Asumiendo una colección de documentos con name
(usando name
en lugar de url
) campo que consta de valores duplicados. Tengo dos agregaciones que devuelven una salida que se puede usar para realizar un procesamiento posterior. Espero que encuentre esto útil.
{ _id: 1, name: "jack" },
{ _id: 2, name: "john" },
{ _id: 3, name: "jim" },
{ _id: 4, name: "john" }
{ _id: 5, name: "john" },
{ _id: 6, name: "jim" }
Tenga en cuenta que "john" tiene 3 apariciones y "jim" tiene 2.
(1) Esta agregación devuelve los nombres que tienen duplicados (más de una ocurrencia):
db.collection.aggregate( [
{
$group: {
_id: "$name",
count: { $sum: 1 }
}
},
{
$group: {
_id: "duplicate_names",
names: { $push: { $cond: [ { $gt: [ "$count", 1 ] }, "$_id", "$DUMMY" ] } }
}
}
] )
La salida:
{ "_id" : "duplicate_names", "names" : [ "john", "jim" ] }
(2) La siguiente agregación solo devuelve el _id
valores de campo para los documentos duplicados. Por ejemplo, el nombre "jim" tiene _id
valores 3
y 6
. La salida tiene solo los ID de los documentos duplicados, es decir, 6
.
db.colection.aggregate( [
{
$group: {
_id: "$name",
count: { $sum: 1 },
ids: { $push: "$_id" }
}
},
{
$group: {
_id: "duplicate_ids",
ids: { $push: { $slice: [ "$ids", 1, 9999 ] } }
}
},
{
$project: {
ids: {
$reduce: {
input: "$ids",
initialValue: [ ],
in: { $concatArrays: [ "$$this", "$$value" ] }
}
}
}
}
] )
La salida:
{ "_id" : duplicate_ids", "ids" : [ 6, 4, 5 ] }