Podemos hacer varias condiciones de combinación con $lookup
operador de canalización de agregación en la versión 3.6 y posteriores.
Necesitamos asignar los valores de los campos a la variable usando let
campo opcional; luego accede a esas variables en el pipeline
etapas de campo donde especifica la canalización para ejecutar en las colecciones.
Tenga en cuenta que en el $match
etapa, usamos el $expr
operador de consulta de evaluación para comparar el valor de los campos.
La última etapa de la canalización es $replaceRoot
etapa de canalización de agregación donde simplemente fusionamos el $lookup
resultado con parte del $$ROOT
documento usando $mergeObjects
operador.
db.collection2.aggregate([
{
$lookup: {
from: "collection1",
let: {
firstUser: "$user1",
secondUser: "$user2"
},
pipeline: [
{
$match: {
$expr: {
$and: [
{
$eq: [
"$user1",
"$$firstUser"
]
},
{
$eq: [
"$user2",
"$$secondUser"
]
}
]
}
}
}
],
as: "result"
}
},
{
$replaceRoot: {
newRoot: {
$mergeObjects:[
{
$arrayElemAt: [
"$result",
0
]
},
{
percent1: "$$ROOT.percent1"
}
]
}
}
}
]
)
Esta canalización produce algo parecido a esto:
{
"_id" : ObjectId("59e1ad7d36f42d8960c06022"),
"user1" : 1,
"user2" : 2,
"percent" : 0.3,
"percent1" : 0.56
}
Si no está en la versión 3.6+, primero puede unirse usando uno de sus campos, digamos "usuario1", luego desde allí desenrolla la matriz del documento coincidente usando $unwind
operador de tubería de agregación. La siguiente etapa en la canalización es el $redact
etapa en la que filtra aquellos documentos donde el valor de "usuario2" de la colección "unida" y el documento de entrada no son iguales usando $$KEEP
y $$PRUNE
variables del sistema. Luego puede remodelar su documento en $project
escenario.
db.collection1.aggregate([
{ "$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 produce:
{
"_id" : ObjectId("572daa87cc52a841bb292beb"),
"user1" : 1,
"user2" : 2,
"percent1" : 0.56,
"percent2" : 0.3
}
Si los documentos de sus colecciones tienen la misma estructura y se encuentra realizando esta operación con frecuencia, entonces debería considerar fusionar las dos colecciones en una o insertar los documentos de esas colecciones en una nueva colección.
db.collection3.insertMany(
db.collection1.find({}, {"_id": 0})
.toArray()
.concat(db.collection2.find({}, {"_id": 0}).toArray())
)
Luego $group
sus documentos por "usuario1" y "usuario2"
db.collection3.aggregate([
{ "$group": {
"_id": { "user1": "$user1", "user2": "$user2" },
"percent": { "$push": "$percent" }
}}
])
que produce:
{ "_id" : { "user1" : 1, "user2" : 2 }, "percent" : [ 0.56, 0.3 ] }