柚子快報(bào)激活碼778899分享：MongoDB復(fù)雜分組聚合查詢
柚子快報(bào)激活碼778899分享：MongoDB復(fù)雜分組聚合查詢
_id字段是必填的;但是，可以指定_id值為null來為整個(gè)輸入文檔計(jì)算累計(jì)值。剩余的計(jì)算字段是可選的，并使用
accumulator操作符
名稱描述類比sql$avg計(jì)算均值avg$first返回每組第一個(gè)文檔，如果有排序，按照排序，如果沒有按照默認(rèn)的存儲(chǔ)的順序返回第一個(gè)文檔。limit 0,1$last返回每組最后一個(gè)文檔，如果有排序，按照排序，如果沒有按照默認(rèn)的存儲(chǔ)的順序返回最后一個(gè)文檔。-$max根據(jù)分組，獲取集合中所有文檔對(duì)應(yīng)值的最大值。max$min根據(jù)分組，獲取集合中所有文檔對(duì)應(yīng)值的最小值。min$push將指定的表達(dá)式的值添加到一個(gè)數(shù)組中。-$addToSet將表達(dá)式的值添加到一個(gè)集合中（無重復(fù)值，無序）。-$sum計(jì)算總和sum$stdDevPop返回輸入值的總體標(biāo)準(zhǔn)偏差（population standard deviation）-$stdDevSamp返回輸入值的樣本標(biāo)準(zhǔn)偏差（the sample standard deviation）-
g
r
o
u
p
階段的內(nèi)存限制為
100
M
，默認(rèn)情況下，如果
s
t
a
g
e
超過此限制，
group階段的內(nèi)存限制為100M，默認(rèn)情況下，如果stage超過此限制，
group階段的內(nèi)存限制為100M，默認(rèn)情況下，如果stage超過此限制，group將產(chǎn)生錯(cuò)誤，但是，要允許處理大型數(shù)據(jù)集，請(qǐng)將allowDiskUse選項(xiàng)設(shè)置為true以啟用$group操作以寫入臨時(shí)文件。
注意：
“$addToSet”:expr，如果當(dāng)前數(shù)組中不包含expr，那就將它添加到數(shù)組中?！?push”:expr，不管expr是什么值，都將它添加到數(shù)組中，返回包含所有值的數(shù)組。
示例
按照state分組，并計(jì)算每一個(gè)state分組的總?cè)藬?shù)，平均人數(shù)以及每個(gè)分組的數(shù)量
db.zips.aggregate([
{
"$group": {
"\_id": "$state",
"totalPop": {
"$sum": "$pop"
},
"avglPop": {
"$avg": "$pop"
},
"count": {
"$sum": 1
}
}
}
])
查找不重復(fù)的所有的state的值
db.zips.aggregate([
{
"$group": {
"\_id": "$state"
}
}
])
按照city分組，并且分組內(nèi)的state字段列表加入到stateItem并顯示
db.zips.aggregate([
{
"$group": {
"\_id": "$city",
"stateItem": {
"$push": "$state"
}
}
}
])
下面聚合操作使用系統(tǒng)變量$$ROOT按item對(duì)文檔進(jìn)行分組，生成的文檔不得超過BSON文檔大小限制
db.zips.aggregate([
{
"$group": {
"\_id": "$city",
"item": {
"$push": "$$ROOT"
}
}
}
]).pretty();
$match
過濾文檔，僅將符合指定條件的文檔傳遞到下一個(gè)管道階段。
$match接受一個(gè)指定查詢條件的文檔，查詢語法與讀操作查詢語法相同。
語法
{ $match: {
管道優(yōu)化
$match用于對(duì)文檔進(jìn)行篩選，之后可以在得到的文檔子集上做聚合，$match可以使用除了地理空間之外的所有常規(guī)查詢操作符，**在實(shí)際應(yīng)用中盡可能將$match放在管道的前面位置**。這樣有兩個(gè)好處：
一是可以快速將不需要的文檔過濾掉，以減少管道的工作量；二是如果再投射和分組之前執(zhí)行$match，查詢可以使用索引。
使用限制
不能在$match查詢中使用$作為聚合管道的一部分。要在$match階段使用$text，$match階段必須是管道的第一階段。視圖不支持文本搜索。
示例
使用 $match做簡單的匹配查詢，查詢縮寫是NY的城市數(shù)據(jù)
db.zips.aggregate([
{
"$match": {
"state": "NY"
}
}
]).pretty();
使用
m
a
t
c
h
管道選擇要處理的文檔，然后將結(jié)果輸出到
match管道選擇要處理的文檔，然后將結(jié)果輸出到
match管道選擇要處理的文檔，然后將結(jié)果輸出到group管道以計(jì)算文檔的計(jì)數(shù)
db.zips.aggregate([
{
"$match": {
"state": "NY"
}
},
{
"$group": {
"\_id": null,
"sum": {
"$sum": "$pop"
},
"avg": {
"$avg": "$pop"
},
"count": {
"$sum": 1
}
}
}
]).pretty();
$unwind
從輸入文檔解構(gòu)數(shù)組字段以輸出每個(gè)元素的文檔，簡單說就是 可以將數(shù)組拆分為單獨(dú)的文檔。
語法
要指定字段路徑，在字段名稱前加上$符并用引號(hào)括起來。
{ $unwind:
v3.2+支持如下語法
{
$unwind:
{
path:
#可選,一個(gè)新字段的名稱用于存放元素的數(shù)組索引。該名稱不能以$開頭。
includeArrayIndex:
#可選，default :false，若為true,如果路徑為空，缺少或?yàn)榭諗?shù)組，則$unwind輸出文檔
preserveNullAndEmptyArrays:
}
}
如果為輸入文檔中不存在的字段指定路徑，或者該字段為空數(shù)組，則$unwind默認(rèn)會(huì)忽略輸入文檔，并且不會(huì)輸出該輸入文檔的文檔。
版本3.2中的新功能：要輸出數(shù)組字段丟失的文檔，null或空數(shù)組，請(qǐng)使用選項(xiàng)preserveNullAndEmptyArrays。
示例
以下聚合使用$unwind為loc數(shù)組中的每個(gè)元素輸出一個(gè)文檔：
db.zips.aggregate([
{
"$match": {
"\_id": "01002"
}
},
{
"$unwind": "$loc"
}
]).pretty();
db.zips.aggregate([
{
"$match": {
"\_id": "01002"
}
},
{
"$unwind": {
"path": "$loc",
"includeArrayIndex": "locIndex",
"preserveNullAndEmptyArrays": true
}
}
]).pretty();
$project
$project可以從文檔中選擇想要的字段，和不想要的字段（指定的字段可以是來自輸入文檔或新計(jì)算字段的現(xiàn)有字段），也可以通過管道表達(dá)式進(jìn)行一些復(fù)雜的操作，例如數(shù)學(xué)操作，日期操作，字符串操作，邏輯操作。
語法
$project 管道符的作用是選擇字段（指定字段，添加字段，不顯示字段,_id：0，排除字段等），重命名字段，派生字段。
{ $project: {
specifications有以下形式：
_id: <0 or false> 是否指定_id字段
默認(rèn)情況下，_id字段包含在輸出文檔中。要在輸出文檔中包含輸入文檔中的任何其他字段，必須明確指定
p
r
o
j
e
c
t
中的包含。如果指定包含文檔中不存在的字段，
project中的包含。 如果指定包含文檔中不存在的字段，
project中的包含。如果指定包含文檔中不存在的字段，project將忽略該字段包含，并且不會(huì)將該字段添加到文檔中。
默認(rèn)情況下，id字段包含在輸出文檔中。要從輸出文檔中排除id字段，必須明確指定$project中的_id字段為0。v3.4版新增功能-如果指定排除一個(gè)或多個(gè)字段，則所有其他字段將在輸出文檔中返回。 如果指定排除_id以外的字段，則不能使用任何其他$project規(guī)范表單：即，如果排除字段，則不能指定包含字段，重置現(xiàn)有字段的值或添加新字段。此限制不適用于使用REMOVE變量條件排除字段。v3.6版本中的新功能- 從MongoDB 3.6開始，可以在聚合表達(dá)式中使用變量REMOVE來有條件地禁止一個(gè)字段。要添加新字段或重置現(xiàn)有字段的值，請(qǐng)指定字段名稱并將其值設(shè)置為某個(gè)表達(dá)式。要將字段值直接設(shè)置為數(shù)字或布爾文本，而不是將字段設(shè)置為解析為文字的表達(dá)式，請(qǐng)使用
l
i
t
e
r
a
l
操作符。否則，
literal操作符。否則，
literal操作符。否則，project會(huì)將數(shù)字或布爾文字視為包含或排除該字段的標(biāo)志。
通過指定新字段并將其值設(shè)置為現(xiàn)有字段的字段路徑，可以有效地重命名字段。從MongoDB 3.2開始，$project階段支持使用方括號(hào)[]直接創(chuàng)建新的數(shù)組字段。如果數(shù)組規(guī)范包含文檔中不存在的字段，則該操作會(huì)將空值替換為該字段的值。在版本3.4中更改-如果$project 是一個(gè)空文檔，MongoDB 3.4和更高版本會(huì)產(chǎn)生一個(gè)錯(cuò)誤。投影或添加/重置嵌入文檔中的字段時(shí)，可以使用點(diǎn)符號(hào)
示例
以下$project階段的輸出文檔中只包含_id，city和state字段
db.zips.aggregate([
{
"$project": {
"\_id": 1,
"city": 1,
"state": 1
}
}
]).pretty();
_id字段默認(rèn)包含在內(nèi)。要從$ project階段的輸出文檔中排除_id字段，請(qǐng)?jiān)趐roject文檔中將_id字段設(shè)置為0來指定排除_id字段。
db.zips.aggregate([
{
"$project": {
"\_id": 0,
"city": 1,
"state": 1
}
}
]).pretty();
以下$ project階段從輸出中排除loc字段
db.zips.aggregate([
{
"$project": {
"loc": 0
}
}
]).pretty();
可以在聚合表達(dá)式中使用變量REMOVE來有條件地禁止一個(gè)字段，
db.zips.aggregate([
{
"$project": {
"\_id": 1,
"city": 1,
"state": 1,
"pop": 1,
"loc": {
"$cond": {
"if": {
"$gt": [
"$pop",
1000
]
},
"then": "$$REMOVE",
"else": "$loc"
}
}
}
}
]).pretty();
我們還可以改變數(shù)據(jù)，將人數(shù)大于1000的城市坐標(biāo)重置為0
db.zips.aggregate([
{
"$project": {
"\_id": 1,
"city": 1,
"state": 1,
"pop": 1,
"loc": {
"$cond": {
"if": {
"$gt": [
"$pop",
1000
]
},
"then": [
0,
0
],
"else": "$loc"
}
}
}
}
]).pretty();
新增字段列
db.zips.aggregate([
{
"$project": {
"\_id": 1,
"city": 1,
"state": 1,
"pop": 1,
"desc": {
"$cond": {
"if": {
"$gt": [
"$pop",
1000
]
},
"then": "人數(shù)過多",
"else": "人數(shù)過少"
}
},
"loc": {
"$cond": {
"if": {
"$gt": [
"$pop",
1000
]
},
"then": [
0,
0
],
"else": "$loc"
}
}
}
}
]).pretty();
$limit
限制傳遞到管道中下一階段的文檔數(shù)
語法
{ $limit:
示例，此操作僅返回管道傳遞給它的前5個(gè)文檔。 $limit對(duì)其傳遞的文檔內(nèi)容沒有影響。
db.zips.aggregate({
"$limit": 5
});
注意
當(dāng)$sort在管道中的$limit之前立即出現(xiàn)時(shí)，$sort操作只會(huì)在過程中維持前n個(gè)結(jié)果，其中n是指定的限制，而MongoDB只需要將n個(gè)項(xiàng)存儲(chǔ)在內(nèi)存中。當(dāng)allowDiskUse為true并且n個(gè)項(xiàng)目超過聚合內(nèi)存限制時(shí)，此優(yōu)化仍然適用。
$skip
跳過進(jìn)入stage的指定數(shù)量的文檔，并將其余文檔傳遞到管道中的下一個(gè)階段
語法
{ $skip:
示例，此操作將跳過管道傳遞給它的前5個(gè)文檔， $skip對(duì)沿著管道傳遞的文檔的內(nèi)容沒有影響。
db.zips.aggregate({
"$skip": 5
});
$sort
對(duì)所有輸入文檔進(jìn)行排序，并按排序順序?qū)⑺鼈兎祷氐焦艿馈?/p>
語法
{ $sort: {
$sort指定要排序的字段和相應(yīng)的排序順序的文檔。
1指定升序。-1指定降序。{$meta：“textScore”}按照降序排列計(jì)算出的textScore元數(shù)據(jù)。
示例
要對(duì)字段進(jìn)行排序，請(qǐng)將排序順序設(shè)置為1或-1，以分別指定升序或降序排序，如下例所示：
db.zips.aggregate([
{
"$sort": {
"pop": -1,
"city": 1
}
}
])
$sortByCount
根據(jù)指定表達(dá)式的值對(duì)傳入文檔分組，然后計(jì)算每個(gè)不同組中文檔的數(shù)量。每個(gè)輸出文檔都包含兩個(gè)字段：包含不同分組值的_id字段和包含屬于該分組或類別的文檔數(shù)的計(jì)數(shù)字段，文件按降序排列。
語法
{ $sortByCount:
3 使用示例
下面舉了一些常用的mongo聚合例子和mysql對(duì)比，假設(shè)有一條如下的數(shù)據(jù)庫記錄（表名：zips）作為例子：
3.1 統(tǒng)計(jì)所有數(shù)據(jù)
SQL的語法格式如下
select count(1) from zips;
mongoDB的語法格式
db.zips.aggregate([
{
"$group": {
"\_id": null,
"count": {
"$sum": 1
}
}
}
])
3.2 對(duì)所有城市人數(shù)求合
SQL的語法格式如下
select sum(pop) AS tota from zips;
mongoDB的語法格式
db.zips.aggregate([
{
"$group": {
"\_id": null,
"total": {
"$sum": "$pop"
}
}
}
])
3.3 對(duì)城市縮寫相同的城市人數(shù)求合
SQL的語法格式如下
select state,sum(pop) AS tota from zips group by state;
mongoDB的語法格式
db.zips.aggregate([
{
"$group": {
"\_id": "$state",
"total": {
"$sum": "$pop"
}
}
}
])
3.4 state重復(fù)的城市個(gè)數(shù)
SQL的語法格式如下
select state,count(1) AS total from zips group by state;
mongoDB的語法格式
db.zips.aggregate([
{
"$group": {
"\_id": "$state",
"total": {
"$sum": 1
}
}
}
])
3.5 state重復(fù)個(gè)數(shù)大于100的城市
SQL的語法格式如下
select state,count(1) AS total from zips group by state having count(1)>100;
mongoDB的語法格式
db.zips.aggregate([
{
"$group": {
"\_id": "$state",
"total": {
"$sum": 1
}
}
},
{
"$match": {
"total": {
"$gt": 100
}
}
}
])
4 MapReduce
MongoDB的聚合操作主要是對(duì)數(shù)據(jù)的批量處理，一般都是將記錄按條件分組之后進(jìn)行一系列求最大值，最小值，平均值的簡單操作，也可以對(duì)記錄進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，數(shù)據(jù)挖掘的復(fù)雜操作，聚合操作的輸入是集中的文檔，輸出可以是一個(gè)文檔也可以是多個(gè)文檔。
Pipeline查詢速度快于MapReduce，但是MapReduce的強(qiáng)大之處在于能夠在多臺(tái)Server上并行執(zhí)行復(fù)雜的聚合邏輯，MongoDB不允許Pipeline的單個(gè)聚合操作占用過多的系統(tǒng)內(nèi)存，如果一個(gè)聚合操作消耗20%以上的內(nèi)存，那么MongoDB直接停止操作，并向客戶端輸出錯(cuò)誤消息。
4.1 什么是MapReduce
MapReduce是一種計(jì)算模型，簡單的說就是將大批量的工作（數(shù)據(jù)）分解（MAP）執(zhí)行，然后再將結(jié)果合并成最終結(jié)果（REDUCE）
mapreduce使用javascript語法編寫，其內(nèi)部也是基于javascript V8引擎解析并執(zhí)行，javascript語言的靈活性也讓mapreduce可以處理更加復(fù)雜的業(yè)務(wù)場景；當(dāng)然這相對(duì)于aggreation pipleine而言，意味著需要書寫大量的腳本，而且調(diào)試也將更加困難。（調(diào)試可以基于javascript調(diào)試，成功后再嵌入到mongodb中）
4.1.1 執(zhí)行階段
mapreduce有2個(gè)階段：map和reduce；
mapper處理每個(gè)document，然后emits一個(gè)或者多個(gè)objects，object為key-value對(duì)；reducer將map操作的結(jié)果進(jìn)行聯(lián)合操作（combine）。此外mapreduce還可以有一個(gè)finalize階段，這是可選的，它可以調(diào)整reducer計(jì)算的結(jié)果。在進(jìn)行mapreduce之前，mongodb支持使用query來篩選文檔，也支持sort排序和limit。
4.1.2 語法
MapReduce 的基本語法如下：
db.collection.mapReduce(
function() {
this -- document
emit(key,value);
}, //map 函數(shù)
function(key,values) {
key,values
return reduceFunction
}, //reduce 函數(shù)
{
out: collection,
query: document,
sort: document,
limit: number,
finalize:
scope:
jsMode:
verbose:
}
)
使用 MapReduce 要實(shí)現(xiàn)兩個(gè)函數(shù) Map 函數(shù)和 Reduce 函數(shù),Map 函數(shù)調(diào)用 emit(key, value), 遍歷 collection 中所有的記錄, 將 key 與 value 傳遞給 Reduce 函數(shù)進(jìn)行處理。
參數(shù)說明
map：是JavaScript 函數(shù)，負(fù)責(zé)將每一個(gè)輸入文檔轉(zhuǎn)換為零或多個(gè)文檔，通過key進(jìn)行分組，生成鍵值對(duì)序列,作為 reduce 函數(shù)參數(shù)reduce：是JavaScript 函數(shù)，對(duì)map操作的輸出做合并的化簡的操作（將key-values變成key-value，也就是把values數(shù)組變成一個(gè)單一的值value）out：統(tǒng)計(jì)結(jié)果存放集合 (不指定則使用臨時(shí)集合,在客戶端斷開后自動(dòng)刪除)。query： 一個(gè)篩選條件，只有滿足條件的文檔才會(huì)調(diào)用map函數(shù)。（query。limit，sort可以隨意組合）sort： 和limit結(jié)合的sort排序參數(shù)（也是在發(fā)往map函數(shù)前給文檔排序），可以優(yōu)化分組機(jī)制limit： 發(fā)往map函數(shù)的文檔數(shù)量的上限（要是沒有l(wèi)imit，單獨(dú)使用sort的用處不大）finalize：可以對(duì)reduce輸出結(jié)果再一次修改，跟group的finalize一樣，不過MapReduce沒有g(shù)roup的4MB文檔的輸出限制scope：向map、reduce、finalize導(dǎo)入外部變量verbose：是否包括結(jié)果信息中的時(shí)間信息，默認(rèn)為fasle
4.1.3 使用示例
按照state分組統(tǒng)計(jì)
樣例SQL
select by,count(1) from blog group by by having likes>100
mapReduce寫法
這是統(tǒng)計(jì)每一個(gè)作者的博客分?jǐn)?shù)是100以上的文章數(shù)
db.zips.mapReduce(
function(){
emit(this.state,1);
},
function(key,values){
return Array.sum(values);
},
{
query:{pop:{$gt:100}},
out:"result001",
}
)
輸出結(jié)果
將結(jié)果輸出
# 顯示集合
show tables;
# 查詢結(jié)果集數(shù)據(jù)
db.result001.find({})
自我介紹一下，小編13年上海交大畢業(yè)，曾經(jīng)在小公司待過，也去過華為、OPPO等大廠，18年進(jìn)入阿里一直到現(xiàn)在。
深知大多數(shù)Linux運(yùn)維工程師，想要提升技能，往往是自己摸索成長或者是報(bào)班學(xué)習(xí)，但對(duì)于培訓(xùn)機(jī)構(gòu)動(dòng)則幾千的學(xué)費(fèi)，著實(shí)壓力不小。自己不成體系的自學(xué)效果低效又漫長，而且極易碰到天花板技術(shù)停滯不前！
因此收集整理了一份《2024年Linux運(yùn)維全套學(xué)習(xí)資料》，初衷也很簡單，就是希望能夠幫助到想自學(xué)提升又不知道該從何學(xué)起的朋友，同時(shí)減輕大家的負(fù)擔(dān)。
既有適合小白學(xué)習(xí)的零基礎(chǔ)資料，也有適合3年以上經(jīng)驗(yàn)的小伙伴深入學(xué)習(xí)提升的進(jìn)階課程，基本涵蓋了95%以上Linux運(yùn)維知識(shí)點(diǎn)，真正體系化！
由于文件比較大，這里只是將部分目錄大綱截圖出來，每個(gè)節(jié)點(diǎn)里面都包含大廠面經(jīng)、學(xué)習(xí)筆記、源碼講義、實(shí)戰(zhàn)項(xiàng)目、講解視頻，并且后續(xù)會(huì)持續(xù)更新
如果你覺得這些內(nèi)容對(duì)你有幫助，可以添加VX：vip1024b （備注Linux運(yùn)維獲?。?/p>
最后的話
最近很多小伙伴找我要Linux學(xué)習(xí)資料，于是我翻箱倒柜，整理了一些優(yōu)質(zhì)資源，涵蓋視頻、電子書、PPT等共享給大家！
資料預(yù)覽
給大家整理的視頻資料：
給大家整理的電子書資料：
如果本文對(duì)你有幫助，歡迎點(diǎn)贊、收藏、轉(zhuǎn)發(fā)給朋友，讓我有持續(xù)創(chuàng)作的動(dòng)力！
一個(gè)人可以走的很快，但一群人才能走的更遠(yuǎn)。不論你是正從事IT行業(yè)的老鳥或是對(duì)IT行業(yè)感興趣的新人，都?xì)g迎掃碼加入我們的的圈子（技術(shù)交流、學(xué)習(xí)資源、職場吐槽、大廠內(nèi)推、面試輔導(dǎo)），讓我們一起學(xué)習(xí)成長！
(this.state,1); }, function(key,values){ return Array.sum(values); }, { query:{pop:{$gt:100}}, out:“result001”, } )
輸出結(jié)果
>
> 將結(jié)果輸出
>
>
>
顯示集合
show tables;
查詢結(jié)果集數(shù)據(jù)
db.result001.find({})
**自我介紹一下，小編13年上海交大畢業(yè)，曾經(jīng)在小公司待過，也去過華為、OPPO等大廠，18年進(jìn)入阿里一直到現(xiàn)在。**
**深知大多數(shù)Linux運(yùn)維工程師，想要提升技能，往往是自己摸索成長或者是報(bào)班學(xué)習(xí)，但對(duì)于培訓(xùn)機(jī)構(gòu)動(dòng)則幾千的學(xué)費(fèi)，著實(shí)壓力不小。自己不成體系的自學(xué)效果低效又漫長，而且極易碰到天花板技術(shù)停滯不前！**
**因此收集整理了一份《2024年Linux運(yùn)維全套學(xué)習(xí)資料》，初衷也很簡單，就是希望能夠幫助到想自學(xué)提升又不知道該從何學(xué)起的朋友，同時(shí)減輕大家的負(fù)擔(dān)。**
[外鏈圖片轉(zhuǎn)存中...(img-uIJ6XLUq-1712850673008)]
[外鏈圖片轉(zhuǎn)存中...(img-1shNuUEJ-1712850673009)]
[外鏈圖片轉(zhuǎn)存中...(img-E9QOqkly-1712850673009)]
[外鏈圖片轉(zhuǎn)存中...(img-glZdcOX7-1712850673009)]
[外鏈圖片轉(zhuǎn)存中...(img-DdRIB68Q-1712850673010)]
**既有適合小白學(xué)習(xí)的零基礎(chǔ)資料，也有適合3年以上經(jīng)驗(yàn)的小伙伴深入學(xué)習(xí)提升的進(jìn)階課程，基本涵蓋了95%以上Linux運(yùn)維知識(shí)點(diǎn)，真正體系化！**
**由于文件比較大，這里只是將部分目錄大綱截圖出來，每個(gè)節(jié)點(diǎn)里面都包含大廠面經(jīng)、學(xué)習(xí)筆記、源碼講義、實(shí)戰(zhàn)項(xiàng)目、講解視頻，并且后續(xù)會(huì)持續(xù)更新**
**如果你覺得這些內(nèi)容對(duì)你有幫助，可以添加VX：vip1024b （備注Linux運(yùn)維獲?。?*
[外鏈圖片轉(zhuǎn)存中...(img-VhsZjARo-1712850673010)]
### 最后的話
最近很多小伙伴找我要Linux學(xué)習(xí)資料，于是我翻箱倒柜，整理了一些優(yōu)質(zhì)資源，涵蓋視頻、電子書、PPT等共享給大家！
### 資料預(yù)覽
給大家整理的視頻資料：
[外鏈圖片轉(zhuǎn)存中...(img-o2fnDsrx-1712850673010)]
給大家整理的電子書資料：
[外鏈圖片轉(zhuǎn)存中...(img-UBX090Fv-1712850673011)]
**如果本文對(duì)你有幫助，歡迎點(diǎn)贊、收藏、轉(zhuǎn)發(fā)給朋友，讓我有持續(xù)創(chuàng)作的動(dòng)力！**
**一個(gè)人可以走的很快，但一群人才能走的更遠(yuǎn)。不論你是正從事IT行業(yè)的老鳥或是對(duì)IT行業(yè)感興趣的新人，都?xì)g迎掃碼加入我們的的圈子（技術(shù)交流、學(xué)習(xí)資源、職場吐槽、大廠內(nèi)推、面試輔導(dǎo)），讓我們一起學(xué)習(xí)成長！**
[外鏈圖片轉(zhuǎn)存中...(img-9iCLZ2UJ-1712850673011)]
柚子快報(bào)激活碼778899分享：MongoDB復(fù)雜分組聚合查詢
推薦閱讀
本文內(nèi)容根據(jù)網(wǎng)絡(luò)資料整理，出于傳遞更多信息之目的，不代表金鑰匙跨境贊同其觀點(diǎn)和立場。
轉(zhuǎn)載請(qǐng)注明，如有侵權(quán)，聯(lián)系刪除。
Megamarket出海巨型市
