ドキュメント全体とともに$lookupから配列内の要素のフィルタリングされた数を取得します

    {
        "$lookup" : {
            "from" : "link",
            "as" : "link",
            "localField" : "_id",
            "foreignField" : "emailGroupId",
            "unwinding" : {
                "preserveNullAndEmptyArrays" : false
            },
            "matching" : {
                "originalLink" : {
                    "$eq" : ""
                }
            }
        }
    }, 
    {
        "$group" : {

$ groupでパーツを残します その出力では、他の2つのパイプラインステージが「消える」ことを示しています。これは、それらがに「ロールアップ」されているためです。 $ lookup 示されているパイプラインステージ。これは実際、MongoDBが $ lookup 親ドキュメントの配列に。

または、次のように操作を記述できます。

すべての詳細

db.emailGroup.aggregate([
  { "$lookup": {
    "from": "link",
    "localField": "_id",
    "foreignField": "emailGroupId",
    "as": "link"    
  }},
  { "$addFields": {
    "link": {
      "$filter": {
        "input": "$link",
        "as": "l",
        "cond": { "$eq": [ "$$l.originalLink", "" ] }    
      }
    },
    "linkCount": {
      "$sum": {
        "$map": {
          "input": {
            "$filter": {
              "input": "$link",
              "as": "l",
              "cond": { "$eq": [ "$$l.originalLink", "" ] }
            }
          },
          "as": "l",
          "in": { "$size": { "$ifNull": [ "$$l.linkHistory", [] ] } }
        }     
      }
    }    
  }}
])

partIdでグループ化

db.emailGroup.aggregate([
  { "$lookup": {
    "from": "link",
    "localField": "_id",
    "foreignField": "emailGroupId",
    "as": "link"    
  }},
  { "$addFields": {
    "link": {
      "$filter": {
        "input": "$link",
        "as": "l",
        "cond": { "$eq": [ "$$l.originalLink", "" ] }    
      }
    },
    "linkCount": {
      "$sum": {
        "$map": {
          "input": {
            "$filter": {
              "input": "$link",
              "as": "l",
              "cond": { "$eq": [ "$$l.originalLink", "" ] }
            }
          },
          "as": "l",
          "in": { "$size": { "$ifNull": [ "$$l.linkHistory", [] ] } }
        }     
      }
    }    
  }},
  { "$unwind": "$link" },
  { "$group": {
    "_id": "$partId",
    "linkCount": { "$sum": "$linkCount" } 
  }}
])

これは同じ出力ですが、という点で、最初のクエリとは「異なります」 $ filter ここでは、すべての「後に」適用されます $ lookupの結果 親ドキュメントの新しい配列に返されます。

したがって、パフォーマンスの観点からは、実際には最初の方法で実行する方が効果的であり、「フィルタリング前」に16MBのBSON制限を超える可能性のある大きな結果セットに移植することもできます。

興味のある方への補足として、MongoDBの将来のリリース（おそらく3.6以降）では、 $ replaceRoot $ addFieldsの代わりに 新しい$mergeObjectsを使用します パイプライン演算子。これの利点は「ブロック」として、「filtered」を宣言できることです。 $ letを介した変数としてのコンテンツ 、つまり、同じ $filterを記述する必要はありません。 「2回」：

db.emailGroup.aggregate([
  { "$lookup": {
    "from": "link",
    "localField": "_id",
    "foreignField": "emailGroupId",
    "as": "link"    
  }},
  { "$replaceRoot": {
    "newRoot": {
      "$mergeObjects": [
        "$$ROOT",
        { "$let": {
          "vars": {
            "filtered": {
              "$filter": {
                "input": "$link",
                "as": "l",
                "cond": { "$eq": [ "$$l.originalLink", "" ] }    
              }
            }
          },
          "in": {
            "link": "$$filtered",
            "linkCount": {
              "$sum": {
                "$map": {
                  "input": "$$filtered.linkHistory",
                  "as": "lh",
                  "in": { "$size": { "$ifNull": [ "$$lh", [] ] } } 
                }   
              } 
            }  
          }
        }}
      ]
    }
  }}
])

それでも、このような「フィルタリングされた」 $lookup<を実行するための最良の方法/ code> 現時点では、 $unwind<を使用した操作は「まだ」です。 / code> 次に、 $ match パターン、$にクエリ引数を提供できるようになるまでルックアップ 直接。