Nano Hash - криптовалюты, майнинг, программирование

Получить количество продуктов из каждой категории в базе данных mongodb

Я новичок в mongodb и в общей стороне разработки баз данных.

Я пытаюсь создать сайт со списком продуктов, на котором все категории будут отображаться с количеством продуктов в этой конкретной категории, и при нажатии на определенную категорию я получу все продукты в этой категории.

Некоторые вещи, которые следует отметить:

  • каждый продукт будет иметь только одну категорию
  • в каждой категории будет несколько продуктов

Я не знаю, как решить эту проблему, и попытался найти ее в Интернете, но не смог точно найти то, что искал. Я также пытался сделать схему для этого, но я не знаю, правильный ли это подход или нет, и вот как это выглядит:

const productsSchema = {
    category: String,
    name: String,
    price: String,
    description: String,
    thumbnail: String,
};

Примечание: я использую стек MERN (если это поможет)


Ответы:


1

Я бы сказал, что у вас должна быть схема продукта и схема категории продукта, где схема категории продукта содержит массив идентификаторов продуктов, принадлежащих этой категории.

В схеме продукта у вас также может быть указатель на объект категории, с которым связан продукт (в отличие от простого имени категории в виде строки).

Возможно, взгляните на заполнение мангуста https://mongoosejs.com/docs/populate.html

08.11.2020

2

Если я хорошо понял ваш вопрос, вы можете использовать что-то вроде этого:

db.collection.aggregate([
  {
    "$match": {
      "category": "category1"
    }
  },
  {
    "$count": "total"
  }
])

С помощью этого запроса вы получите общее количество $count для каждой категории. Пример здесь

В вашем frontend вам понадобится звонок для каждого category.

Возможно, если в вашей БД много разных категорий, это не очень хороший подход, но если число недостаточно велико, вы можете вызвать этот запрос пару раз, и вы получите желаемый результат.

08.11.2020
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..