我在mongodb中陷入聚合。前提是我必须获取特定时间范围内特定广告的数据。
因此,假设我要查询4月22日至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,会话,跳动等。
[{ "_id" : ObjectId("560bbd5dfabc614611000e95"),
"spend": 470,
"revenue": 440,
"sessions": 3
},....
]
这是我正在尝试的查询,该查询可以为我提供正确的数据,但是却要花很长时间-只需22秒即可完成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")
]
}]
}, "$source2.spend", 0]
}
}
},
}]);
问题是如何多次放松,如何在source1中获得多个事物的总和,而不必一次又一次地进行聚合?它需要24秒才能完成22个条目。...请建议我应该索引什么(我没有索引),并且如果平均4mb的文档大小表明架构有问题?
即使在mongodb中通常认为聚合速度更快,map的缩小效果会更好吗?
如果您认为文档设计有误,那么我们就在进行迁移时,请大家耳目一新。现在纠正问题要好得多,而不是以后。
这是一个样本文件
{
"_id" : ObjectId("560bbd5dfabc614611000e95"),
"internal_id": 1,
"created_at" : ISODate("2015-04-21T00:50:02.593Z"),
"updated_at" : ISODate("2015-09-15T12:20:39.154Z"),
"name" : "LookalikeUSApr21_06h19m",
"ad_account_id" : 40,
"targeting" : {
"age_max" : 44,
"age_min" : 35,
"genders" : [
1
],
"page_types" : [
"desktopfeed"
]
},
"auto_optimization" : false,
"source1" : [
{
"id" : 119560952,
"created_at" : ISODate("2015-04-23T12:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"transactionrevenue" : 320,
"sessions" : 1,
"bounces" : 1
},
{
"id" : 119560955,
"created_at" : ISODate("2015-05-01T12:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"transactionrevenue" : 230,
"sessions" : 10,
"bounces" : 1
},
{
"id" : 119560954,
"created_at" : ISODate("2015-04-23T10:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"transactionrevenue" : 120,
"sessions" : 2,
"bounces" : 1
},
{
"id" : 119560953,
"created_at" : ISODate("2015-04-25T12:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"transactionrevenue" : 100,
"sessions" : 3,
"bounces" : 2
}
],
"source2" : [
{
"id" : 219560952,
"created_at" : ISODate("2015-04-22T12:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"spend" : 300
},
{
"id" : 219560955,
"created_at" : ISODate("2015-04-23T12:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"spend" : 170
},
{
"id" : 219560954,
"created_at" : ISODate("2015-04-25T10:35:09.467Z"),
"updated_at" : ISODate("2015-05-19T05:20:58.374Z"),
"spend" : 450
}
]
}
您应该做的第一件事是为source1
和source2
数组的“ created_at”字段添加索引。通过简单地查询所选文档中存在的这些可能的匹配项,您可能会减少很多可能的结果并大大提高速度。
接下来的主要改进是将数组和过滤器合并为一个,尤其是在处理之前$unwind
。这将节省大量周期并在阵列中扩展文档。
此外,它将为您提供正确的总数。当您使用$unwind
两个数组时,一个数组的详细信息将通过第二个数组中的项数重复出现。对于首先“解卷”的数组内容,这会给您不正确的结果。您始终可以单独进行操作,但最好将它们合并为一个:
db.getCollection('tests').aggregate([
{ "$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": [ "$source.spend", 0 ] } }
}}
])
这将给您的样本结果:
{ "_id" : 1, "transactionrevenue" : 440, "sessions" : 3, "spend" : 470 }
因此,很可能是伟大的体系结构暗示了此处要做的事情,在常规应用程序中将数组组合成单个数组是非常明智的。如果必须区分两种不同类型的项目,则始终可以为“类型”添加另一个字段,但是几乎所有处理都应受益于单个数组。
除此以外,该查询的主要课程是,您始终总是$match
首先过滤掉尽可能多的内容。虽然初始$match
阶段当然不能从不满足条件的数组中删除项目,但重要的是可以“匹配文档”。因为您不想处理完全没有该信息的文档。这总是会增加时间。
除了合并数组之外的第二部分是,基本上出于相同的原因,您希望在可能的情况下展开数组之前过滤掉所有内容,因为您不想处理不需要的项目。
简短的课程,请先进行过滤以减少您要处理的内容。条件总和很好,但实际上仅应用于内容的选择,而不是原始过滤。从根本上讲,这是要先清除不想要的数据,而不仅仅是忽略它们。处理更少并更快地进行。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句