1 00:00:01,100 --> 00:00:02,450 ‫Sprecher: Willkommen zurück. 2 00:00:02,450 --> 00:00:04,570 ‫In diesem und dem 3 00:00:04,570 --> 00:00:06,820 ‫nächsten Video möchte ich 4 00:00:06,820 --> 00:00:10,680 ‫Ihnen die MongoDB-Aggregationspipeline vorstellen, die ein äußerst leistungsstarkes 5 00:00:10,680 --> 00:00:13,750 ‫und äußerst nützliches MongoDB-Framework für die 6 00:00:13,750 --> 00:00:15,433 ‫Datenaggregation ist. 7 00:00:17,180 --> 00:00:19,020 ‫Und die Idee 8 00:00:19,020 --> 00:00:21,900 ‫ist, dass wir im Grunde eine Pipeline 9 00:00:21,900 --> 00:00:24,070 ‫definieren, die alle Dokumente einer 10 00:00:24,070 --> 00:00:26,470 ‫bestimmten Sammlung durchlaufen, wo sie Schritt 11 00:00:26,470 --> 00:00:30,870 ‫für Schritt verarbeitet werden, um sie in aggregierte Ergebnisse zu verwandeln. 12 00:00:30,870 --> 00:00:33,660 ‫Wir können zum Beispiel die Aggregationspipeline verwenden, 13 00:00:33,660 --> 00:00:36,190 ‫um Mittelwerte zu berechnen oder Minimal- und 14 00:00:36,190 --> 00:00:39,010 ‫Maximalwerte zu berechnen oder wir können sogar 15 00:00:39,010 --> 00:00:41,380 ‫Entfernungen berechnen und wir können wirklich 16 00:00:41,380 --> 00:00:43,590 ‫alle möglichen Dinge tun. 17 00:00:43,590 --> 00:00:46,220 ‫Es ist wirklich erstaunlich, wie 18 00:00:46,220 --> 00:00:48,440 ‫leistungsfähig diese Aggregationspipeline ist. 19 00:00:48,440 --> 00:00:50,530 ‫Okay, aber genug geredet. 20 00:00:50,530 --> 00:00:53,900 ‫Beginnen wir nun tatsächlich mit der Verwendung der Aggregationspipeline 21 00:00:53,900 --> 00:00:57,122 ‫und ich werde hier eine neue Header-Funktion erstellen, da 22 00:00:57,122 --> 00:01:00,290 ‫wir später eine neue Route definieren und dann 23 00:01:00,290 --> 00:01:02,583 ‫diese Funktion dafür verwenden werden. 24 00:01:03,610 --> 00:01:06,093 ‫Aber diese neue Route werde ich später erstellen. 25 00:01:07,495 --> 00:01:09,720 ‫Deshalb möchte ich hier eine 26 00:01:09,720 --> 00:01:13,756 ‫Funktion erstellen, die ein paar Statistiken über unsere Touren berechnet. 27 00:01:13,756 --> 00:01:16,987 ‫Also nenne ich das hier getTourStats. 28 00:01:19,070 --> 00:01:21,860 ‫Okay, also Stats for Statistics, und 29 00:01:21,860 --> 00:01:23,770 ‫es wird eine 30 00:01:23,770 --> 00:01:28,770 ‫asynchrone Funktion sein, und so wird jetzt automatisch ein vs-Code vorausgefüllt. 31 00:01:29,140 --> 00:01:33,923 ‫In Ordnung, lassen Sie uns hier einen catch-Block erstellen oder versuchen. 32 00:01:38,010 --> 00:01:41,970 ‫Eigentlich kopiere ich das von hier oben, 33 00:01:41,970 --> 00:01:45,600 ‫und jetzt werde ich hier eine Variable 34 00:01:45,600 --> 00:01:47,703 ‫namens stats erstellen. 35 00:01:50,120 --> 00:01:54,600 ‫Jetzt ist die Aggregationspipeline wirklich ein MongoDB-Feature. 36 00:01:54,600 --> 00:01:57,330 ‫Aber Mongoose gibt uns natürlich Zugriff 37 00:01:57,330 --> 00:02:01,210 ‫darauf, damit wir es im Mongoose-Treiber verwenden können, oder? 38 00:02:01,210 --> 00:02:04,070 ‫Wenn Sie also unser Tourmodell verwenden, 39 00:02:04,070 --> 00:02:07,217 ‫um auf die Toursammlung zuzugreifen, sagen 40 00:02:07,217 --> 00:02:10,053 ‫wir Tour. Aggregat. 41 00:02:12,580 --> 00:02:15,250 ‫Die Aggregationspipeline ist also ein 42 00:02:15,250 --> 00:02:18,847 ‫bisschen wie eine normale Abfrage, und die Verwendung 43 00:02:18,847 --> 00:02:22,512 ‫der Aggregationspipeline ist ein bisschen wie eine normale Abfrage. 44 00:02:22,512 --> 00:02:25,550 ‫Der Unterschied besteht darin, dass wir bei Aggregationen, 45 00:02:25,550 --> 00:02:28,620 ‫wie ich bereits erwähnt habe, die Daten in 46 00:02:28,620 --> 00:02:30,750 ‫mehreren Schritten manipulieren können 47 00:02:30,750 --> 00:02:33,400 ‫und wir diese Schritte nun tatsächlich definieren. 48 00:02:33,400 --> 00:02:37,093 ‫Und dafür durchlaufen wir eine Reihe von sogenannten Etappen. 49 00:02:38,150 --> 00:02:41,050 ‫Wir gehen also in einem Array vorbei, und dann 50 00:02:41,050 --> 00:02:43,110 ‫haben wir hier viele Etappen. 51 00:02:43,110 --> 00:02:46,540 ‫Und wieder durchlaufen die Dokumente dann nacheinander diese 52 00:02:46,540 --> 00:02:50,350 ‫Stufen, Schritt für Schritt in der definierten Reihenfolge, wie 53 00:02:50,350 --> 00:02:52,462 ‫wir sie hier definieren. 54 00:02:52,462 --> 00:02:54,860 ‫Jedes der Elemente in diesem Array 55 00:02:54,860 --> 00:02:56,970 ‫ist also eine der Stufen. 56 00:02:56,970 --> 00:02:59,470 ‫Und es gibt eine Menge verschiedener Stufen, aus 57 00:02:59,470 --> 00:03:02,110 ‫denen wir wählen können, aber ich werde Ihnen 58 00:03:02,110 --> 00:03:04,200 ‫in diesem und auch im nächsten 59 00:03:04,200 --> 00:03:06,070 ‫Vortrag nur die gängigsten nennen. 60 00:03:06,070 --> 00:03:08,400 ‫Aber wie auch immer, ich 61 00:03:08,400 --> 00:03:11,500 ‫möchte mir jetzt kurz die MongoDB-Dokumentation anschauen, weil ich 62 00:03:11,500 --> 00:03:13,853 ‫glaube, das haben wir noch nicht gemacht. 63 00:03:17,285 --> 00:03:20,840 ‫MongoDB und wir kennen diese Website bereits. 64 00:03:20,840 --> 00:03:24,460 ‫Auf unserer MongoDB-Website gehen wir also hierher, um 65 00:03:24,460 --> 00:03:27,840 ‫zu lernen, dann die Dokumentation und 66 00:03:27,840 --> 00:03:32,380 ‫dann hier das MongoDB-Handbuch auszuwählen, und diese Dokumentation ist riesig. 67 00:03:32,380 --> 00:03:34,480 ‫Es hat wirklich eine Menge Zeug hier 68 00:03:34,480 --> 00:03:36,450 ‫drin und wenn Sie alles 69 00:03:36,450 --> 00:03:39,623 ‫durchgehen würden, nun, dann würden Sie wirklich ein MongoDB-Meister werden. 70 00:03:40,600 --> 00:03:44,010 ‫Es gibt Ihnen also eine schöne Einführung in MongoDB, Sie 71 00:03:44,010 --> 00:03:45,760 ‫haben die Installation hier. 72 00:03:45,760 --> 00:03:49,610 ‫Sie haben die CRUD-Operationen, also eine schöne Übersicht 73 00:03:49,610 --> 00:03:51,340 ‫über viele Dinge, 74 00:03:51,340 --> 00:03:54,610 ‫die wir bereits zuvor gelernt haben, oder? 75 00:03:54,610 --> 00:03:56,960 ‫Dann haben Sie noch einiges über 76 00:03:57,800 --> 00:04:00,390 ‫die Aggregation und insbesondere die Aggregationspipeline, über 77 00:04:00,390 --> 00:04:02,320 ‫die wir jetzt sprechen 78 00:04:02,320 --> 00:04:04,730 ‫werden, aber was ich Ihnen hier wirklich 79 00:04:04,730 --> 00:04:08,210 ‫zeigen möchte, ist diese Referenz, die wir unten haben, weil 80 00:04:08,210 --> 00:04:10,750 ‫in der Referenz, die wir hier haben 81 00:04:10,750 --> 00:04:12,880 ‫Beispiel die Operatoren und dort haben 82 00:04:12,880 --> 00:04:16,570 ‫wir viele wichtige Dinge, die wir die ganze Zeit verwendet haben. 83 00:04:16,570 --> 00:04:18,430 ‫Schauen wir uns zum Beispiel 84 00:04:18,430 --> 00:04:22,200 ‫hier die Abfrageoperatoren an und hier sehen Sie, wir haben diese Operatoren 85 00:04:22,200 --> 00:04:24,210 ‫tatsächlich, die wir bereits verwendet haben. 86 00:04:24,210 --> 00:04:26,970 ‫Also zum Beispiel größer oder gleich oder kleiner 87 00:04:26,970 --> 00:04:29,560 ‫und gleich, aber wenn Sie eines Tages 88 00:04:29,560 --> 00:04:32,200 ‫in Ihren eigenen Anwendungen einen anderen Operator benötigen, 89 00:04:32,200 --> 00:04:35,170 ‫nun, jetzt wissen Sie, wo Sie ihn finden können. 90 00:04:35,170 --> 00:04:37,570 ‫Natürlich ist es auch immer sehr 91 00:04:37,570 --> 00:04:40,370 ‫hilfreich, einfach eine schnelle Google-Suche durchzuführen, wahrscheinlich 92 00:04:40,370 --> 00:04:43,490 ‫einen Stack-Overflow-Post dazu zu finden, aber glauben Sie mir, 93 00:04:43,490 --> 00:04:45,687 ‫oft ist es einfacher und 94 00:04:45,687 --> 00:04:49,790 ‫schneller, einfach schnell in die Dokumentation zu springen und schnell nach 95 00:04:49,790 --> 00:04:52,763 ‫dem zu suchen, was Sie suchen. wieder brauchen. 96 00:04:53,700 --> 00:04:56,350 ‫Sie müssen nur wissen, wie die 97 00:04:56,350 --> 00:04:59,050 ‫Dokumentation funktioniert, und wenn Sie das wissen, werden 98 00:04:59,050 --> 00:05:02,473 ‫Sie ganz einfach finden, was Sie suchen, in Ordnung? 99 00:05:03,400 --> 00:05:05,570 ‫Hier haben Sie auch einige logische 100 00:05:05,570 --> 00:05:08,920 ‫Operatoren, zum Beispiel den OR-Operator, den wir bereits verwendet haben. 101 00:05:08,920 --> 00:05:13,920 ‫Nochmals, wirklich viele Sachen, Geooperatoren und wir werden später 102 00:05:14,120 --> 00:05:16,790 ‫einige verwenden, und ja, 103 00:05:16,790 --> 00:05:19,040 ‫wirklich viele Sachen. 104 00:05:19,040 --> 00:05:22,280 ‫Was ich Ihnen nach diesem Vortrag dann eigentlich zeigen wollte, 105 00:05:22,280 --> 00:05:24,793 ‫sind die Stufen der Aggregation Pipeline. 106 00:05:26,680 --> 00:05:29,140 ‫Hier haben Sie also viele davon 107 00:05:29,140 --> 00:05:32,090 ‫und was wir in diesem Vortrag hier 108 00:05:32,090 --> 00:05:35,410 ‫verwenden werden, ist Match, zum Beispiel und Gruppe, 109 00:05:35,410 --> 00:05:36,820 ‫wo ist das? 110 00:05:36,820 --> 00:05:39,670 ‫Ja Gruppe, das ist eine sehr wichtige, und wie 111 00:05:39,670 --> 00:05:41,660 ‫ich bereits erwähnt habe, werde 112 00:05:41,660 --> 00:05:44,920 ‫ich Ihnen die wichtigsten in diesem und im nächsten Vortrag zeigen. 113 00:05:44,920 --> 00:05:48,270 ‫Aber auch hier, wenn Sie in einigen Fällen etwas anderes 114 00:05:48,270 --> 00:05:51,110 ‫benötigen, dann gehen Sie einfach hierher zu dieser Dokumentation 115 00:05:51,110 --> 00:05:53,920 ‫und Sie werden finden, wonach Sie suchen. 116 00:05:53,920 --> 00:05:54,753 ‫Gut? 117 00:05:55,740 --> 00:05:58,630 ‫Wie auch immer, lassen Sie uns jetzt lernen, wie wir eine 118 00:05:58,630 --> 00:06:00,940 ‫dieser Phasen tatsächlich definieren können, in Ordnung? 119 00:06:00,940 --> 00:06:03,170 ‫Und ich fange mit Match an. 120 00:06:03,170 --> 00:06:05,330 ‫Und Match besteht im Wesentlichen 121 00:06:05,330 --> 00:06:07,890 ‫darin, bestimmte Dokumente auszuwählen oder zu filtern. 122 00:06:07,890 --> 00:06:09,510 ‫Und so ist es ganz einfach. 123 00:06:09,510 --> 00:06:13,210 ‫Es ist wirklich wie ein Filterobjekt in MongoDB, wie 124 00:06:13,210 --> 00:06:16,380 ‫wir es so oft verwendet haben. 125 00:06:16,380 --> 00:06:19,340 ‫Jede der Stufen ist also ein 126 00:06:19,340 --> 00:06:22,750 ‫Objekt und hier kommt der Name der Bühne. 127 00:06:22,750 --> 00:06:26,300 ‫Das ist also die Match-Bühne, in Ordnung? 128 00:06:26,300 --> 00:06:29,603 ‫Und wie gesagt, es ist wirklich nur eine Abfrage. 129 00:06:30,730 --> 00:06:33,570 ‫Nehmen wir also zunächst an, dass wir nur 130 00:06:33,570 --> 00:06:35,200 ‫Dokumente auswählen möchten, deren 131 00:06:35,200 --> 00:06:39,630 ‫Bewertungsdurchschnitt größer oder gleich 4 ist. 5. 132 00:06:39,630 --> 00:06:41,110 ‫Kannst du das also tun? 133 00:06:41,110 --> 00:06:43,560 ‫Ich gebe Ihnen nur eine Sekunde, um das hier zu tun. 134 00:06:44,730 --> 00:06:46,123 ‫Also ich hoffe du hast es geschafft. 135 00:06:47,090 --> 00:06:50,440 ‫Der Durchschnitt der Bewertungen sollte also größer oder 136 00:06:52,240 --> 00:06:55,383 ‫gleich 4 sein. 5. 137 00:06:56,460 --> 00:06:59,260 ‫Das ist die erste Stufe. 138 00:06:59,260 --> 00:07:03,500 ‫Und normalerweise ist diese Spielphase nur eine Vorphase, um sich 139 00:07:03,500 --> 00:07:07,050 ‫dann auf die nächsten Phasen vorzubereiten, die bevorstehen. 140 00:07:07,050 --> 00:07:10,173 ‫Der nächste ist also nun die Gruppenphase. 141 00:07:13,000 --> 00:07:14,610 ‫Also gruppieren und dann 142 00:07:14,610 --> 00:07:17,840 ‫dort hinein müssen wir immer nur ein weiteres Objekt übergeben. 143 00:07:17,840 --> 00:07:20,600 ‫Es sieht also bei all diesen Objekten irgendwie seltsam aus, 144 00:07:20,600 --> 00:07:22,870 ‫aber ja, das haben Sie schon einmal gesehen 145 00:07:22,870 --> 00:07:24,780 ‫und MongoDB funktioniert einfach so. 146 00:07:24,780 --> 00:07:28,293 ‫Es sind immer Objekte, innerhalb von Objekten, innerhalb von Objekten. 147 00:07:29,520 --> 00:07:32,690 ‫Und in dieser Gruppe passiert hier die wahre Magie, 148 00:07:32,690 --> 00:07:34,520 ‫denn wie der Name 149 00:07:34,520 --> 00:07:36,870 ‫schon sagt, können wir Dokumente zusammenfassen, indem 150 00:07:36,870 --> 00:07:38,820 ‫wir im Wesentlichen Akkumulatoren verwenden. 151 00:07:38,820 --> 00:07:40,600 ‫Und ein Akkumulator 152 00:07:40,600 --> 00:07:42,850 ‫berechnet zum Beispiel sogar einen Durchschnitt. 153 00:07:42,850 --> 00:07:46,270 ‫Wenn wir also fünf Touren haben, von denen jede 154 00:07:46,270 --> 00:07:50,250 ‫eine Bewertung hat, können wir die durchschnittliche Bewertung mithilfe der Gruppe berechnen. 155 00:07:50,250 --> 00:07:52,680 ‫Und genau das machen wir hier. 156 00:07:52,680 --> 00:07:55,190 ‫Als erstes müssen wir immer 157 00:07:55,190 --> 00:07:58,950 ‫die ID angeben, da wir hier angeben, wonach 158 00:07:58,950 --> 00:08:00,803 ‫wir gruppieren möchten. 159 00:08:02,420 --> 00:08:05,480 ‫Vorerst sagen wir hier null, weil wir alles 160 00:08:05,480 --> 00:08:08,870 ‫in einer Gruppe haben wollen, damit wir die Statistiken 161 00:08:08,870 --> 00:08:11,600 ‫für alle Touren zusammen berechnen und nicht 162 00:08:11,600 --> 00:08:13,713 ‫nach Gruppen trennen können. 163 00:08:14,590 --> 00:08:18,250 ‫Wir werden etwas später dann auch nach verschiedenen Sachen gruppieren, zum 164 00:08:18,250 --> 00:08:21,010 ‫Beispiel können wir nach dem Schwierigkeitsgrad gruppieren und 165 00:08:21,010 --> 00:08:23,900 ‫wir können dann zum Beispiel den Durchschnitt für die 166 00:08:23,900 --> 00:08:26,820 ‫leichten Touren, den Durchschnitt für die mittleren Touren und 167 00:08:26,820 --> 00:08:29,373 ‫den Durchschnitt für die schweren Touren berechnen. 168 00:08:29,373 --> 00:08:32,720 ‫Wir können also wieder nach einem unserer Felder gruppieren und 169 00:08:32,720 --> 00:08:35,750 ‫dieses Feld werden wir hier spezifizieren, aber im 170 00:08:35,750 --> 00:08:39,000 ‫Moment wollen wir, wie gesagt, diese Durchschnittswerte für alle 171 00:08:39,000 --> 00:08:41,803 ‫Touren zusammen in einer großen Gruppe berechnen. 172 00:08:42,865 --> 00:08:46,990 ‫In diesem Fall sagen wir also _id und setzen es auf null. 173 00:08:47,994 --> 00:08:51,600 ‫Lassen Sie uns nun die durchschnittliche Bewertung berechnen. 174 00:08:51,600 --> 00:08:54,423 ‫Um das zu tun, geben wir einfach 175 00:08:55,320 --> 00:08:58,713 ‫ein neues Feld an, also nennen wir es einfach 176 00:09:01,080 --> 00:09:03,480 ‫die durchschnittliche Bewertung, also so, 177 00:09:05,620 --> 00:09:07,160 ‫und das wird 178 00:09:07,160 --> 00:09:11,560 ‫gut, der Durchschnitt, der ein weiterer MongoDB-Operator ist, also dieser hier. 179 00:09:11,560 --> 00:09:14,233 ‫Sie finden es in der Referenz, wenn Sie es nachschlagen. 180 00:09:15,149 --> 00:09:17,800 ‫Dies ist also ein mathematischer Operator, der 181 00:09:17,800 --> 00:09:20,520 ‫den Durchschnitt berechnet und nun den Namen des Feldes. 182 00:09:20,520 --> 00:09:23,530 ‫Und wieder weiß ich, dass das sehr seltsam aussehen 183 00:09:23,530 --> 00:09:26,390 ‫wird, aber um das Feld anzugeben, aus dem 184 00:09:26,390 --> 00:09:29,110 ‫wir den Durchschnitt berechnen möchten, müssen wir das 185 00:09:29,110 --> 00:09:31,900 ‫Dollarzeichen verwenden, aber hier und dann in Anführungszeichen 186 00:09:31,900 --> 00:09:33,583 ‫den Namen des Felds. 187 00:09:34,560 --> 00:09:36,803 ‫Die Bewertungen sind in diesem Fall also durchschnittlich. 188 00:09:39,316 --> 00:09:41,573 ‫Und lassen Sie uns auch den Durchschnittspreis berechnen. 189 00:09:43,500 --> 00:09:47,143 ‫Also Durchschnittspreis, und wieder, hier falsch gemacht, und so 190 00:09:48,200 --> 00:09:49,300 ‫der Durchschnitt 191 00:09:50,870 --> 00:09:52,970 ‫und dann wieder der Name 192 00:09:52,970 --> 00:09:55,170 ‫des Feldes und in Anführungszeichen und 193 00:09:55,170 --> 00:09:56,470 ‫mit diesem Dollarzeichen. 194 00:09:58,800 --> 00:10:00,890 ‫Richtig, es sieht also wieder 195 00:10:00,890 --> 00:10:01,900 ‫etwas seltsam 196 00:10:01,900 --> 00:10:04,510 ‫aus, aber so funktioniert die Aggregationspipeline. 197 00:10:04,510 --> 00:10:06,300 ‫Wir haben also den Durchschnittspreis. 198 00:10:06,300 --> 00:10:08,880 ‫Lassen Sie uns eigentlich auch den 199 00:10:08,880 --> 00:10:12,560 ‫Mindestpreis berechnen, also den kleinsten Preis, und den größten Preis. 200 00:10:12,560 --> 00:10:13,620 ‫Also 201 00:10:15,439 --> 00:10:19,360 ‫minPrice und von nun an wird alles ähnlich 202 00:10:19,360 --> 00:10:21,190 ‫aussehen, also verwenden wir 203 00:10:22,200 --> 00:10:26,603 ‫jetzt den min-Operator und dann wieder den Feldnamen wie folgt. 204 00:10:29,783 --> 00:10:32,530 ‫Und hier ein Komma und lass uns dieses jetzt 205 00:10:32,530 --> 00:10:35,053 ‫einfach duplizieren, um den Höchstpreis zu berechnen. 206 00:10:37,910 --> 00:10:40,310 ‫Und jetzt werfen wir einen Blick auf das, was 207 00:10:40,310 --> 00:10:42,160 ‫wir zu diesem Zeitpunkt bereits haben. 208 00:10:44,240 --> 00:10:47,430 ‫Also müssen wir diese Antwort jetzt tatsächlich aussenden, 209 00:10:47,430 --> 00:10:49,250 ‫und deshalb gehe ich 210 00:10:49,250 --> 00:10:53,513 ‫noch einmal los und schnappe mir einige dieser bereits erfolgten Antworten hier. 211 00:10:59,154 --> 00:11:01,853 ‫Die Daten, die wir versenden möchten, heißen also Statistiken. 212 00:11:06,740 --> 00:11:09,610 ‫Und jetzt müssen wir nur noch eine neue Route 213 00:11:09,610 --> 00:11:12,390 ‫hier in unsere Tourrouten hinzufügen und wieder werde 214 00:11:12,390 --> 00:11:14,543 ‫ich hier ganz oben bearbeiten. 215 00:11:16,368 --> 00:11:18,690 ‫Also Router. route 216 00:11:21,597 --> 00:11:26,597 ‫/gettour, oder eigentlich nur tour-stats, einfach so, weil das 217 00:11:29,460 --> 00:11:33,730 ‫Get bereits in der HTTP-Methode definiert ist. 218 00:11:33,730 --> 00:11:37,090 ‫Sie müssen es also nicht im Namen wiederholen. 219 00:11:37,090 --> 00:11:38,640 ‫Also tourController. getTourStats. 220 00:11:42,268 --> 00:11:46,707 ‫Geben Sie ihm einen Safe und lassen Sie es uns jetzt tatsächlich testen. 221 00:11:48,270 --> 00:11:52,710 ‫Ich bin also wirklich aufregend, es jetzt auszuprobieren, tatsächlich zu sehen, 222 00:11:52,710 --> 00:11:57,710 ‫ob es funktioniert, denn es ist wieder wirklich ein erstaunliches und wirklich mächtiges 223 00:11:57,720 --> 00:11:59,370 ‫Werkzeug, mit dem 224 00:11:59,370 --> 00:12:01,503 ‫Sie so viel tun können. 225 00:12:03,130 --> 00:12:05,280 ‫Also Tour-Statistiken, schick sie und 226 00:12:06,290 --> 00:12:09,000 ‫das ist nicht wirklich das Ergebnis, auf das 227 00:12:09,000 --> 00:12:12,600 ‫wir gewartet haben, also ist das nur die Pipeline, die wir 228 00:12:12,600 --> 00:12:15,750 ‫definiert haben, aber ich weiß bereits, warum das so ist. 229 00:12:15,750 --> 00:12:18,950 ‫Wir haben das Ergebnis also nicht abgewartet. 230 00:12:18,950 --> 00:12:21,410 ‫Das ist im Grunde so, 231 00:12:21,410 --> 00:12:24,453 ‫wie eine normale Abfrage ein aggregiertes Objekt zurückgibt. 232 00:12:25,857 --> 00:12:29,770 ‫So . find wird eine Abfrage zurückgeben, und . Aggregat 233 00:12:29,770 --> 00:12:32,330 ‫gibt ein Aggregatobjekt zurück. 234 00:12:32,330 --> 00:12:34,180 ‫Und dann erst, wenn wir 235 00:12:34,180 --> 00:12:36,940 ‫darauf warten, kommt es tatsächlich mit dem Ergebnis zurück. 236 00:12:36,940 --> 00:12:39,850 ‫Deshalb haben wir diese Funktion hier auch als asynchrone Funktion 237 00:12:39,850 --> 00:12:42,640 ‫definiert, damit wir dann dort wait verwenden können und 238 00:12:42,640 --> 00:12:44,953 ‫hier ist dies der richtige Ort. 239 00:12:45,860 --> 00:12:47,950 ‫Versuchen wir es nochmal. 240 00:12:47,950 --> 00:12:49,850 ‫Und es geht los! 241 00:12:49,850 --> 00:12:51,250 ‫So großartig! 242 00:12:51,250 --> 00:12:54,910 ‫Wir haben die durchschnittliche Bewertung aller unserer Touren, wir 243 00:12:54,910 --> 00:12:56,720 ‫haben den Durchschnittspreis, den 244 00:12:56,720 --> 00:13:01,720 ‫Sie sehen, ist 1563 und dann das Minimum und das Maximum, richtig? 245 00:13:01,910 --> 00:13:04,210 ‫Und anhand unserer Daten können 246 00:13:04,210 --> 00:13:06,410 ‫wir dies tatsächlich bestätigen. 247 00:13:06,410 --> 00:13:07,770 ‫So großartig! 248 00:13:07,770 --> 00:13:09,770 ‫Wirklich, wirklich toll. 249 00:13:09,770 --> 00:13:11,950 ‫Nun, eine weitere Sache, die ich 250 00:13:11,950 --> 00:13:14,450 ‫hier machen möchte, ist, die Gesamtzahl der 251 00:13:14,450 --> 00:13:18,730 ‫Bewertungen, die wir haben, und auch die Gesamtzahl der Touren zu berechnen. 252 00:13:18,730 --> 00:13:20,700 ‫Also haben wir 253 00:13:20,700 --> 00:13:23,090 ‫hier die durchschnittliche Bewertung 254 00:13:23,090 --> 00:13:27,323 ‫und lass es uns eigentlich vorher machen, 255 00:13:28,850 --> 00:13:31,950 ‫also numRatings, so und du 256 00:13:31,950 --> 00:13:36,950 ‫kannst wahrscheinlich erraten, dass diese Summe heißt und dann 257 00:13:38,500 --> 00:13:43,500 ‫die BewertungenAverage, oder eigentlich nicht ratingsAverage, sondern ratingsQuantity, oder? 258 00:13:43,610 --> 00:13:46,480 ‫Hier wird also die Anzahl der Bewertungen 259 00:13:46,480 --> 00:13:49,354 ‫gespeichert, und die Gesamtzahl der Bewertungen ist 260 00:13:49,354 --> 00:13:51,863 ‫die Summe all dieser Werte. 261 00:13:52,840 --> 00:13:55,090 ‫Und jetzt, die letzte, ist die Anzahl der 262 00:13:56,100 --> 00:13:57,880 ‫Touren und diese ist etwas 263 00:13:57,880 --> 00:14:00,660 ‫schwieriger, und daher ist es schön, Ihnen hier zu zeigen. 264 00:14:00,660 --> 00:14:04,570 ‫Wir wollen also immer noch summieren, also im Grunde 265 00:14:04,570 --> 00:14:07,960 ‫alles zusammenaddieren, also verwenden wir immer noch sum, 266 00:14:07,960 --> 00:14:10,340 ‫aber was werden wir addieren? 267 00:14:10,340 --> 00:14:13,493 ‫Nun, im Grunde fügen wir für jedes Dokument eine 268 00:14:14,443 --> 00:14:17,380 ‫hinzu und sagen 1 und das war's. 269 00:14:17,380 --> 00:14:19,610 ‫Im Grunde wird also 270 00:14:19,610 --> 00:14:22,020 ‫für jedes Dokument, das diese Pipeline 271 00:14:22,020 --> 00:14:24,960 ‫durchlaufen wird, eins zu diesem Nummernzähler hinzugefügt. 272 00:14:24,960 --> 00:14:29,430 ‫Nennen wir es numTours. 273 00:14:29,430 --> 00:14:33,763 ‫Also, ja, testen wir es jetzt noch einmal. 274 00:14:36,350 --> 00:14:39,320 ‫Und tatsächlich bekommen wir unsere neun Touren und wissen 275 00:14:39,320 --> 00:14:41,303 ‫bereits, dass wir neun haben. 276 00:14:42,650 --> 00:14:46,820 ‫Das sind also alle Statistiken für alle Touren zusammen, aber jetzt gehen 277 00:14:46,820 --> 00:14:48,890 ‫wir auf die nächste Stufe. 278 00:14:48,890 --> 00:14:52,450 ‫Wie ich bereits sagte, können wir jetzt unsere Ergebnisse für 279 00:14:52,450 --> 00:14:53,790 ‫verschiedene Bereiche gruppieren. 280 00:14:53,790 --> 00:14:56,870 ‫Und fangen wir eigentlich mit der Schwierigkeit an. 281 00:14:56,870 --> 00:14:59,830 ‫Das ist also ziemlich ähnlich, als würden Sie die Felder dort 282 00:14:59,830 --> 00:15:01,990 ‫unten angeben, die einfach das Dollarzeichen und dann 283 00:15:01,990 --> 00:15:03,570 ‫der Name des Felds sind. 284 00:15:03,570 --> 00:15:07,303 ‫Also $Schwierigkeit, geben Sie ihm einen Safe und das war's. 285 00:15:08,350 --> 00:15:12,040 ‫Senden Sie es hierher, und jetzt haben wir 286 00:15:12,040 --> 00:15:15,950 ‫die Statistiken, die für jede dieser drei Schwierigkeiten definiert sind. 287 00:15:15,950 --> 00:15:18,200 ‫Das ist also wirklich, wirklich erstaunlich. 288 00:15:18,200 --> 00:15:20,470 ‫Das ist also der Teil, der mich umhaut. 289 00:15:20,470 --> 00:15:22,170 ‫Es ist absolut fantastisch. 290 00:15:22,170 --> 00:15:25,020 ‫Ich meine, Sie können anfangen, alle möglichen 291 00:15:25,020 --> 00:15:27,260 ‫Dinge zu sehen, alle Arten 292 00:15:27,260 --> 00:15:30,890 ‫von Datenmanipulationen, die Sie mit dieser Pipeline durchführen können, richtig? 293 00:15:30,890 --> 00:15:33,360 ‫Wir können also jetzt wirklich anfangen, Dinge zu 294 00:15:33,360 --> 00:15:36,170 ‫analysieren, zum Beispiel sehen wir, dass die einfachsten Touren 295 00:15:36,170 --> 00:15:38,640 ‫diejenigen sind, die mit einer 4 die 296 00:15:38,640 --> 00:15:41,370 ‫schlechtesten Bewertungen erhalten. 6, während die mittleren 297 00:15:41,370 --> 00:15:43,980 ‫Touren diejenigen sind, die die höchsten Bewertungen erhalten. 298 00:15:43,980 --> 00:15:46,750 ‫Wir können auch sehen, dass 299 00:15:46,750 --> 00:15:49,620 ‫die schwierigen Touren mit einem Durchschnittspreis 300 00:15:49,620 --> 00:15:54,520 ‫von 1997 die teuersten sind, während die einfachsten mit einem Preis 301 00:15:54,520 --> 00:15:58,010 ‫von 1272 auch die günstigsten sind, oder? 302 00:15:58,010 --> 00:15:59,910 ‫Wir sehen auch, dass die 303 00:15:59,910 --> 00:16:01,880 ‫einfachsten Touren die sind, die wir 304 00:16:01,880 --> 00:16:05,400 ‫am meisten haben, also vier leichte und nur zwei schwierige, oder? 305 00:16:05,400 --> 00:16:07,510 ‫Damit können wir natürlich 306 00:16:07,510 --> 00:16:10,693 ‫alle möglichen Einblicke in unsere Daten gewinnen. 307 00:16:12,350 --> 00:16:13,630 ‫Lassen Sie uns 308 00:16:13,630 --> 00:16:16,583 ‫diesen hier kommentieren und einfach einen anderen ausprobieren, zum 309 00:16:17,560 --> 00:16:20,130 ‫Beispiel nach Bewertungen, warum nicht, probieren wir 310 00:16:20,130 --> 00:16:22,773 ‫es einfach aus, sehen wir, was wir bekommen. 311 00:16:24,450 --> 00:16:26,310 ‫So haben wir zum Beispiel zwei Touren, also grundsätzlich mit 312 00:16:26,310 --> 00:16:28,353 ‫einer Bewertung von 4. 5, wir haben 313 00:16:29,530 --> 00:16:32,963 ‫zwei Touren mit 4. 7, eine Tour mit 4. 8, und 314 00:16:34,040 --> 00:16:37,077 ‫drei Touren mit 4. 9. 315 00:16:37,077 --> 00:16:39,870 ‫Ach ja, und auch hier unten, eine Tour mit 4. 6, und 316 00:16:39,870 --> 00:16:42,320 ‫so können wir zum Beispiel hier 317 00:16:42,320 --> 00:16:45,680 ‫eine Erkenntnis gewinnen, dass die sehr teuren Touren 318 00:16:45,680 --> 00:16:49,103 ‫mit diesem Durchschnittspreis von 1997 extrem gute Bewertungen erhalten. 319 00:16:50,260 --> 00:16:55,260 ‫Also alle möglichen Sachen, die wir hier wirklich machen können. 320 00:16:55,360 --> 00:16:59,520 ‫Lassen Sie uns diesen loswerden, fügen wir diesen wieder hinzu, und 321 00:16:59,520 --> 00:17:00,975 ‫wir können jetzt 322 00:17:00,975 --> 00:17:03,180 ‫sogar einige Operationen mit diesem durchführen. 323 00:17:03,180 --> 00:17:08,180 ‫Lassen Sie uns diese Schwierigkeit also nur zum Spaß in Großbuchstaben schreiben. 324 00:17:08,550 --> 00:17:12,370 ‫Das wird natürlich hier ein weiteres Objekt sein und 325 00:17:13,570 --> 00:17:15,810 ‫hier vorne ist der Operator. 326 00:17:15,810 --> 00:17:18,873 ‫Daher heißt der Operator in diesem Fall $toUpper. 327 00:17:21,150 --> 00:17:25,230 ‫Also nur noch ein weiterer MongoDB-Operator. 328 00:17:25,230 --> 00:17:30,140 ‫Also schau es dir an, und jetzt wird es in Großbuchstaben geschrieben. 329 00:17:30,140 --> 00:17:31,290 ‫Groß! 330 00:17:31,290 --> 00:17:34,650 ‫Wir haben hier also die Gruppenphase, die ziemlich abgeschlossen ist. 331 00:17:34,650 --> 00:17:38,180 ‫Versuchen wir es also mit einer anderen, die eine Sortierstufe ist. 332 00:17:38,180 --> 00:17:42,120 ‫Also ein weiteres Objekt in unserem Array für eine weitere 333 00:17:43,250 --> 00:17:45,380 ‫Stufe, und dieses heißt sortieren. 334 00:17:45,380 --> 00:17:49,070 ‫Also sortieren und dann dort hinein, wir brauchen noch ein weiteres Objekt, 335 00:17:49,070 --> 00:17:52,190 ‫und es hat dieses irgendwie automatisch vervollständigt, ich weiß nicht 336 00:17:52,190 --> 00:17:54,860 ‫warum, und hier können wir jetzt angeben, nach 337 00:17:54,860 --> 00:17:59,183 ‫welchem Feld wir dies sortieren möchten, und lass uns das tatsächlich verwenden durchschnittlicher Preis. 338 00:18:00,580 --> 00:18:03,610 ‫Und jetzt müssen wir hier bei der Sortierung tatsächlich die Feldnamen 339 00:18:03,610 --> 00:18:06,563 ‫verwenden, die wir hier oben in der Gruppe angegeben haben. 340 00:18:07,520 --> 00:18:10,630 ‫Wir können die alten Namen nicht mehr verwenden, da sie zu diesem 341 00:18:10,630 --> 00:18:11,930 ‫Zeitpunkt bereits weg sind. 342 00:18:11,930 --> 00:18:13,610 ‫Sie existieren nicht mehr. 343 00:18:13,610 --> 00:18:16,400 ‫An diesem Punkt in der Aggregationspipeline 344 00:18:16,400 --> 00:18:19,410 ‫haben wir diese Ergebnisse also wirklich bereits. 345 00:18:19,410 --> 00:18:22,790 ‫Das sind nun im Grunde unsere Dokumente. 346 00:18:22,790 --> 00:18:25,960 ‫Wenn Sie also nach dem Durchschnittspreis sortieren möchten, ist 347 00:18:25,960 --> 00:18:28,943 ‫dies der Feldname, den wir verwenden müssen. 348 00:18:30,530 --> 00:18:33,070 ‫Wir können also den Durchschnittspreis 349 00:18:33,070 --> 00:18:35,793 ‫sagen und dann 1 für aufsteigend sagen. 350 00:18:37,680 --> 00:18:38,883 ‫Also probieren wir das aus. 351 00:18:41,550 --> 00:18:43,070 ‫Und ja, tatsächlich. 352 00:18:43,070 --> 00:18:46,480 ‫Das ist das niedrigste und das ist das höchste. 353 00:18:46,480 --> 00:18:47,820 ‫Groß! 354 00:18:47,820 --> 00:18:50,210 ‫Also haben wir viel gemacht. 355 00:18:50,210 --> 00:18:53,480 ‫Lassen Sie mich Ihnen nur zeigen, dass wir Etappen auch wiederholen können. 356 00:18:53,480 --> 00:18:55,710 ‫Also lassen Sie uns hier tatsächlich ein 357 00:18:58,740 --> 00:19:00,930 ‫weiteres Match machen und dieses ist 358 00:19:00,930 --> 00:19:03,240 ‫wirklich nur, um Ihnen zu zeigen, dass wir 359 00:19:03,240 --> 00:19:07,130 ‫tatsächlich Etappen wiederholen können, und ich möchte Ihnen auch einen anderen Operator zeigen. 360 00:19:07,130 --> 00:19:11,020 ‫Lassen Sie uns jetzt nach ID auswählen und daran denken, dass die ID 361 00:19:11,020 --> 00:19:12,920 ‫jetzt die Schwierigkeit ist, oder? 362 00:19:12,920 --> 00:19:15,023 ‫Also haben wir das hier oben angegeben. 363 00:19:16,820 --> 00:19:20,670 ‫Wir wollen also die ID und jetzt einen neuen Operator, den 364 00:19:20,670 --> 00:19:22,500 ‫wir noch nicht verwendet haben. 365 00:19:22,500 --> 00:19:26,913 ‫Wir wollen, dass es nicht gleich ist, und sagen wir einfach. 366 00:19:28,210 --> 00:19:29,830 ‫Und so werden wir 367 00:19:29,830 --> 00:19:32,260 ‫einfach alle Dokumente auswählen, die nicht einfach sind. 368 00:19:32,260 --> 00:19:33,880 ‫Also in diesem Fall 369 00:19:33,880 --> 00:19:36,340 ‫der, der mittel und schwer sagt, oder? 370 00:19:36,340 --> 00:19:41,007 ‫Also im Grunde, abgesehen von dem, das einfach sagt, oder? 371 00:19:42,200 --> 00:19:43,790 ‫Auch hier ist es 372 00:19:43,790 --> 00:19:47,950 ‫nicht wirklich nützlich, da wir dadurch viele unserer aussagekräftigen Daten verlieren, aber 373 00:19:47,950 --> 00:19:50,090 ‫nur um Ihnen zu zeigen, dass wir 374 00:19:50,090 --> 00:19:51,980 ‫natürlich mehrere Matches durchführen können. 375 00:19:51,980 --> 00:19:54,750 ‫In diesem Fall haben wir also einmal gematcht, bevor wir 376 00:19:54,750 --> 00:19:58,160 ‫die Gruppe tatsächlich erstellt haben, und dann haben wir gematcht, als wir bereit 377 00:19:58,160 --> 00:19:59,475 ‫waren, die Gruppierung durchzuführen. 378 00:19:59,475 --> 00:20:01,720 ‫Lassen Sie uns das hier eigentlich 379 00:20:01,720 --> 00:20:03,798 ‫aus unserer Aggregationspipeline herausnehmen, aber 380 00:20:03,798 --> 00:20:06,200 ‫ich belasse es hier, damit Sie 381 00:20:06,200 --> 00:20:08,200 ‫es als Referenz behalten. 382 00:20:09,580 --> 00:20:12,750 ‫Versuchen Sie es noch einmal, versuchen Sie es noch einmal, 383 00:20:12,750 --> 00:20:14,730 ‫und dies sind unsere Ergebnisse, um 384 00:20:14,730 --> 00:20:16,590 ‫unsere Tourstatistiken zu erhalten. 385 00:20:16,590 --> 00:20:19,030 ‫Also wirklich schön, wirklich toll. 386 00:20:19,030 --> 00:20:21,070 ‫Ich hoffe, Ihnen hat dieses 387 00:20:21,070 --> 00:20:23,200 ‫Video gefallen, und im nächsten werden 388 00:20:23,200 --> 00:20:26,810 ‫wir die Aggregationspipeline tatsächlich weiter verwenden, um weitere Berechnungen durchzuführen. 389 00:20:26,810 --> 00:20:30,050 ‫Und um dir noch ein paar verschiedene Etappen zu zeigen. 390 00:20:30,050 --> 00:20:31,973 ‫Also bleib dran.