2.7 使用聚合

接下来，是时候对book集合中的数据做一下统计了，这里我们关心的数据有两组：

● 每个分类的book文档数量。

● 标签的热度排行，标签的热度则按其关联book文档的收藏数（favCount）来计算。

对于这两组数据，我们都可以利用MongoDB的聚合框架（aggregation framework）来完成计算。

1.第一组数据

为了计算每个分类下的book文档数量，需要将group作为主要的算子，代码如下：

输出结果为：

解释：聚合是通过管道的形式来定义的，一个管道包含多个处理阶段（stage）。上面的命令中仅涉及两个阶段（stage）——group（分组）和sort（排序），其中：

（1）group阶段实现了按指定字段（type）的分组计算，sum：1表示按每个文档累计1进行统计。

（2）sort阶段在分组之后，接收分组计算的输出，并负责完成排序。

2.第二组数据

统计标签（tag）的热度排行，其中，标签的热度按照book文档的收藏数（favCount）来计算。相对第一组数据来说，这组计算需要考虑更多的差异：

（1）与分类（type）不同，标签被设计为一个多值（数组）的字段。

（2）对于没有被收藏的book文档（favCount=0），可以不进行计算。

最终的聚合操作如下：

执行结果为：

解释：第二组数据的聚合操作中，定义了4个阶段，分别如下。

（1）$match阶段：用于过滤favCount=0的文档。

（2）$unwind阶段：用于将标签数组进行展开，这样一个包含3个标签的文档会被拆解为3个条目。

（3）groups阶段：对拆解后的文档进行分组计算，sum："$favCount"表示按favCount字段进行累加。

（4）$sort阶段：接收分组计算的输出，按total得分进行排序。