如何在 MongoDB 的 bucketAuto 聚合函数中创建动态数量的（空）桶？

Question

我将有关文件的元数据存储在 MongoDB 数据库中。 一个属性是以字节为单位的文件大小，我将其用于有关文件大小的直方图。 示例文档如下所示：

{
    "_id" : ObjectId("5c52366eeb3cae00c3896b89"),
    "doc_uuid" : "bfa2734a-a262-4b14-a03f-45108ae59fde",
    "files" : [
        {
            "uuid" : "7eca2b9d-61a6-4993-99d1-b23fa0a27197",
            "filesize" : 1391908,
            ...
        },
        {
            "uuid" : "c1277835-ce41-4057-a1ae-d67cc0aa7552",
            "filesize" : 4977756,
            ...
        },
    ]
}

我想为 2^n 字节的文件大小创建存储桶。 例如：

{"_id" : { "min": 0, "max": 1}, "count": 12},
{"_id" : { "min": 1, "max": 2}, "count": 1},
{"_id" : { "min": 2, "max": 4}, "count": 0},
{"_id" : { "min": 4, "max": 8}, "count": 145},

为了存档，我目前创建了一个聚合管道，如下所示：

db.repositories.aggregate([
  {"$match": {doc_uuid:{$in:["bfa2734a-a262-4b14-a03f-45108ae59fde"]}}},
  {'$unwind': '$files'},
  {'$bucketAuto':
    {'groupBy': '$files.filesize',
      buckets:16,
      granularity: "POWERSOF2"
    }
}])

这工作正常。 这是我拥有的一些真实数据的示例：

{ "_id" : { "min" : 8192, "max" : 16384 }, "count" : 16 }
{ "_id" : { "min" : 16384, "max" : 2097152 }, "count" : 1 }
{ "_id" : { "min" : 2097152, "max" : 8388608 }, "count" : 1 }

关于这个我有两个问题：

1. 因为buckets是必选参数（即使设置了granularity="POWERSOF2" ），我不知道buckets的理想值是哪个，因为我不知道bucket的数量。 将存储桶的数量设置为非常高的值是一个好策略（例如 1024，因为我遇到文件大小 >= 2^1024 字节的文件不太可能）还是有办法区分存储桶的数量动态？
2. 如果您查看我的真实数据示例，您会发现只有具有 min/max/count 值的存储桶，其中存储桶中至少存在一个文档。 是否也可以创建具有空值的存储桶，例如{"_id" : {"min": 4096, "max": 8192}, "count": 0}也在结果集中？

还有一个附带问题：MongoDB 如何处理恰好为 2^n 的值，例如 1024？ 这些值是否出现在两个结果集中（在本例中为{"min": 512, "max": 1024}和{"min": 1024, "max": 2048} ）？ 如果是这样，是否可以创建分离的存储桶？

Answer 1

您的第一个问题似乎表明您实际上并不想使用$bucketAuto而只是$bucket 。 bucketAuto 的全部意义在于它根据所需的计数自动确定桶边界。 在您的情况下，您似乎知道您希望存储桶的边界是什么，并且希望不指定存储桶的数量。

如果您选择此选项，那么这也回答了您的第二个问题：在固定存储桶边界的情况下，某些存储桶可能最终为空。