文章摘要
这篇文章主要介绍了如何利用MongoDB的聚合查询功能来实现复杂的字段过滤和数据处理。文章详细讨论了以下内容：
1. **字段过滤操作**：使用`$eq`和`$in`等操作符进行字段匹配，结合`$match`方法筛选符合条件的数据。
2. **日期范围过滤**：通过`$lte`和`$gte`操作符设置日期范围，结合`$in`方法过滤特定状态。
3. **连表操作**：使用`$lookup`方法连接其他表（如`coupons`表），并使用`$let`方法提取相关字段。
4. **聚合查询结构**：通过管道式结构组织查询，包括匹配、投影和分片操作，最终生成所需的结果集。
5. **结果分片和聚合**：利用`$facet`方法对结果进行分片和统计，提高查询效率。
文章通过实例展示了MongoDB聚合查询的高级功能，以及如何结合连表和分片操作实现高效的复杂查询。
// 每次必有的条件，当前表的字段用 `$$`，连表的字段用 `$`
const filter=[{ $eq: [‘$$userId’, userId] }, { $eq: [‘$isDeleted’, false] }];
if (status===Expired) {
dateOp=’$lte’;
} else if (status===Normal) {
dateOp=’$gte’;
filter.push({ $in: [‘$$status’, [Normal, Shared]] });
} else {
dateOp=’$gte’;
filter.push({ $eq: [‘$$status’, status] });
}
const results=await myModel.aggregate([
{
$lookup: {
from: ‘coupons’,
// 当前表字段必须 `let` 之后才能用
let: { couponId: ‘$couponId’, userId: ‘$userId’, status: ‘$status’ },
// 在 pipeline 里完成筛选
pipeline: [
{
$match: {
$expr: {
// `$toString` 是内建方法，可以把 `ObjectId` 转换成 `string`
$and: [{ $eq: [{ $toString: ‘$_id’ }, ‘$$couponId’] }, …filter, { [dateOp]: [‘$endAt’, new Date()] }],
},
},
},
// 只要某些字段，在这里筛选
{
$project: couponFields,
},
],
as: ‘source’,
},
},
{
// 这种筛选相当 LEFT JOIN，所以需要去掉没有连表内容的结果
$match: {
source: { $ne: [] },
},
},
{
// 为了一次查表出结果，要转换一下输出格式
$facet: {
results: [{ $skip: size * (page – 1) }, { $limit: size }],
count: [
{
$count: ‘count’,
},
],
},
},
]);