Question

我有一个复杂的位置数据库，其中包含以下架构：

table States
id : INT PK AutoIncrement
name : VarChar 50 UNIQUE

table Counties 
id: INT PK AutoIncrement
stateID : INT ForeignKey ->States(id)
name : VARCHAR(50)

table Towns : 
id: INT PK AutoIncrement
stateID : INT ForeignKey ->States(id)
countyID : INT ForeignKey ->Counties(id)
name : VARCHAR(50)

table listings
id : INT PK autoincrement
name: varchar(50)
stateID: INT
countyID:  INT
townID:  INT

当我想以树形式显示有关地理分区的一些统计数据时：

state1（105结果）
- 县1（50结果）
- 县2（55结果）
  - 镇1（20结果）_
  - Town 2（35结果）
state2（200结果）等...

在mySQL中我会做这样的查询：

**第一级：**

 select count(*) as nb, S.namem, S.id as stateID from listings L INNER JOIN States S ON S.id=L.stateID GROUP BY S.id;

** 2d级别：**

 foreach(results as $result){
      $sql = "select count(*) as nb, from listings L INNER JOIN Counties C ON C.id=L.countyID WHERE L.stateID=".$result['stateID'];
 });

等等......有一种方法可以在MySQL的一个独特的长查询中做到这一点。

这是一个简单的查询，它在Mysql的SSD磁盘上非常快。

我开始学习mongoDB，我想知道我应该使用哪种模式来存储我的位置数据，以优化$ count（）和$ group（）操作。

哪个mongo查询可以完成这项工作？

Answer 1

使用类似listings表的结构存储文档：

{
    "name" : "listing0",
    "state" : "Maryland",
    "county" : "Washington",
    "town" : "Faketown"
}

然后只需使用汇总管道找到每个（州，国家，城镇）三元组的列表数量

> db.listings.aggregate([
    // hopefully an initial match stage to select a subset of search results or something
    { "$group" : { "_id" : { "state" : "$state", "county" : "$county", "town" : "$town" }, "count" : { "$sum" : 1 } } }
])

从这里，您可以通过迭代结果光标来计算树的更高级别的数字，或者您可以运行类似的管道来计算树的更高级别的数字。例如，对于特定州的县号

> db.listings.aggregate([
    // hopefully an initial match stage to select a subset of search results or something
    { "$match" : { "state" : "Oregon" } },
    { "$group" : { "_id" : { "state" : "$state", "county" : "$county" }, "count" : { "$sum" : 1 } } }
])

Mysql到MongoDB和Query等效于此架构

1 个答案: