因为是对关联集合的筛选，所以不能简单通过match去处理

db.goods.aggregate([
            $lookup: {
               from: "orders",
                let: {
                    isDelete: "$isDelete", // 定义要筛选的条件
                    id: "$_id", // 当前集合的_id
                pipeline: [{
                    "$match": {
                        isDelete: 0, // 筛选条件，未删除的订单
                        $expr: {
                            $eq: ["$$id","$goodsId"] // 商品对应的订单
                }],
                as: "child",
// 结果
    "_id": ObjectId("5d522fd20ec3b11bf17a91e2"),
    "name": "iphone XS",
    "price": 8999,
    "child": [
            "_id": ObjectId("5d5376580ec3b11bf17a91ec"),
            "sum": 1,
            "goodsId": ObjectId("5d522fd20ec3b11bf17a91e2"),
            "isDelete": 0
            "_id": ObjectId("5d5376580ec3b11bf17a91ed"),
            "sum": 2,
            "goodsId": ObjectId("5d522fd20ec3b11bf17a91e2"),
            "isDelete": 0
    "_id": ObjectId("5d5230870ec3b11bf17a91e4"),
    "name": "小米 9",
    "price": 3299,
    "child": [
            "_id": ObjectId("5d5376580ec3b11bf17a91ef"),
            "sum": 1,
            "goodsId": ObjectId("5d5230870ec3b11bf17a91e4"),
            "isDelete": 0
    "_id": ObjectId("5d5230870ec3b11bf17a91e5"),
    "name": "华为 p30 Pro",
    "price": 4988,
    "child": [
            "_id": ObjectId("5d5376580ec3b11bf17a91f0"),
            "sum": 1,
            "goodsId": ObjectId("5d5230870ec3b11bf17a91e5"),
            "isDelete": 0
                    场景：商品列表中包含订单统计信息,商品和订单是一对多的关系注： 这里把商品和订单分成两个集合，仅做演示！具体场景，具体分析插入数据创建goods和orders集合goodsdb.goods.insert([    {name: 'iphone XS', price: 8999},     {name: '小米 9', price: 3299},     {name: '华为 ...
				
1. MongoDB 聚合管道简介
使用聚合管道可以对集合中的文档进行变换和组合，常用于多表关联查询、数据的统计。
db.COLLECTION_NAME.aggregate() 方法用来构建和使用聚合管道，下图是官网给的实例，可以看出来聚合管道的用法还是比较简单的。
2. MongoDB Aggregation 管道操作符与表达式
常用的管道操作符有以下这些：
MySQL 和 MongoDB 的聚合对比:
管道操作符作为“键”，所对应的“值”叫做管道表达式，如 {$match:{status:”A”}}，$match 称为管道操作符，而 status:”A”称为管道表达式，每




    

				
MongoDB合并两个集合
mongodb中遇到两张表需要合并，开始是用Navicat导出数据再导入数据，发现文档的类型都变了，所有都变成了字符串类型，于是找到一个函数
db."集合".find().forEach(function(item) {
	db."集合1".insert(item);
	db."集合".remove(item);
// 合并个集合
db.saas_order.find().forEach(function(item) {
	db.saas_orders.insert(it
最近在做项目的时候碰到一个对mongoDB的数据处理，从MongoDB中拿到内嵌文档的时间排序的list。
一开始考虑到直接对mongoDB中的属性排序，后面发现属性存在内嵌文档中，所以处理中需要用到聚合函数。
（key）解决这个问题的过程让我学到很多，发现自己在解决一个问题不仅查找问题的姿势不对，浪费太多时间。而且在碰到问题之后，应该多看看解决办法，甚至解决了之后要去思考问题，回顾问题。而不是像以前一样，解决问题了就万事大吉，抛之脑后。
需要对document中的一个tweet_list 集合中的一个属性 timestamp_ms进行排序。 组内排序
				
主表A表 , 子表B表 , 子表会有0或多条记录对应主表 , 业务需求是要查询主表信息以及子表部分信息 , 并根据子表信息过滤数据
实际业务为 , 主表为项目记录, 子表为项目跟进记录 , 需要查询某个时间段的项目跟进情况
select a.name,a.unit_name ,c.add_time from a
left join (select aid,max(add_time) as ...
				
很高兴为您解答。针对您的问题，我可以提供以下思路进行编写查询：
在MongoDB中，聚合查询可以通过聚合管道(pipe)实现。聚合管道是一系列的聚合操作符，用于对集合进行各种数据处理操作。
聚合框架的查询可以由多个聚合阶段(stage)组成，每个聚合阶段都由一个聚合操作符定义。一个阶段的输出结果会成为下一个阶段的输入。下面是一个聚合框架查询示例：
db.users.aggregate([
   // 过滤出年龄大于等于30岁的用户
   { $match: { age: { $gte: 30 } } },
   // 对年龄分组，统计每个年龄段用户的数量
   { $group: { _id: "$age", count: { $sum: 1 } } },
   // 对统计结果按照用户数量进行降序排序
   { $sort: { count: -1 } },
   // 只保留前10个年龄段的用户数量统计结果
   { $limit: 10 }
上述示例中，我们对用户集合进行了聚合查询操作，首先使用了 $match 操作符过滤出年龄大于等于30岁的用户，然后使用 $group 操作符对符合条件的用户按照年龄进行了分组，并统计了每个年龄段的用户数量。接着使用 $sort 操作符将统计结果按照用户数量进行了降序排序，最后使用 $limit 操作符只保留了前10个年龄段的用户数量统计结果。
希望以上内容对您有所帮助。如有疑问，欢迎继续提问。
				nginx: [error] open() "/usr/local/var/run/nginx.pid" failed (2: No such file or directory)
					38380