怎样在MongoDB聚合中实现一对多关系的分组去重与汇总-MongoDB-PHP中文网

正确去重需两层$group：首层用复合_id（如{user_id:"$user_id",com_id:"$com_id"}）分组并$first取代表文档；次层按user_id分组，用$sum统计comNums等汇总字段，且$sort必须在$group前、$skip/$limit在次层$group后。

怎样在mongodb聚合中实现一对多关系的分组去重与汇总

用 `$group` 对多条子文档做去重分组，关键在 `_id` 设计

一对多关系（比如一个 user_id 对应多个 com_id）要做去重，本质不是删数据，而是“按主键组合分组 + 每组只取一条代表”。$group 的 _id 必须包含能唯一标识“逻辑主记录”的字段，例如 { user_id: "$user_id", com_id: "$com_id" }。如果只写 "$user_id"，那后续再 $group 一次才能聚合到用户级，但中间会丢失原始明细的关联性。

常见错误是直接对 user_id 分组后用 $first 取任意一条 com_id，结果看似去重了，实则把不同 com_id 合并成了一条，造成业务数据丢失。

正确做法：第一层 $group 用复合 _id（如 { user_id: "$user_id", com_id: "$com_id" }），确保每组只含同一 user+com 组合的文档
再用 $first 或 $max 提取该组内最新/最全的字段（如 "name": { "$first": "$name" }）
若需最终按 user 汇总（如统计该用户关联多少个 com），必须加第二层 $group，以 "$user_id" 为 _id，再用 $sum: 1 算 comNums

`$first` 和 `$last` 依赖前置 `$sort`，不排序就是随机取

很多人以为 $first 是取“最早插入”的那条，其实它只取管道中当前顺序的第一条——而这个顺序由上一阶段决定。如果没显式 $sort，MongoDB 不保证文档返回顺序，$first 结果不可控。

例如想保留每个 unique_path 下 modified 最新的那条记录，必须先 { "$sort": { "unique_path": 1, "modified": -1 } }，再 $group 时用 "$first": "$$ROOT" 才可靠。

排序字段要包含分组键（如 unique_path）和时间/优先级字段（如 modified），否则跨组排序无意义
如果业务要求“取创建时间最早的”，就用 "modified": 1 升序，再配 $first
Spring Data MongoDB 中，Aggregation.sort() 必须放在 Aggregation.group() 前面，否则无效

分页必须放在最后两层 `$group` 之后，否则跳过的是分组前的原始文档

聚合里 $skip / $limit 的位置极其关键。如果把它们插在第一次 $group 后、第二次 $group 前，相当于对“user+com”粒度的结果分页，而不是对最终“user”粒度的结果分页——页面数和总数对不上，前端翻页会漏数据或重复。

mongodb-query

用于调试和故障排查，查询MongoDB数据库。用户需要时可以： (1) 列出所有数据库； (2) 列出数据库中的集合； (3) 执行MongoDB查询或命令。

下载

典型结构是：match → sort → group（user+com）→ group（user）→ skip/limit → sort（最终排序）。其中最终 sort 也得放在 skip/limit 后面，否则排序被截断。

Spring Boot 中，Aggregation.skip() 和 Aggregation.limit() 要紧贴在第二次 $group 之后、最终 Aggregation.sort() 之前
分页参数计算：若每页 10 条，第 3 页应为 skip(20)，不是 skip(30)；注意 (pageNum - 1) * pageSize 别算错
别在 $match 阶段用 $in 传超大数组（如几万 user_id），可能触发 BSON 大小限制或慢查询，考虑拆批或建索引

去重后汇总字段（如 `serverNums`）要用 `$sum`，别误用 `$first`

汇总类字段（总数、金额、数量等）必须用 $sum 累加，不能用 $first 或 $max 替代。前者是聚合语义，后者只是取值语义。

比如一个 user 有 3 条记录，server_nums 分别是 5、8、3，期望汇总值是 16。如果第二层 $group 写成 "serverNums": { "$first": "$serverNums" }，结果永远是 5；而 "serverNums": { "$sum": "$serverNums" } 才正确。