使用aggregate在MongoDB中查找重复的数据记录

作者:Jaxu  来源:IT165收集  发布日期:2016-01-20 19:58:29

  我们知道,MongoDB属于文档型数据库,其存储的文档类型都是JSON对象。正是由于这一特性,我们在Node.js中会经常使用MongoDB进行数据的存取。但由于Node.js是异步执行的,这就导致我们无法保证每一次的数据库save操作都是原子型的。也就是说,如果客户端连续两次发起同一事件将数据存入数据库,很可能会导致数据被重复保存。高并发的情况下,哪怕是你在代码中已经做了非常严格的校验,例如插入数据前判断要保存的数据是否已经存在,但仍然有可能会出现数据被重复保存的风险。因为在异步执行中,你没有办法保证哪个线程先执行,哪个线程后执行,客户端发起的所有请求并非按我们想象的都是顺序执行的。一个较好的解决办法是在Mongo数据库的所有表中创建唯一索引。事实上,MongoDB默认会为所有表创建一个_id字段的唯一索引(可以取消)。如果你想在Node.js中通过mongoose.schema来自动创建索引,可以参考下面的代码:

var mongoose = require('mongoose');
var Schema = mongoose.Schema;

var customerSchema = new mongoose.Schema({
    cname: String,
    cellPhone, String,
    sender: String,
    tag: String,
    behaviour: Number,
    createTime: {
        type: Date,
        default: Date.now
    },
    current:{
        type: Boolean,
        default: true
    }
}, {
    versionKey: false
});

customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1}, {unique: true});

module.exports = mongoose.model('customer', customerSchema);

  上面的model中我们定义了表customer的结构,并通过index()方法在字段cname,cellPhone,sender,tag,behaviour上创建了唯一索引,这样当包含这些字段的重复数据被插入时,数据库会抛出异常。借用mongoose,如果数据库表之前已经被创建并且程序正在运行中,当我们修改model并添加索引,然后重新启动app,只要有对该model的访问,mongoose会自动进行检测并创建索引。当然,如果数据出现重复,则索引创建会失败。此时我们可以通过在创建索引时添加dropDups选项,让数据库自动将重复的数据删除,如:

customerSchema.index({cname:1,cellPhone:1,sender:1,tag:1,behaviour:1}, {unique: true, dropDups: true});

  不过据MongoDB的官方说明,自3.0以后的版本不再使用该选项,而且也并没有提供替代的解决办法。貌似官方不再提供创建索引时自动删除重复记录的功能。那如何才能快速有效地找出重复的记录并且删除呢?首先我们要找出这些记录,然后通过remove()方法进行删除。下面的查询语句可以找出给定字段有重复数据的记录:

db.collection.aggregate([
  { $group: { 
    _id: { firstField: '$firstField', secondField: '$secondField' }, 
    uniqueIds: { $addToSet: '$_id' },
    count: { $sum: 1 } 
  }}, 
  { $match: { 
    count: { $gt: 1 } 
  }}
])

  替换_id属性的值以指定你想要进行判断的字段。相应地,在Node.js中代码如下:

var deferred = Q.defer();
var group = { firstField: '$firstField', secondField: '$secondField'};

model.aggregate().group({
    _id: group,
    uniqueIds: {$addToSet: '$_id'},
    count: {$sum: 1}
}).match({ count: {$gt: 1}}).exec(deferred.makeNodeResolver());

return deferred.promise;

  上述代码使用了Q来替换函数执行中的回调。在Node.js的异步编程中,使用Q来处理回调是个不错的选择。

  下面是返回的结果:

/* 1 */
{
    'result' : [ 
        {
            '_id' : {
                'cellPhone' : '15827571111',
                'actId' : ObjectId('5694565fa50fea7705f01789')
            },
            'uniqueIds' : [ 
                ObjectId('569b5d03b3d206f709f97685'), 
                ObjectId('569b5d01b3d206f709f97684')
            ],
            'count' : 2.0000000000000000
        }, 
        {
            '_id' : {
                'cellPhone' : '18171282222',
                'actId' : ObjectId('566b0d8dc02f61ae18e68e48')
            },
            'uniqueIds' : [ 
                ObjectId('566d16e6cf86d12d1abcee8b'), 
                ObjectId('566d16e6cf86d12d1abcee8a')
            ],
            'count' : 2.0000000000000000
        }
    ],
    'ok' : 1.0000000000000000
}

  从结果中可以看到,一共有两组数据相同的记录,所以返回的result数组的长度为2。uniqueIds属性为一个数组,其中存放了重复记录的_id字段的值,通过该值我们可以使用remove()方法来查找并删除对应的数据。

补充:Mongoose支持findOneAndUpdate(在MongoDB中对应的方法叫findAndModify),选项upsert=true表示当要要更新的数据不存在时会自动创建。该选项默认值为false。示例代码如下:

var query = {'username':req.user.username};
req.newData.username = req.user.username;
MyModel.findOneAndUpdate(query, req.newData, {upsert:true}, function(err, doc){
    if (err) return res.send(500, { error: err });
    return res.send('succesfully saved');
});

  通过该方法我们可以将数据的唯一性校验交给MongoDB来完成。

Tag标签: 数据  
  • 专题推荐

About IT165 - 广告服务 - 隐私声明 - 版权申明 - 免责条款 - 网站地图 - 网友投稿 - 联系方式
本站内容来自于互联网,仅供用于网络技术学习,学习中请遵循相关法律法规