Question

我在mongodb中遇到了聚合问题。前提是我必须在一定时间范围内获取特定广告的数据。

因此，假设我在4月22日到4月24日的范围内查询广告，这是我应该得到的，来自source2的支出总和，以及来自source1的收入，会话，退回等。

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

]

这是查询，我试图给我正确的数据，但需要很长时间 - 仅22k entires 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]
      }
    }
  },
}]);

问题是如何多次展开，如何在source1中得到多个东西的总和而不必一次又一次地进行聚合？对于22个条目需要24秒......请建议我应该索引什么（我没有），以及平均4mb的文档大小是否表明架构有问题？

即使在mongodb中聚合通常被认为更快，map map会更好吗？

如果您认为文档设计错误，我会全力以赴，因为我们正在进行迁移。现在更好地纠正事情，而不是以后。

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
        }
    ]
}

Answer 1

您应该做的第一件事是为“created_at”字段为source1和source2数组添加索引。通过查询所选文档中存在的这些可能匹配，您可能会大大减少许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组合为一个，特别是之前处理$unwind。这将在阵列中节省大量的周期和文档扩展。

此外，它会给你正确的总数。当你$unwind两个数组时，一个数组的细节会被第二个数组中的项目数重复。这会为您首先“解开”的数组内容提供错误的结果。你总是可以单独完成每一项，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 ] } }
    }}
])

将在您的样本上给出结果：

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

因此，伟大的大型架构可能暗示在这里所做的事情，将数组组合成一般应用程序使用中的单个数组是非常明智的。如果必须在两种不同类型的项目之间进行辨别，则可以随时为“类型”添加另一个字段，但几乎所有处理都应该从单个数组中受益。

除此之外，查询的主要教训是，您始终$match首先过滤掉尽可能多的内容。虽然最初的$match阶段当然不能从不符合条件的数组中删除项目，但重要的是“匹配文档”。因为您根本不想处理根本没有该信息的文档。这总会增加时间。

除了组合数组之外的第二部分是，基本上你想在尽可能地解开数组之前过滤掉任何内容，原因大致相同，因为你不想处理你不需要的项目。

短课程，首先过滤以减少您正在处理的内容。条件总和很好，但实际上只应该用于选择内容而不是原始过滤。它基本上是首先摆脱不需要的数据而不是忽略它。处理更少，更快。

在mongo db中嵌入文档中的condtion聚合

1 个答案: