本文介绍如何通过 Mongoose 的 aggregate() 方法，基于 state 字段对职位文档进行分组计数，高效生成按州聚合的职位数量数据，适用于 US 热力图等可视化场景。

本文介绍如何通过 mongoose 的 `aggregate()` 方法，基于 `state` 字段对职位文档进行分组计数，高效生成按州聚合的职位数量数据，适用于 us 热力图等可视化场景。

在构建地理可视化（如美国各州职位热力图）时，后端需提供结构清晰、按州（state）分组的计数结果。Mongoose 原生查询无法直接实现“按字段值分组并统计数量”，此时应使用 Aggregation Pipeline（聚合管道） —— 它是 MongoDB 处理此类分析型查询的标准且高性能方案。

核心操作是 $group 阶段：以 state 字段为分组键（_id: "$state"），并用 $sum: 1 对每条匹配文档累加计数。完整示例代码如下：

const jobCountsByState = await Job.aggregate([
  {
    $group: {
      _id: "$state",
      count: { $sum: 1 }
    }
  },
  {
    $project: {
      _id: 0,
      state: "$_id",
      count: 1
    }
  }
]).exec();

✅ 输出格式与需求完全一致：

[
  { "state": "FL", "count": 27 },
  { "state": "NC", "count": 41 }
]

说明：

• 第一阶段 $group 按 state 分组并计数，_id 自动承载州名；
• 第二阶段 $project 重命名字段：将 _id 映射为 state，排除原始 _id（设 _id: 0），保留 count，使结果更语义化、易消费；
• 若需仅返回 Available 状态的职位，可在 $group 前添加 $match 阶段：

  { $match: { status: 'Available' } }

⚠️ 注意事项：

• 确保 state 字段在数据库中格式统一（如全大写 "CA"，而非 "ca" 或 "California"），否则同州会被拆分为多组；建议在保存时标准化（如 toUpperCase()）；
• 若数据量较大（>10万），建议为 state 字段添加索引以加速聚合：

  Job.index({ state: 1 });

• 聚合结果默认无序，如需按州名或数量排序，可追加 $sort 阶段（例如 { $sort: { count: -1 } }）。

该方案单次查询即可完成全部统计，避免多次 countDocuments() 调用，兼具简洁性、可扩展性与生产可用性。