我正在为统计仪表板设计一个数据库，数据将从我的主系统汇总并保存在 Mongo 中。

我正在尝试找到为我的数据库建模的最佳方法，我遇到的问题是用户可以根据不同的标准(如时间范围、年龄组、性别)过滤图表

这篇文章对时间范围很有帮助，但我对如何将所有过滤器混合在一起感到困惑。

http://blog.mongodb.org/post/65517193370/schema-design-for-time-series-data-in-mongodb

例如

生成Total page views per product图表，mongo db记录应该类似于:

{
  timestamp_hour: ISODate("2013-10-10T23:00:00.000Z"),
  type: “page_views”,
  product_id: 1550
  values: {
    0: { 0: 999999, 1: 999999, …, 59: 1000000 },
    1: { 0: 2000000, 1: 2000000, …, 59: 1000000 },
    …,
    58: { 0: 1600000, 1: 1200000, …, 59: 1100000 },
    59: { 0: 1300000, 1: 1400000, …, 59: 1500000 }
  }
}

如果用户只能过滤时间范围，这将非常有效，但如果用户将它与年龄组或性别混合使用，则如何组织它

{
    timestamp_hour: ISODate("2013-10-10T23:00:00.000Z"),
    type: “page_views”,
    product_id: 1550
    values: {
        0: { 
            0: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }

            },
            1: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }
            },
            ....
            59: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }
            }
        },
        ....
        59: { 
            0: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }

            },
            1: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }
            },
            ....
            59: {
                total: 999999,
                age_group: {
                    teenagers: 4032932,
                    adults: 432942,
                    ...
                },
                gender: {
                    male: 4239423,
                    female: 4342343
                }
            }
        },
    }
}

我可以看到的问题是，如果用户将(年龄范围、年龄组和性别)混合在一起会怎样

最佳答案

您希望存储聚合数据。向已经聚合的数据添加搜索条件从根本上来说是复杂的。您需要在原始数据和聚合数据之间做出权衡。

• 更多原始数据意味着更容易混合和匹配不同的过滤条件，但也可能会降低运行时间。
• 更多聚合数据意味着您需要预定义应该可以过滤的条件。

此时您刚刚发现原始数据和预先计算的数据之间的边界，您会发现您已经达到所需标准的最小可能存储大小。如果你想要一维，你可能需要 X 的存储量。如果你想要二维，你可能需要 X^2 的存储量。三个维度需要 X^3 等等。

在某些时候，您可能想考虑改用面向时间序列的数据库，例如 InfluxDB、Splunk 或类似数据库。此类数据库针对原始日志导向数据的存储和索引进行了优化。

关于MongoDB:设计统计仪表板模式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32493271/