15

我有一个 mongo 支持的联系人数据库，我正在尝试以多种不同的方式查找重复的条目。

例如，如果 2 个联系人具有相同的电话号码，则他们被标记为可能重复，电子邮件同上等。

我在 Debian 上使用 MongoDB 2.4.2 和 pyMongo 和 MongoEngine。

到目前为止，我最接近的是查找和计算包含相同电话号码的记录：

dbh.person_document.aggregate([
    {'$unwind': '$phones'},
    {'$group': {'_id': '$phones', 'count': {'$sum': 1}}},
    {'$sort': SON([('count', -1), ('_id', -1)])}
])

# Results in 
{u'ok': 1.0,
 u'result': [{u'_id': {u'number': u'404-231-4444', u'showroom_id': 5}, u'count': 5},
             {u'_id': {u'number': u'205-265-6666', u'showroom_id': 5}, u'count': 5},
             {u'_id': {u'number': u'213-785-7777', u'showroom_id': 5}, u'count': 4},
             {u'_id': {u'number': u'334-821-9999', u'showroom_id': 5}, u'count': 3}
]}

所以我可以得到重复的数字，但我一生都无法弄清楚如何返回实际包含这些项目的 Documents 数组！

我想看到每个数字的这种返回数据：

# The ObjectIDs of the documents that contained the duplicate phone numbers
{u'_id': {u'number': u'404-231-4444', u'showroom_id': 5}, 
  u'ids': [ObjectId('51c67e322b2192121ec4d8f2'), ObjectId('51c67e312b2192121ec4d8f0')], 
  u'count': 2},

任何帮助是极大的赞赏！

4

1 回答 1

34

啊，祝福。

在 MongoDB 上几乎逐字逐句地找到了解决方案- 使用聚合框架或 mapreduce 匹配文档中的字符串数组（配置文件匹配）。

最终结果，添加一些额外的以包含名称：

dbh.person_document.aggregate([
    {'$unwind': '$phones'},
    {'$group': {
        '_id': '$phones',
        'matchedDocuments': {
            '$push':{
                'id': '$_id',
                'name': '$full_name'
                }},
        'num': { '$sum': 1}
    }},
    {'$match':{'num': {'$gt': 1}}}
])
于 2013-07-18T18:41:47.333 回答