我对 mongodb 中的聚合感到困惑。前提是我必须在一个时间范围内获取特定广告的数据。

所以假设我查询 4 ​​月 22 日到 4 月 24 日范围内的广告，这是我应该得到的，来自 source2 的支出总和，以及来自 source1 的收入、 session 、跳出等。

[{   "_id" : ObjectId("560bbd5dfabc614611000e95"),
    "spend": 470,
    "revenue": 440,
    "sessions": 3
},....

]

这是查询，我正在尝试为我提供正确的数据，但需要很长时间 - 仅 22k 个数据需要 24 秒。

db.getCollection('tests').aggregate([{
  $match: {
    ad_account_id: 40
  }
}, {
  "$unwind": "$source1"
}, {
  "$unwind": "$source2"
}, {
  "$group": {
    "_id": "$internal_id",
    "transactionrevenue": {
      "$sum": {
        "$cond": [{
          "$and": [{
            "$gte": [
              "$source1.created_at", ISODate("2015-04-22T00:00:00.000Z")
            ]
          }, {
            "$lte": [
              "$source1.created_at", ISODate("2015-04-25T00:00:00.000Z")
            ]
          }]
        }, "$source1.transactionrevenue", 0]
      }
    },
    "sessions": {
      "$sum": {
        "$cond": [{
          "$and": [{
            "$gte": [
              "$source1.created_at", ISODate("2015-04-22T00:00:00.000Z")
            ]
          }, {
            "$lte": [
              "$source1.created_at", ISODate("2015-04-25T00:00:00.000Z")
            ]
          }]
        }, "$source1.sessions", 0]
      }
    },
    "spend": {
      "$sum": {
        "$cond": [{
          "$and": [{
            "$gte": [
              "$source2.created_at", ISODate("2015-04-22T00:00:00.000Z")
            ]
          }, {
            "$lte": [
              "$source2.created_at", ISODate("2015-04-25T00:00:00.000Z")
            ]
          }]
        }, "$source2.spend", 0]
      }
    }
  },
}]);

问题是如何展开多次，如何在 source1 中获得多个事物的总和，而不必一次又一次地进行聚合？ 22 个条目需要 24 秒....请建议我应该索引什么(我没有)，如果平均 4mb 的文档大小表明架构有问题？

即使在 mongodb 中聚合通常被认为更快，map reduce 会更好吗？

如果您认为文档设计有误，我会洗耳恭听，因为我们只是在进行迁移。现在改正比以后改正要好得多。

这是一个示例文档

{
    "_id" : ObjectId("560bbd5dfabc614611000e95"),
    "internal_id": 1,
    "created_at" : ISODate("2015-04-21T00:50:02.593Z"),
    "updated_at" : ISODate("2015-09-15T12:20:39.154Z"),
    "name" : "LookalikeUSApr21_06h19m",
    "ad_account_id" : 40,
    "targeting" : {
        "age_max" : 44,
        "age_min" : 35,
        "genders" : [ 
            1
        ],
        "page_types" : [ 
            "desktopfeed"
        ]
    },
    "auto_optimization" : false,
    "source1" : [ 
        {
            "id" : 119560952,
            "created_at" : ISODate("2015-04-23T12:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "transactionrevenue" : 320,
            "sessions" : 1,
            "bounces" : 1
        }, 
        {
            "id" : 119560955,
            "created_at" : ISODate("2015-05-01T12:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "transactionrevenue" : 230,
            "sessions" : 10,
            "bounces" : 1
        }, 
        {
            "id" : 119560954,
            "created_at" : ISODate("2015-04-23T10:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "transactionrevenue" : 120,
            "sessions" : 2,
            "bounces" : 1
        }, 
        {
            "id" : 119560953,
            "created_at" : ISODate("2015-04-25T12:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "transactionrevenue" : 100,
            "sessions" : 3,
            "bounces" : 2
        }
    ],
    "source2" : [ 
        {
            "id" : 219560952,
            "created_at" : ISODate("2015-04-22T12:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "spend" : 300
        }, 
        {
            "id" : 219560955,
            "created_at" : ISODate("2015-04-23T12:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "spend" : 170
        }, 
        {
            "id" : 219560954,
            "created_at" : ISODate("2015-04-25T10:35:09.467Z"),
            "updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
            "spend" : 450
        }
    ]
}

最佳答案

您应该做的第一件事是为 source1 和 source2 数组的“created_at”字段添加索引。通过简单地查询您选择的文档中存在的这些可能的匹配项，您可能会减少很多可能的结果并大大提高速度。

接下来的主要改进是将数组和过滤器合并为一个，特别是在您处理$unwind 之前。这将节省大量周期和数组中的文档扩展。

此外，它会为您提供正确的总数。当您 $unwind 两个数组时，一个数组的详细信息会重复第二个数组中的项目数。对于您首先“展开”的数组内容，这会给您带来不正确的结果。您始终可以单独执行每个操作，但最好将它们合并为一个:

db.getCollection('tests').aggregate([
    { "$match": {
        "ad_account_id": 40,
        "$or": [
            { 
                "source1": {
                    "$elemMatch": {
                        "created_at": { 
                            "$gte": new Date("2015-04-22"),
                            "$lte": new Date("2015-04-25")
                        }
                    }
                }
            },
            { 
                "source2": {
                    "$elemMatch": {
                        "created_at": { 
                            "$gte": new Date("2015-04-22"),
                            "$lte": new Date("2015-04-25")
                        }
                    }
                }
            }
        ]
    }},
    { "$project": {
        "_id": 0,
        "internal_id": 1,
        "source": {
            "$setDifference": [
                { "$map": {
                    "input": { "$setUnion": [ "$source1", "$source2" ] },
                    "as": "source",
                    "in": {
                        "$cond": [
                            { "$and": [
                                { "$gte": [ "$$source.created_at", new Date("2015-04-22") ] },
                                { "$lte": [ "$$source.created_at", new Date("2015-04-25") ] }
                            ]},
                            "$$source",
                            false
                        ]
                    }
                }},
                [false]
            ]
        }
    }},
    { "$unwind": "$source"},
    { "$group": {
        "_id": "$internal_id",
        "transactionrevenue": { "$sum": { "$ifNull": [ "$source.transactionrevenue", 0 ] } },
        "sessions": { "$sum": { "$ifNull": [ "$source.sessions", 0 ] } },
        "spend": { "$sum": { "$ifNull": [ "$source.spend", 0 ] } }
    }}
])

这将给出 sample 的结果:

{ "_id" : 1, "transactionrevenue" : 440, "sessions" : 3, "spend" : 470 }

因此，伟大的大型体系结构可能暗示在这里所做的事情，在您的一般应用程序使用中将数组组合成一个数组是非常明智的。如果您必须区分两种不同类型的项目，您总是可以为“类型”添加另一个字段，但几乎所有处理都应该受益于单一数组。

除此之外，查询的主要教训是，您总是先$match 以过滤掉尽可能多的内容。虽然初始 $match 阶段当然不能从数组中删除不满足条件的项目，但它可以做的重要事情是“匹配文档”。因为您不想处理根本没有该信息的文档。这总是会增加时间。

除了组合数组之外的第二部分基本上是您希望在可能的情况下展开数组之前过滤掉任何内容，原因大致相同，因为您不想处理不需要的项目。

简短的类(class)，首先过滤以减少您正在处理的内容。条件求和很好，但实际上只应该用于选择内容而不是原始过滤。它基本上是关于首先摆脱不需要的数据，而不是仅仅忽略它。流程更少，速度更快。

关于mongodb - 在 mongodb 中嵌入文档中的条件聚合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32870611/