在 MongoDB 的官方文档里搜索 distinct，能找到 db.collection.distinct() 方法和独立命令；但在聚合管道表达式列表里搜索，却找不到 $distinct 这个阶段。如果在管道中直接写 { $distinct: "status" }，服务端会直接返回 Unrecognized pipeline stage name。这说明 distinct 和聚合管道是两套不同的机制，去重需求需要根据场景选择正确实现方式。
distinct 命令与聚合管道的差异
独立 distinct 命令的语法是 db.collection.distinct(field, query, options)。第一个参数是要去重的字段，第二个参数可以传入查询条件，第三个参数常用 readConcern 或 collation。它返回一个数组，例如 ["paid", "pending", "cancelled"]。这个数组中的所有元素都是该字段出现过的不同值，默认行为会忽略值为 null 的文档，除非显式要求保留。
聚合管道处理去重的思路不同。管道建立在文档流的基础上，每个阶段输入一批文档，再输出一批文档。$group 阶段正是通过分组 key 来消除重复：相同 key 的文档会被合并，因此只留下一个代表文档。想要按 status 字段去重，可以写：
db.orders.aggregate([
{ $group: { _id: "$status" } }
])
返回结果不是数组，而是一条条以 _id 为字段值的文档。这个差异很重要：如果你期望得到和 distinct 一样的数组，需要再加一个阶段把分组结果收集起来。理解这些差异后，就可以根据返回结构决定选择独立命令还是聚合管道。
用 $group 实现单字段和多字段去重
单字段去重是最常见的需求。比如订单集合里统计所有出现过的状态值，聚合管道可以先 $match 过滤时间范围，再用 $group 去重：
db.orders.aggregate([
{ $match: { createTime: { $gte: ISODate("2024-01-01") } } },
{ $group: { _id: "$status" } }
])
这里 $match 相当于 distinct 命令里的 query 参数，两者在过滤阶段做的事情类似。不同之处在于 $group 会生成文档流，后续可以继续接 $sort、$project 等阶段，而 distinct 命令返回后只能由客户端处理数组。
如果需要对多个字段的组合去重，例如同一个订单渠道下相同状态只保留一条，可以把 _id 写成一个子文档：
db.orders.aggregate([
{ $group: { _id: { status: "$status", channel: "$channel" } } }
])
分组键是 { status: ..., channel: ... } 时，MongoDB 会比较整个内嵌文档来判断是否重复。注意字段顺序会影响比较结果，{ status: "paid", channel: "app" } 与 { channel: "app", status: "paid" } 会被视为不同的分组，因此在实际使用时要保持字段顺序一致。
$addToSet 与 $sortByCount 去重方案
$group 配合 $addToSet 可以把去重后的值重新合并成一个数组，返回结构更接近 distinct 命令。$addToSet 会向一个数组字段中添加唯一值，如果值已经存在则跳过，因此非常适合收集去重结果：
db.orders.aggregate([
{ $group: { _id: null, statusList: { $addToSet: "$status" } } }
])
这里把所有文档归为一组，_id 为 null，然后不断向 statusList 添加不同状态。结果通常只有一条文档，statusList 字段就是完整的状态数组。与 distinct 命令相比，这种写法更灵活，例如可以同时收集多个字段的去重数组，也可以加上 $count 或 $sum 做统计。
$sortByCount 是另一个便捷阶段，它的内部逻辑等价于先按字段值分组，再按分组数量降序排列。当你想知道每个状态出现了多少次时，这一阶段可以一步完成：
db.orders.aggregate([
{ $sortByCount: "$status" }
])
输出文档的 _id 就是去重后的字段值，count 表示该值出现的次数。如果只关心去重结果，可以只取 _id 字段；如果同时需要频率分布，这个阶段比单独使用 $group 后接 $sort 更加简洁。需要注意的是，$sortByCount 内部的 $sort 会消耗一定内存，大数据集下建议关注排序压力和 allowDiskUse 的使用。
嵌套字段去重与常见使用误区
对于嵌套文档中的字段，例如 metadata.category，去重时直接使用点号路径即可，和查询时访问嵌套字段的写法一致：
db.products.aggregate([
{ $group: { _id: "$metadata.category" } }
])
还可以对数组中每个元素去重，只需先用 $unwind 展开数组，再执行 $group。例如 skuList 数组里可能包含多个 SKU，想得到所有出现过的 SKU，可以这样写：
db.products.aggregate([
{ $unwind: "$skuList" },
{ $group: { _id: "$skuList" } }
])
常见误区有三个。第一是在管道中直接写 $distinct 阶段，这会导致 Unrecognized pipeline stage name 错误。第二是以为 $project 里写字段去重就能减少后续文档数量，实际上 $project 只负责字段转换和值计算，不会跨文档去重。第三是误把 $addToSet 当成数组字段去重工具，它在单文档内部对数组元素去重可以用 $setUnion 或 $addToSet，但跨文档去重仍然要依赖 $group。
总体来看，聚合管道虽然没有 $distinct 命令，但通过 $group、$addToSet、$sortByCount 这些阶段的组合，能够实现单字段、多字段、嵌套字段和数组展开后的去重。选择方案时先看返回结构：需要数组用 $addToSet 收集，需要统计用 $sortByCount，需要继续接多个管道阶段则直接用 $group。