聚合:每小时计数项目

时间:2013-02-22 10:19:23

标签: mongodb aggregation-framework

我想知道是否有人可以帮助我获得正确的聚合功能。我正在尝试计算在指定日期每小时显示一段文本的次数。到目前为止我已经:

db.daily_data.aggregate(
  [
    { $project : { useragent: 1, datetime: 1, url: 1, hour: {$hour: new Date("$datetime")} } },
    { $match : { datetime: {$gte: 1361318400000, $lt: 1361404800000}, useragent: /.*LinkCheck by Siteimprove.*/i } },
    { $group : { _id : { useragent: "$useragent", hour: "$hour" }, queriesPerUseragent: {$sum: 1} } }
  ]
);

但我显然错了,因为小时总是0:

{
  "result" : [
    {
      "_id" : {
        "useragent" : "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.0) LinkCheck by Siteimprove.com",
        "hour" : 0
      },
      "queriesPerUseragent" : 94215
    }
  ],
  "ok" : 1
}

以下是记录的缩减示例:

{
  "_id" : ObjectId("50fe63c70266a712e8663725"),
  "useragent" : "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.0) LinkCheck by Siteimprove.com",
  "datetime" : NumberLong("1358848954813"),
  "url" : "http://www.somewhere.com"
}

我也尝试使用new Date("$datetime").getHours()代替$hour函数尝试获得相同的结果,但没有运气。有人能指出我出错的方向吗?

谢谢!

1 个答案:

答案 0 :(得分:3)

这是一个推荐,而不是您问题的答案。

在MongoDB上进行分析时,建议您为要计算的每个指标预先汇总您的存储桶(用例中的每小时存储桶)。

因此,对于您的指标,您可以更新预先聚合的集合(加快查询时间):

db.user_agent_hourly.update({url: "your_url", useragent: "your user agent", hour: current_HOUR_of_DAY, date: current_DAY_Date}, {$inc: {counter:1}}, {upsert:true})

考虑到在current_DAY_Date中你必须指向当天的稳定日期值,即current_year / current_month / current_day 00:00:00,使用相同的小时:分钟:秒到每个指标在当天收到。

然后,您可以查询此集合,在任何给定的时间段内提取聚合分析,如下所示:

 db.user_agent_hourly.aggregate(
    {$match:{date:{$gte: INITIAL_DATE, $lt: FINAL_DATE}}},
    {$group:{ _id : { useragent: "$useragent", hour: "$hour" } ,queriesPerUseragent: {$sum: "$count"} } },
    {$sort:{queriesPerUseragent:-1}}
 )

如果要使用特定用户代理筛选结果,可以使用下一个查询:

 db.user_agent_hourly.aggregate(
    {$match:{date:{$gte: INITIAL_DATE, $lt: FINAL_DATE, useragent: "your_user_agent"}}},
    {$group:{ _id : { useragent: "$useragent", hour: "$hour" }, queriesPerUseragent: {$sum: "$count"} } }
 )

PS:我们将每个收到的指标存储在其他集合中,以便在发生灾难或其他需求时对其进行重新处理。