Nano Hash - криптовалюты, майнинг, программирование

Отсутствующие данные в MongoDB (Mongoose/MLab) после успешного поиска по тому же полю

У меня очень конкретный вопрос. У меня есть веб-проект, использующий Express (Node.JS) и MLab (MongoDB/Mongoose). Я вручную редактировал несколько записей в коллекции (да, я знаю, плохая идея) и использую одно из этих полей в поиске Mongoose. Схема определяется следующим образом: (только соответствующая часть)

user: {
        id: {
            type: mongoose.Schema.Types.ObjectId,
            ref: "Registration"
        },
        username: String,
        type: String
    }

Мой поиск выглядит следующим образом:

Master.find({$or: [{'user.type': 'committee'}, {'user.type': 'admin'}]}, function(err, foundUsers) {
    do stuff
});

Поиск работает нормально (используя 'user.type'), но пользовательский объект в каждой записи не определен в foundUsers.

Что мне не хватает? Спасибо!

08.02.2018

Ответы:


1

Нашел. Я попытался быстро вытащить и добавить что-то в запись пользователя, чего не было в схеме регистрации. В этом случае Монго был умнее меня.

09.02.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..