我有一个文档，其中包含用户生成的tags以及entries，其中包含每个条目的标记ID数组（或者可能没有）：
// Doc (with redacted items I would like to project too)
{
"_id": ObjectId("5ae5afc93e1d0d2965a4f2d7"),
"entries" : [
{
"_id" : ObjectId("5b159ebb0ed51064925dff24"),
// Desired:
// tags: {[
// "_id" : ObjectId("5b142ab7e419614016b8992d"),
// "name" : "Shit",
// "color" : "#95a5a6"
// ]}
"tags" : [
ObjectId("5b142ab7e419614016b8992d")
]
},
],
"tags" : [
{
"_id" : ObjectId("5b142608e419614016b89925"),
"name" : "Outdated",
"color" : "#3498db"
},
{
"_id" : ObjectId("5b142ab7e419614016b8992d"),
"name" : "Shit",
"color" : "#95a5a6"
},
],
}
如何使用tags数组中的相应值为每个条目“填充”标记数组？我尝试了$ lookup和聚合，但它太复杂了，无法做到正确。
答案 0 :(得分：1)
从实际数据的外观来看，此处无需populate()或$lookup，因为您想要加入的数据是＆＃34;不仅是在同一个集合中，而且它实际上在同一个文档中。你想要的是$map甚至是Array.map()，只需在文档的一个数组中取值并将它们合并到另一个数组中。
这里需要做的基本情况是$map来转换输出中的每个数组。这些是"entries"并且在每个＆＃34;条目内＃34;通过将值与父文档的"tags"数组中的值进行匹配来转换"tags"：
Project.aggregate([
{ "$project": {
"entries": {
"$map": {
"input": "$entries",
"as": "e",
"in": {
"someField": "$$e.someField",
"otherField": "$$e.otherField",
"tags": {
"$map": {
"input": "$$e.tags",
"as": "t",
"in": {
"$arrayElemAt": [
"$tags",
{ "$indexOfArray": [ "$tags._id", "$$t" ] }
]
}
}
}
}
}
}
}}
])
请注意，"someField"和"otherField"作为字段的占位符，＆＃34;可能＆＃34; 在每个＆＃34;条目中出现在该级别＆＃34 34;数组的文档。 $map唯一的问题是"in"参数中指定的是您实际获得的 仅 输出，因此需要明确命名您的＆＃34;变量键中的每个潜在字段＆＃34;结构，包括"tags"。
自MongoDB 3.6以来，在现代版本中对此的反击是使用$mergeObjects而不是允许＆＃34;合并＆＃34; ＆＃34;重新映射＆＃34;内部数组"tags"进入＆＃34;条目＆＃34;每个数组成员的文档：
Project.aggregate([
{ "$project": {
"entries": {
"$map": {
"input": "$entries",
"as": "e",
"in": {
"$mergeObjects": [
"$$e",
{ "tags": {
"$map": {
"input": "$$e.tags",
"as": "t",
"in": {
"$arrayElemAt": [
"$tags",
{ "$indexOfArray": [ "$tags._id", "$$t" ] }
]
}
}
}}
]
}
}
}
}}
])
关于＆＃34;内部＆＃34;的实际$map数组"tags"，您可以使用$indexOfArray运算符与＆＃34;根级别＆＃34;进行比较。 "tags"的字段，基于_id属性与此＆＃34;内部＆＃34;的当前条目的值匹配的位置阵列。用那个＆＃34;索引＆＃34;返回后，$arrayElemAt运算符然后＆＃34;提取＆＃34;来自匹配的＆＃34;索引＆＃34;的实际数组条目位置，并使用该元素移植$map中的当前数组条目。
这里唯一的关注点是两个数组实际上由于某种原因没有匹配的条目。如果您已经处理过这个问题，那么这里的代码就可以了。如果不匹配，您可能需要$filter来匹配元素并转而使用索引0处的$arrayElemAt：
"in": {
"$arrayElemAt": [
{ "$filter": {
"input": "$tags",
"cond": { "$eq": [ "$$this._id", "$$t" ] }
}},
0
]
}
原因是这样做可以使null无法匹配，但$indexOfArray会返回-1，而$arrayElemAt使用的会返回＆＃34 ;最后＆＃34;数组元素。并且＆＃34;最后＆＃34;在这种情况下，元素当然不是＆＃34;匹配＆＃34;结果，因为没有匹配。
所以从你的角度来看，只有＆＃34;只有＆＃34;返回"entries"内容＆＃34;重新映射＆＃34;并且从文档的根目录中丢弃"tags"，聚合过程尽可能是更好的选择，因为服务器只返回您实际需要的元素。
如果您不能这样做，或者真的不关心是否还返回了现有的"tags"元素，那么根本就没有必要进行聚合转换。实际上＆＃34;服务器＆＃34;不需要做任何事情，并且可能＆＃34;不应该＆＃34; 考虑到所有数据已经在文档中并且＆＃34;其他＆＃34;转换只是添加到文档大小。
因此，一旦返回到客户端，这实际上可以用结果完成，并且对于文档的简单转换，就像上面的聚合管道示例所示，您实际需要的唯一代码是：
let results = await Project.find().lean();
results = results.map(({ entries, tags, ...r }) =>
({
...r,
entries: entries.map(({ tags: etags, ...e }) =>
({
...e,
tags: etags.map( tid => tags.find(t => t._id.equals(tid)) )
})
),
// tags
})
);
这会为您提供完全相同的结果，甚至可以通过删除评论来保留tags。它甚至基本上都是＆＃34;完全相同的过程＆＃34;在每个数组上使用Array.map()以对每个数组进行转换。
＆＃34; merge＆＃34;的语法使用现代JavaScript object spread operations要简单得多，总体来说语言简洁得多。您使用Array.find()来查找＆＃34;查找＆＃34; tags的两个数组的匹配内容以及唯一需要注意的是ObjectId.equals()方法，实际比较这两个值并将其内置到返回的类型中。< / p>
当然，因为你正在＆＃34;转变＆＃34;文档，为了使你可以在任何mongoose操作上使用lean()返回结果进行操作，所以返回的数据实际上是纯JavaScript对象而不是绑定到模式的Mongoose Document类型，是默认的回报。
这里的一般教训是，如果您希望减少数据＆＃34;在返回的响应中，aggregate()方法适合您。但是，如果你决定想要＆＃34;整体＆＃34;无论如何都要记录数据，只是想＆＃34;增加＆＃34;响应中的这些其他数组条目，然后只需将数据带回＆＃34;客户端＆＃34;而是转而在那里。理想情况下是＆＃34;向前＆＃34;考虑到＆＃34;添加＆＃34;在这种情况下，只是增加了有效负载响应的权重。
完整的演示列表将是：
const { Schema, Types: { ObjectId } } = mongoose = require('mongoose');
const uri = 'mongodb://localhost/test';
mongoose.Promise = global.Promise;
mongoose.set('debug', true);
const tagSchema = new Schema({
name: String,
color: String
});
const projectSchema = new Schema({
entries: [],
tags: [tagSchema]
});
const Project = mongoose.model('Project', projectSchema);
const log = data => console.log(JSON.stringify(data, undefined, 2));
(async function() {
try {
const conn = await mongoose.connect(uri);
let db = conn.connections[0].db;
let { version } = await db.command({ buildInfo: 1 });
version = parseFloat(version.match(new RegExp(/(?:(?!-).)*/))[0]);
await Promise.all(Object.entries(conn.models).map(([k,m]) => m.remove()));
await Project.insertMany(data);
let pipeline = [
{ "$project": {
"entries": {
"$map": {
"input": "$entries",
"as": "e",
"in": {
"someField": "$$e.someField",
"otherField": "$$e.otherField",
"tags": {
"$map": {
"input": "$$e.tags",
"as": "t",
"in": {
"$arrayElemAt": [
"$tags",
{ "$indexOfArray": [ "$tags._id", "$$t" ] }
]
}
}
}
}
}
}
}}
];
let other = [
{
...(({ $project: { entries: { $map: { input, as, ...o } } } }) =>
({
$project: {
entries: {
$map: {
input,
as,
in: {
"$mergeObjects": [ "$$e", { tags: o.in.tags } ]
}
}
}
}
})
)(pipeline[0])
}
];
let tests = [
{ name: 'Standard $project $map', pipeline },
...(version >= 3.6) ?
[{ name: 'With $mergeObjects', pipeline: other }] : []
];
for ( let { name, pipeline } of tests ) {
let results = await Project.aggregate(pipeline);
log({ name, results });
}
// Client Manipulation
let results = await Project.find().lean();
results = results.map(({ entries, tags, ...r }) =>
({
...r,
entries: entries.map(({ tags: etags, ...e }) =>
({
...e,
tags: etags.map( tid => tags.find(t => t._id.equals(tid)) )
})
)
})
);
log({ name: 'Client re-map', results });
mongoose.disconnect();
} catch(e) {
console.error(e)
} finally {
process.exit()
}
})();
// Data
const data =[
{
"_id": ObjectId("5ae5afc93e1d0d2965a4f2d7"),
"entries" : [
{
"_id" : ObjectId("5b159ebb0ed51064925dff24"),
"someField": "someData",
"tags" : [
ObjectId("5b142ab7e419614016b8992d")
]
},
],
"tags" : [
{
"_id" : ObjectId("5b142608e419614016b89925"),
"name" : "Outdated",
"color" : "#3498db"
},
{
"_id" : ObjectId("5b142ab7e419614016b8992d"),
"name" : "Shitake",
"color" : "#95a5a6"
},
]
},
{
"_id": ObjectId("5b1b1ad07325c4c541e8a972"),
"entries" : [
{
"_id" : ObjectId("5b1b1b267325c4c541e8a973"),
"otherField": "otherData",
"tags" : [
ObjectId("5b142608e419614016b89925"),
ObjectId("5b142ab7e419614016b8992d")
]
},
],
"tags" : [
{
"_id" : ObjectId("5b142608e419614016b89925"),
"name" : "Outdated",
"color" : "#3498db"
},
{
"_id" : ObjectId("5b142ab7e419614016b8992d"),
"name" : "Shitake",
"color" : "#95a5a6"
},
]
}
];
这将提供完整输出（使用支持的MongoDB 3.6实例的可选输出）：
Mongoose: projects.remove({}, {})
Mongoose: projects.insertMany([ { entries: [ { _id: 5b159ebb0ed51064925dff24, someField: 'someData', tags: [ 5b142ab7e419614016b8992d ] } ], _id: 5ae5afc93e1d0d2965a4f2d7, tags: [ { _id: 5b142608e419614016b89925, name: 'Outdated', color: '#3498db' }, { _id: 5b142ab7e419614016b8992d, name: 'Shitake', color: '#95a5a6' } ], __v: 0 }, { entries: [ { _id: 5b1b1b267325c4c541e8a973, otherField: 'otherData', tags: [ 5b142608e419614016b89925, 5b142ab7e419614016b8992d ] } ], _id: 5b1b1ad07325c4c541e8a972, tags: [ { _id: 5b142608e419614016b89925, name: 'Outdated', color: '#3498db' }, { _id: 5b142ab7e419614016b8992d, name: 'Shitake', color: '#95a5a6' } ], __v: 0 } ], {})
Mongoose: projects.aggregate([ { '$project': { entries: { '$map': { input: '$entries', as: 'e', in: { someField: '$$e.someField', otherField: '$$e.otherField', tags: { '$map': { input: '$$e.tags', as: 't', in: { '$arrayElemAt': [ '$tags', { '$indexOfArray': [Array] } ] } } } } } } } } ], {})
{
"name": "Standard $project $map",
"results": [
{
"_id": "5ae5afc93e1d0d2965a4f2d7",
"entries": [
{
"someField": "someData",
"tags": [
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
},
{
"_id": "5b1b1ad07325c4c541e8a972",
"entries": [
{
"otherField": "otherData",
"tags": [
{
"_id": "5b142608e419614016b89925",
"name": "Outdated",
"color": "#3498db"
},
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
}
]
}
Mongoose: projects.aggregate([ { '$project': { entries: { '$map': { input: '$entries', as: 'e', in: { '$mergeObjects': [ '$$e', { tags: { '$map': { input: '$$e.tags', as: 't', in: { '$arrayElemAt': [Array] } } } } ] } } } } } ], {})
{
"name": "With $mergeObjects",
"results": [
{
"_id": "5ae5afc93e1d0d2965a4f2d7",
"entries": [
{
"_id": "5b159ebb0ed51064925dff24",
"someField": "someData",
"tags": [
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
},
{
"_id": "5b1b1ad07325c4c541e8a972",
"entries": [
{
"_id": "5b1b1b267325c4c541e8a973",
"otherField": "otherData",
"tags": [
{
"_id": "5b142608e419614016b89925",
"name": "Outdated",
"color": "#3498db"
},
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
}
]
}
Mongoose: projects.find({}, { fields: {} })
{
"name": "Client re-map",
"results": [
{
"_id": "5ae5afc93e1d0d2965a4f2d7",
"__v": 0,
"entries": [
{
"_id": "5b159ebb0ed51064925dff24",
"someField": "someData",
"tags": [
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
},
{
"_id": "5b1b1ad07325c4c541e8a972",
"__v": 0,
"entries": [
{
"_id": "5b1b1b267325c4c541e8a973",
"otherField": "otherData",
"tags": [
{
"_id": "5b142608e419614016b89925",
"name": "Outdated",
"color": "#3498db"
},
{
"_id": "5b142ab7e419614016b8992d",
"name": "Shitake",
"color": "#95a5a6"
}
]
}
]
}
]
}
请注意，这包括一些其他数据，用于演示＆＃34;变量字段＆＃34;。
的投影