使用Spring Data MongoDB中的MongoTemplate实现分组查询最新的数据

假设我们的mongoDB数据库中有一个集合名为stents的集合,我们想查询出每个支架号对应的最新的一条数据,即有多少个支架就会有对应多少条最新的支架数据。
我们使用Spring Data MongoDB中的MongoTemplate来查询所有支架的最新数据,可以通过构建一个聚合查询来实现。这里假设您的集合名为stents,每个支架有唯一的stentId,并且每条记录都有一个表示创建时间的createdAt字段。

以下是使用MongoTemplate实现这一功能的Java代码示例:

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.mongodb.core.MongoTemplate;
import org.springframework.data.mongodb.core.aggregation.*;
import org.springframework.stereotype.Service;
import org.springframework.data.domain.Sort.Direction;import java.util.List;@Service
public class StentDataService {@Autowiredprivate MongoTemplate mongoTemplate;public List<Document> findLatestStentData() {// 定义分组键GroupOperation groupOperation = Aggregation.group("stentId").first("$$ROOT").as("latestData").max("createdAt").as("latestDate");// 定义投影操作,重新组织输出结构ProjectionOperation projectionOperation = Aggregation.project("latestData").andExpression("_id").as("no").andExpression("latestData.height").as("height").andExpression("latestData.tuiLiuXC").as("tuiLiuXC").andExpression("latestData.liZhuYL").as("liZhuYL").andExpression("latestData.actions").as("actions").andExpression("latestData.createTime").as("createTime").andExclude("_id");// 构建排序操作,虽然在这个例子中可能不需要显式排序,因为聚合框架会在分组时自然地处理最大值问题SortOperation sortOperation = Aggregation.sort(Direction.DESC, "latestDate");// 创建聚合操作Aggregation aggregation = Aggregation.newAggregation(groupOperation,projectionOperation,sortOperation);// 执行聚合查询AggregationResults<Document> results = mongoTemplate.aggregate(aggregation, "stents", Document.class);// 返回结果return results.getMappedResults();}
}

解释

  1. 定义分组操作 (GroupOperation):

    • 使用Aggregation.group("stentId")stentId分组。
    • 使用.first("$$ROOT").as("latestData")保存每个分组中的第一条记录(即最新的记录)。
    • 使用.max("createdAt").as("latestDate")保存每个分组中的最大createdAt值,以确保分组操作正确识别最新的记录。
  2. 定义投影操作 (ProjectionOperation):

    • 使用Aggregation.project("latestData")重新组织输出结构,使每个结果包含latestData字段。
    • 使用.andExpression("_id").as("stentId")将分组键_id重命名为stentId
    • 使用.andExclude("_id")排除原始的_id字段,以避免混淆。
  3. 定义排序操作 (SortOperation):

    • 虽然在这个例子中可能不需要显式排序,但为了完整性,可以添加一个按latestDate降序排列的操作。
  4. 创建聚合操作 (Aggregation):

    • 使用Aggregation.newAggregation()方法组合所有的聚合阶段。
  5. 执行聚合查询

    • 使用mongoTemplate.aggregate()方法执行聚合查询,并指定集合名和结果类型。
    • results.getMappedResults()返回聚合查询的结果列表。

注意事项

  • 确保您的Spring Boot项目已经配置了MongoTemplate,并且MongoDB连接配置正确。
  • 替换"stents"为您实际的集合名称。
  • 如果您的文档结构不同,可能需要调整字段名称和聚合操作。

通过这种方式,您可以有效地查询所有支架的最新数据。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/61039.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

nodejs import 导入module.exports = xxx的模块, 在ES6项目中导入commonJs规范的require模块

在 Node.js 模块化开发中&#xff0c;import遵循的是ES6规范&#xff0c;require遵循的是CommonJS规范&#xff0c;他们都用于加载模块&#xff0c;当我们的项目是使用es6规范时&#xff0c; 需要使用一个地方的commonJs规范的模块&#xff0c; 我们就可以使用 import xxx …

STM32 外设简介

STM32 外设简介 STM32 是由意法半导体 (STMicroelectronics) 开发的一系列基于 ARM Cortex 内核的微控制器&#xff0c;广泛应用于嵌入式系统中。STM32 系列的一个重要特点是其丰富而强大的外设模块&#xff0c;支持多种接口和功能&#xff0c;能满足工业控制、物联网、消费电…

Python使用ffmpeg进行本地视频拉流,并使用训练模型识别人脸,并将识别后的模型推流源码

前言&#xff1a; Windows上搭建nginx-rtsp流媒体服务器&#xff0c;实现FFmpeg推流、录像转rtsp推流 - WayWayWayne - 博客园参考上述文章和一些webRTC前端拉流文章 主要是缕一缕思路和每个部分的代码功能&#xff0c;文件命名高度相似导致。 效果&#xff1a; 代码&#x…

Java面经之JVM

[1]. 说说双亲委派机制&#xff1f; 类的加载器主要有启动类加载器、拓展类加载器、应用程序类加载器、用户自定义类加载器。 当Java程序需要加载一个类时&#xff0c;类加载器首先会检查是否已经加载过该类&#xff0c;如果已经加载过&#xff0c;则直接返回该类&#xff1b…

训练的decoder模型文本长度不一致,一般设置为多大合适,需要覆盖最长的文本长度么

在训练解码器模型时,文本长度不一致是常见的情况,需要根据任务的特性和数据集的长度分布来设置合理的最大长度 (max_length)。以下是一些指导原则,帮助你设置合适的最大长度: 1. 是否需要覆盖最长文本长度 覆盖最长文本长度: 如果任务对完整性要求很高(例如生成数学公式、…

【去毛刺】OpenCV图像处理基础:腐蚀与膨胀操作入门

在数字图像处理中&#xff0c;形态学操作是一种常用的技术&#xff0c;用于提取图像中的特定形状或特征。其中&#xff0c;腐蚀&#xff08;Erosion&#xff09;和膨胀&#xff08;Dilation&#xff09;是两种基本的形态学运算。本文将通过一个简单的例子来演示如何使用Python中…

2024年11月27日Github流行趋势

项目名称&#xff1a;screenshot-to-code 项目维护者&#xff1a;abi clean99 sweep-ai kachbit vagusX项目介绍&#xff1a;通过上传截图将其转换为整洁的代码&#xff08;支持HTML/Tailwind/React/Vue&#xff09;。项目star数&#xff1a;62,429项目fork数&#xff1a;7,614…

Linux八股积累与笔记

1、iptables 是一个用于配置Linux内核防火墙规则的工具。四表五链&#xff1a;在iptables中&#xff0c;有四个表&#xff08;tables&#xff09;和五个链&#xff08;chains&#xff09;&#xff0c;用于管理不同类型的数据包过滤规则。如下&#xff1a; 表&#xff08;Tabl…

Qt5.14.2的安装与环境变量及一些依赖库的配置

目录 1.Qt5.14.2安装 2.Qt环境变量及一些依赖库的配置 1.Qt5.14.2安装 QT从入门到入土&#xff08;一&#xff09;——Qt5.14.2安装教程和VS2019环境配置 - 唯有自己强大 - 博客园 2.Qt环境变量及一些依赖库的配置 假设QT安装目录为: D:\Qt\Qt5.14.2 将目录: D:\Qt\Qt5.14.…

CTF之密码学(培根密码)

培根密码&#xff0c;又名倍康尼密码&#xff08;Bacons cipher&#xff09;&#xff0c;是由法兰西斯培根发明的一种隐写术&#xff0c;属于密码学领域的一种替换密码。以下是关于培根密码的详细介绍&#xff1a; 一、原理 培根密码本质上是一种二进制密码&#xff0c;但它没…

初识Linux(4):Linux基础环境工具(下)

1. Git Git是一种版本控制系统&#xff0c;是一种工具&#xff0c;用于代码的存储和版本控制。 而我们常见的Gitee和Gitehub都是基于Git&#xff08;Git是开源的&#xff09;实现的在线代码仓库&#xff0c;而前者服务器位于中国&#xff0c;后者服务器位于美国。 总的来说&…

12.Three.js纹理动画与动效墙案例

12.Three.js纹理动画与动效墙案例 在Three.js的数字孪生场景应用中&#xff0c;我们通常会使用到一些动画渲染效果&#xff0c;如动效墙&#xff0c;飞线、雷达等等&#xff0c;今天主要了解一下其中一种动画渲染效果&#xff1a;纹理动画。下面实现以下动效墙效果&#xff08…

node.js中实现MySQL的增量备份

有时候&#xff0c;我们需要对生产库进行备份&#xff0c;不要求实时性很高&#xff0c;大概每天一次就行&#xff0c;为性能考虑&#xff0c;只备份最新更改内容&#xff0c;即增量备份即可&#xff0c;这种场景下对DB的设计和备份语句有所要求。 首先要求按源表各字段定义目标…

《白帽子讲Web安全》13-14章

《白帽子讲Web安全》13-14章 《白帽子讲Web安全》13-14章13、应用层拒绝服务攻击13.1、DDOS简介13.2、应用层DDOS13.2.1、CC攻击13.2.2、限制请求频率13.2.3、道高一尺&#xff0c;魔高一丈 13.3、验证码的那些事儿13.4、防御应用层DDOS13.5、资源耗尽攻击13.5.1、Slowloris攻击…

【电子元器件】Nand Flash基础介绍

本文章是笔者理论结合实践进行整理的备忘笔记。希望在帮助自己温习避免遗忘的同时&#xff0c;也能帮助其他需要参考的朋友。如有谬误&#xff0c;欢迎大家进行指正。 一、什么是Nand Flash Flash主要分两种&#xff0c;Nand Flash和Nor flash。 Nor的成本相对高&#xff0c…

JVM_垃圾收集器详解

1、 前言 JVM就是Java虚拟机&#xff0c;说白了就是为了屏蔽底层操作系统的不一致而设计出来的一个虚拟机&#xff0c;让用户更加专注上层&#xff0c;而不用在乎下层的一个产品。这就是JVM的跨平台&#xff0c;一次编译&#xff0c;到处运行。 而JVM中的核心功能其实就是自动…

python除了熟悉的pandas,openpyxl库也很方便的支持编辑Excel表

excel表格是大家经常用到的文件格式&#xff0c;各行各业都会跟它打交道。之前文章我们介绍了使用openpyxl和xlrd库读取excel表数据&#xff0c;使用xlwt库创建和编辑excel表&#xff0c;在办公自动化方面可以方便我们快速处理数据&#xff0c;帮助我们提升效率。 python之open…

网络知识1-TCP/IP模型

从用户端到服务端&#xff0c;tcp/ip模型可分为应用层、传输层、网络层、网络接口层 以下使用寄快递为例进行解释 应用层职责&#xff1a; 只关注与为用户提供应用功能&#xff0c;如HTTP、FTP、telnet、DNS、SMTP等 &#xff0c;应用层的职责就像我们寄快递时将快递给快递员…

机器学习(二十五):决策树算法以及决策树和神经网络的对比

一、决策树集合 单一决策树会对训练数据的变化很敏感。例子&#xff1a;输入十个数据&#xff0c;判断是否是猫。只替换其中一个数据&#xff0c;信息增益最高的分裂特征就发生了改变&#xff0c;决策树就发生了变化。 使用决策树集合可以使算法更加健壮。例子&#xff1a;使用…

通俗理解人工智能、机器学习和深度学习的关系

最近几年人工智能成为极其热门的概念和话题&#xff0c;可以说彻底出圈了。但人工智能的概念在1955年就提出来了&#xff0c;可以说非常古老。我在上小学的时候《科学》课本上就有人工智能的概念介绍&#xff0c;至今还有印象&#xff0c;但那些年AI正处于“寒冬”&#xff0c;…