Question

假设您有一个人员数据库。

[
  #1 {qualities: ['brown', 'nice', 'happy' 'cool' 'cheery']}
  #2 {qualities: ['blue', 'okay', 'happy' 'decent' 'cheery']}
  #3 {qualities: ['green', 'alright', 'happy' 'cool' 'cheery']}
]

这里是人员架构和模型：

var peopleSchema = mongoose.Schema({
  qualities: [],
});

var People = mongoose.model('People', peopleSchema);

如果您想根据最大匹配文档获取数据，那么我们使用聚合查询：

People.aggregate([
  {$unwind:"$qualities"},
  {$match:{'qualities': {$in: ["brown", "happy", "cool"]}}},
  {$group:{_id:"$_id",count:{$sum:1}}},
  {$sort:{count:-1}}
]).exec(function(err, persons) {
      console.log(persons)
});

它将返回 1,3,2 ，因为第一个与 3 相匹配商品，第三个与 2 商品匹配，第二个商品与 1 商品相匹配。

问题

这个聚合对我的10,000人数据库来说很快 - 事实上，它在273.199ms完成了这个。但是，如何获得1000万条MongoDB的入场券？如果这些速率成比例[100k：2.7s，1m：27s，10m：4m30s]，则可能需要4分30秒。也许速度不成比例，我不知道。但是，如果我的时间假设恰好是真的，是否有任何优化或建议来查询如此庞大的数据库？

Answer 1

好。所以，如果你问过，我将要求您研究聚合查询的工作原理。

聚合查询基于管道阶段工作：现在，pipeline stage是什么： - 从你的例子中

{$unwind:"$qualities"},
{$match:{'qualities': {$in: ["brown", "happy", "cool"]}}},
{$group:{_id:"$_id",count:{$sum:1}}},
{$sort:{count:-1}}

此处，所有展开，匹配，分组和排序都是管道阶段。 $ unwind 通过为嵌入文档创建新文档（在您的情况下为品质）来实现更好的嵌套搜索。

但如果你将 $ unwind 作为第一阶段，它会通过展开不必要的文件来创造性能开销。更好的方法是将 $ match 作为聚合管道的第一个阶段。

现在，聚合查询的速度有多快：聚合查询的速度取决于存储在嵌入式文档中的数据量。如果将100万个条目存储到嵌入式doc 质量中，它将在展开数百万个条目时产生性能开销。

因此，这一切都取决于您如何创建数据库架构。此外，为了加快查询速度，您可以查看mongodb的multi key indexing和sharding方法。

MongoDB对1000多万条简单数据条目的汇总查询有多快？

问题

1 个答案: