[英]MongoDB count millions of documents in related collection
所以,我被困住了,在 Stackoverflow 上出现了我的第一颗子弹,经过多年的潜伏,我绝对需要一些好的建议。 我有两种文档类型:
文章
今天大约有 15,000 篇文章,但在吸引客户时迅速增加。 我们不希望这里有限制。
{
"_id" : ObjectId("5bd054d8fd5298d07ddc293a"),
"title" : "A neat title"
}
活动
每篇文章大约有 1k 个活动,写在用户导航的每个营销相关阶段(例如:查看或分享文章)。 为网站带来更多流量将增加文章和活动之间的 1/1000 比率。
{
"_id" : ObjectId("5bbdae8afd529871473c1111"),
"article" : ObjectId("5bd054d8fd5298d07ddc293a"),
"what" : "view"
}
{
"_id" : ObjectId("5bbdae8afd529871473c2222"),
"article" : ObjectId("5bd054d8fd5298d07ddc293a"),
"what" : "share"
}
我的目标是汇总计算相关活动的文章:
{
"_id" : ObjectId("5bd054d8fd5298d07ddc293a"),
"title" : "A neat title",
"statistics" : {
'view':1,
'share':1,
}
}
Activity.article 和 Activity.what 上的索引都设置好了。
在小数据集上,我可以通过这种聚合轻松实现我的目标:
db.article.aggregate([
{ $match: {
... some unrelevant match
}},
{ $lookup: {
from: "activity",
localField: "_id",
foreignField: "article",
as: "activities"
}},
{ $project: {
data: '$$ROOT',
views: {$filter: {
input: '$activities',
as: 'view',
cond: {$eq: ['$$what', 'view']}
}},
shares: {$filter: {
input: '$activities',
as: 'share',
cond: {$eq: ['$$what', 'share']}
}}
}},
{ $addFields: {
'data.statistics.views': { $size: '$views' },
'data.statistics.shares': { $size: '$shares' }
}},
{ $project: {
'data.activities': 0,
'views': 0,
'shares': 0
}},
{ $replaceRoot: { newRoot: '$data' } },
])
只要 $lookup 没有超过 16MB 的限制,这就会给我我想要的东西。 如果我有数百万个活动,聚合就会失败,即使文档说明:
聚合管道限制该限制仅适用于返回的文档; 在管道处理过程中,文档可能会超过这个大小
我已经尝试了什么:
我什至尝试过这样的事情:
db.article.aggregate([
{ $match: {
...
}},
{ $addFields: {'statistics.views': db.activity.find({ "article": ObjectId('5bd054d8fd5298d07ddc293a'), "what" : "view" }).count()
])
效果很好(0.008 秒/文章)。 问题是我无法“可变”该 ObjectId:
db.article.aggregate([
{ $match: {
...
}},
{ $addFields: {
'statistics.views': db.activity.find({ "article": ObjectId('5bd054d8fd5298d07ddc293a'), "what" : "view" }).count(),
// ^ returns correct count
'statistics.querystring': { $let: {
vars: { articleid: "$_id", whatvalue: 'view' },
in: { 'query':{ $concat: [ "db.activity.find( { 'article': ObjectId('", { $toString: "$$articleid" }, "'), 'what' : '", "$$whatvalue", "' } ).count()" ] } }
}},
// ^ returns correct query to string
'statistics.variablequery': { $let: {
vars: { articleid: "$_id", whatvalue: 'view' },
in: db.activity.find( { "article": '$$articleid', "what" : "$$whatvalue" } ).count()
}},
// ^ returns 0
}}
])
我对所有解决方案持开放态度,即使我排除了在编写活动时在文章中增加计数器的可能性,也可以更改我的收藏,因为我需要按日期过滤(即:给我上周的所有份额)
活动文档有多大? 由于它们看起来很小 - 我会将活动作为一个数组保存在文章文档中。 文档限制为 16mb,所以应该没问题,您可以避免磁盘上的 _id 和重复的文章 ID 字段 - 使磁盘上的数据更小。 请记住,MongoDB 不是您的传统 SQL 数据库 - 嵌入式字段和文档是您的朋友。
如果活动将是无限的(即可以永远增长),那么我建议采用分桶方法,每天每篇文章有一个活动文档,例如:
{
"_id" : {
"article" : ObjectId("5bbdae8afd529871473c2222"),
"when": "2018-12-27"
},
"activities" : [
{"what": "view", "when": "12:01"},
{"what": "share", "when": "13:16"}
]
}
您可以在“何时”字段中存储完整的时间戳或 ISODates,但这种方法更具可读性,并且可能在磁盘上更紧凑。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.