sql >> Databasteknik >  >> NoSQL >> MongoDB

Jämför 2 datum i mongo hitta metod

För MongoDB 3.6 och senare:

$expr operatorn tillåter användning av aggregeringsuttryck inom frågespråket, så du kan utnyttja användningen av $dateToString operatör för att omvandla datumfältet:

db.test.find({ 
    "$expr": { 
        "$ne": [ 
             { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
             { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
        ] 
    } 
})

eller använda aggregeringsramverk med $ matcha pipeline

db.test.aggregate([
    { "$match": { 
        "$expr": { 
            "$ne": [ 
                { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
            ] 
        } 
    } }
])

För MongoDB 3.0+:

Du kan också använda aggregeringsramverket med $redact pipeline-operatör som låter dig bearbeta det logiska villkoret med $cond operatör och använder specialoperationerna $$ BEHÅLL att "behålla" dokumentet där det logiska villkoret är sant eller $$PRUNE för att "ta bort" dokumentet där villkoret var falskt.

Överväg att köra följande sammanställda operation som visar konceptet ovan:

db.test.aggregate([
    {
        "$redact": {
            "$cond": [
                { 
                    "$ne": [ 
                        { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                        { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
                    ] 
                },
                "$$KEEP",
                "$$PRUNE"
            ]
        }
    }
])

Denna operation liknar att ha en $projekt pipeline som väljer fälten i samlingen och skapar ett nytt fält som innehåller resultatet från den logiska villkorsfrågan och sedan en efterföljande $match , förutom att $redact använder ett enda pipelinesteg som är mer effektivt:

db.test.aggregate([
    {
        "$project": { 
            "created": 1, 
            "last_active": 1,
            "sameDay": { 
                "$cond": [ 
                    { 
                        "$eq": [ 
                            {"$substr" : ["$last_active",0, 10]}, 
                            {"$substr" : ["$created",0, 10]}
                        ] 
                    }, true, false 
                ]
            } 
        } 
    },
    { "$match": { "sameDay": false } }
])

0r

db.test.aggregate([
    {
        "$project": { 
            "created": 1, 
            "last_active": 1,
            "sameDay": { 
                "$cond": [ 
                    { 
                        "$eq": [ 
                            { "$dateToString": { "format": "%Y-%m-%d", "date": "$created" } }, 
                            { "$dateToString": { "format": "%Y-%m-%d", "date": "$last_active" } }
                        ] 
                    }, true, false 
                ]
            } 
        } 
    },
    { "$match": { "sameDay": false } }
])

Ett annat tillvägagångssätt skulle vara att använda $where operatorn i din find() metod men observera att frågan kommer att vara ganska långsam eftersom du använder $where enbart kräver en tabellskanning och databasen exekverar JavaScript-uttrycket eller funktionen för varje dokument i samlingen, så kombinera med indexerade frågor om du kan eftersom frågeprestanda också förbättras när du uttrycker det med standard MongoDB-operatorer (t.ex.
code>$gt
, $in ):

db.test.find({ 
   "$where": function() { 
       return this.created.getDate() !== this.last_active.getDate() 
   } 
});

eller mer kompakt:

db.test.find({ "$where": "this.created.getDate() !== this.last_active.getDate()" });

Med ingången:

/* 0 */
{
    "_id" : 1,
    "created" : ISODate("2014-12-19T06:01:17.171Z"),
    "last_active" : ISODate("2014-12-21T15:38:13.842Z")
}

/* 1 */
{
    "_id" : 2,
    "created" : ISODate("2015-07-06T12:17:32.084Z"),
    "last_active" : ISODate("2015-07-06T18:07:08.145Z")
}

/* 2 */
{
    "_id" : 3,
    "created" : ISODate("2015-07-06T06:01:17.171Z"),
    "last_active" : ISODate("2015-07-07T10:04:30.921Z")
}

/* 3 */
{
    "_id" : 4,
    "created" : ISODate("2015-07-06T06:01:17.171Z"),
    "last_active" : ISODate("2015-07-06T09:47:44.186Z")
}

/* 4 */
{
    "_id" : 5,
    "created" : ISODate("2013-12-19T06:01:17.171Z"),
    "last_active" : ISODate("2014-01-20T13:21:37.427Z")
}

Aggregeringen returnerar:

/* 0 */
{
    "result" : [ 
        {
            "_id" : 1,
            "created" : ISODate("2014-12-19T06:01:17.171Z"),
            "last_active" : ISODate("2014-12-21T15:38:13.842Z"),
            "sameDay" : false
        }, 
        {
            "_id" : 3,
            "created" : ISODate("2015-07-06T06:01:17.171Z"),
            "last_active" : ISODate("2015-07-07T10:04:30.921Z"),
            "sameDay" : false
        }, 
        {
            "_id" : 5,
            "created" : ISODate("2013-12-19T06:01:17.171Z"),
            "last_active" : ISODate("2014-01-20T13:21:37.427Z"),
            "sameDay" : false
        }
    ],
    "ok" : 1
}


  1. mongodb kontrollera om punkten är i polygon

  2. Hur man får räkning från samlade uppslagsresultat

  3. Kör kartreducering för alla nycklar i samlingar - mongodb

  4. Symfony QueryBuilder returnerar MongoDB-markör istället för objektarray