Definition 定义

对文档（documents）进行筛选，只将符合指定条件（condition(s)）的文档传递给下一个 pipeline stage。

$matchstage 的原型形式如下：

{ $match: { <query> } }

$match接收一个指定查询条件的文档。查询语法（query syntax）与读操作的查询语法相同；也就是说，$match不接受 raw aggregation expresssions（原始的聚合表达式）。相反，使用 $expr query expression（查询表达式）才可以在$match中包含 aggregation expression。

Behavior 行为

Pipeline Optimization 管道优化

• 在 aggregation pipeline 中尽可能早地放置$match。因为$match限制了 aggregation pipeline 中的文档总数，较早的$match操作使 pipe（管道） 中的处理量最小。

• 如果你把$match放在 pipeline 的最开始，则查询可以像 db.collection.find() 或 db.collection.findOne() 一样利用索引（index）。

  Restrictions 限制

• $match查询语法与读操作查询语法相同；也就是说，$match不接受 raw aggregation expressions。要在$match中包含 aggregation expression，请使用 $expr query expression：

{ $match: { $expr: { <aggregation expression> } } }

• 你不能在$match查询中使用 $where 作为 aggregation pipeline 的一部分。
• 你不能在$match查询中使用 $near 或 $nearSphere 作为 aggregation pipeline 的一部分。作为替代，你可以：
  • 使用 $geoNear stage 而不是$matchstage。
  • 在$matchstage 使用 $geoWithin 查询运算符与 $center 或 $centerSphere。
• 要在$matchstage 使用 $text，$matchstage 必须是 pipeline 的第一个 stage。Views（视图）不支持文本搜索（text search）。

  Example 例子

  这些例子使用一个名为articles的 collection，其中有以下文档：

  { "_id" : ObjectId("512bc95fe835e68f199c8686"), "author" : "dave", "score" : 80, "views" : 100 }
  { "_id" : ObjectId("512bc962e835e68f199c8687"), "author" : "dave", "score" : 85, "views" : 521 }
  { "_id" : ObjectId("55f5a192d4bede9ac365b257"), "author" : "ahn", "score" : 60, "views" : 1000 }
  { "_id" : ObjectId("55f5a192d4bede9ac365b258"), "author" : "li", "score" : 55, "views" : 5000 }
  { "_id" : ObjectId("55f5a1d3d4bede9ac365b259"), "author" : "annT", "score" : 60, "views" : 50 }
  { "_id" : ObjectId("55f5a1d3d4bede9ac365b25a"), "author" : "li", "score" : 94, "views" : 999 }
  { "_id" : ObjectId("55f5a1d3d4bede9ac365b25b"), "author" : "ty", "score" : 95, "views" : 1000 }

  Equality Match 相等匹配

  下面的 operation 使用$match来进行简单的 equality match：

  db.articles.aggregate( [
  { $match: { author: "dave" } }
  ] )

  $match选择了author字段等于dave的文档，aggregation 返回如下：

  { "_id" : ObjectId("512bc95fe835e68f199c8686"), "author" : "dave", "score" : 80, "views" : 100 }
  { "_id" : ObjectId("512bc962e835e68f199c8687"), "author" : "dave", "score" : 85, "views" : 521 }

  Perform a Count 执行统计

  下面的例子使用$matchpipeline operator 选择要处理的文档，然后将结果输送给 $group pipeline operator 来计算文档的数量：

  db.articles.aggregate( [
  { 
    $match: {
      $or: [
        { score: { $gt: 70, $lt: 90 } },
        { views: { $gte: 1000 } }
      ]
    } 
  },
  {
    $group: {
      _id: null,
      count: { $sum: 1 }
    }
  }
  ] )

  在 aggregation pipeline 中，$match选择score大于70且小于90的文档，或者views大于等于1000的文档。然后这些文档被输送（piped）到 $group 中进行计数（preform a count）。aggregation 的结果如下：

  { "_id" : null, "count" : 5 }

  TIP 参阅：

  • Aggregation with the Zip Code Data Set 与邮编数据集进行聚合
  • Aggregation with User Preference Data 与用户偏好数据进行聚合

参考

https://docs.mongodb.com/manual/reference/operator/aggregation/match