ISODate("2018-01-01T00:00:00Z"),
        $lt: ISODate("2019-01-01T00:00:00Z")
      }
    }
  },
  // 第二步：关联products集合
  {
    $lookup: {
      from: "products",
      localField: "productId",
      foreignField: "_id",
      as: "productInfo"
    }
  },
  // 第三步：展开关联数组
  { $unwind: { path: "$productInfo", preserveNullAndEmptyArrays: true } },
  // 第四步：计算单条营收
  {
    $addFields: {
      revenue: {
        $multiply: [
          "$quantity",
          { $ifNull: ["$productInfo.price", 0] }
        ]
      }
    }
  },
  // 第五步：求和所有营收
  {
    $group: {
      _id: null,
      totalRevenue2018: { $sum: "$revenue" }
    }
  },
  // 可选：重命名字段
  {
    $project: {
      _id: 0,
      "2018年总营收": "$totalRevenue2018"
    }
  }
])

优化补充：一次性计算两个结果 #

如果想同时得到两个总营收，用$facet可以只做一次跨集合关联，效率更高：

db.sales.aggregate([
  {
    $lookup: {
      from: "products",
      localField: "productId",
      foreignField: "_id",
      as: "productInfo"
    }
  },
  { $unwind: { path: "$productInfo", preserveNullAndEmptyArrays: true } },
  {
    $addFields: {
      revenue: {
        $multiply: [
          "$quantity",
          { $ifNull: ["$productInfo.price", 0] }
        ]
      },
      isOutletA: { $eq: ["$outlet", "Outlet-A"] },
      is2018: {
        $and: [
          { $gte: ["$saleDate", ISODate("2018-01-01T00:00:00Z")] },
          { $lt: ["$saleDate", ISODate("2019-01-01T00:00:00Z")] }
        ]
      }
    }
  },
  {
    $facet: {
      outletARevenue: [
        { $match: { isOutletA: true } },
        { $group: { _id: null, total: { $sum: "$revenue" } } },
        { $project: { _id: 0, "Outlet-A总营收": "$total" } }
      ],
      year2018Revenue: [
        { $match: { is2018: true } },
        { $group: { _id: null, total: { $sum: "$revenue" } } },
        { $project: { _id: 0, "2018年总营收": "$total" } }
      ]
    }
  }
])

注意：如果你的saleDate是字符串类型，需要先通过$toDate转换为Date类型再筛选；如果确定所有销售记录都有对应产品，可以去掉preserveNullAndEmptyArrays: true。

内容的提问来源于stack exchange，提问作者Farid