Podemos fazer várias condições de junção com o
$lookup
operador de pipeline de agregação na versão 3.6 e mais recente. Precisamos atribuir os valores dos campos à variável usando o
let
campo opcional; você então acessa essas variáveis no pipeline
estágios de campo em que você especifica o pipeline a ser executado nas coleções. Observe que no
$match
estágio, usamos o $expr
operador de consulta de avaliação para comparar o valor dos campos. O último estágio no pipeline é o
$replaceRoot
estágio de pipeline de agregação em que simplesmente mesclamos o $lookup
resultado com parte do $$ROOT
documento usando o $mergeObjects
operador. db.collection2.aggregate([
{
$lookup: {
from: "collection1",
let: {
firstUser: "$user1",
secondUser: "$user2"
},
pipeline: [
{
$match: {
$expr: {
$and: [
{
$eq: [
"$user1",
"$$firstUser"
]
},
{
$eq: [
"$user2",
"$$secondUser"
]
}
]
}
}
}
],
as: "result"
}
},
{
$replaceRoot: {
newRoot: {
$mergeObjects:[
{
$arrayElemAt: [
"$result",
0
]
},
{
percent1: "$$ROOT.percent1"
}
]
}
}
}
]
)
Este pipeline produz algo parecido com isto:
{
"_id" : ObjectId("59e1ad7d36f42d8960c06022"),
"user1" : 1,
"user2" : 2,
"percent" : 0.3,
"percent1" : 0.56
}
Se você não estiver na versão 3.6+, você pode primeiro ingressar usando um de seus campos, digamos "user1" e, a partir daí, você desenrola a matriz do documento correspondente usando o
$unwind
operador de pipeline de agregação. O próximo estágio no pipeline é o $redact
estágio em que você filtra aqueles documentos onde o valor de "user2" da coleção "joined" e o documento de entrada não são iguais usando o $$KEEP
e $$PRUNE
variáveis do sistema. Você pode então remodelar seu documento em $project
etapa. db.collection1.aggregate([
{ "$lookup": {
"from": "collection2",
"localField": "user1",
"foreignField": "user1",
"as": "collection2_doc"
}},
{ "$unwind": "$collection2_doc" },
{ "$redact": {
"$cond": [
{ "$eq": [ "$user2", "$collection2_doc.user2" ] },
"$$KEEP",
"$$PRUNE"
]
}},
{ "$project": {
"user1": 1,
"user2": 1,
"percent1": "$percent",
"percent2": "$collection2_doc.percent"
}}
])
que produz:
{
"_id" : ObjectId("572daa87cc52a841bb292beb"),
"user1" : 1,
"user2" : 2,
"percent1" : 0.56,
"percent2" : 0.3
}
Se os documentos em suas coleções tiverem a mesma estrutura e você estiver executando essa operação com frequência, considere mesclar as duas coleções em uma ou inserir os documentos dessas coleções em uma nova coleção.
db.collection3.insertMany(
db.collection1.find({}, {"_id": 0})
.toArray()
.concat(db.collection2.find({}, {"_id": 0}).toArray())
)
Então
$group
seus documentos por "user1" e "user2" db.collection3.aggregate([
{ "$group": {
"_id": { "user1": "$user1", "user2": "$user2" },
"percent": { "$push": "$percent" }
}}
])
que rende:
{ "_id" : { "user1" : 1, "user2" : 2 }, "percent" : [ 0.56, 0.3 ] }