Mongodb 聚合 $group 阶段需要很长时间

Question

我正在练习如何使用MongoDB聚合，但他们似乎需要很长时间（运行宁时间）。

问题似乎在我使用$group时发生。所有其他查询运行都很好。

我有一些 1.3 百万个虚拟文档 需要执行 两个基本操作：得到一个 count 个 IP 地址和 unique 个 IP 地址。

我的架构看起来像这样：

{
    "_id":"5da51af103eb566faee6b8b4",
    "ip_address":"...",
    "country":"CL",
    "browser":{
        "user_agent":...",
    }
}

运行一个基本的 $group 查询平均需要大约 12 秒，这太慢了。

我做了一些研究，有人建议在 ip_addresses 上创建一个 index。这似乎减慢了它的速度，因为查询现在需要 13-15 秒。

我使用 MongoDB 和查询我运行ning 看起来像这样：

    visitorsModel.aggregate([
        {
            '$group': {
                '_id': '$ip_address',
                'count': {
                    '$sum': 1
                }
            }
        }
    ]).allowDiskUse(true)
        .exec(function (err, docs) {
            if (err) throw err;

            return res.send({
                uniqueCount: docs.length
            })
        })

感谢任何帮助。

编辑：我忘了说，有人说这可能是硬件问题？如果有帮助，我将运行在核心 i5、8GB RAM 笔记本电脑上查询。

编辑2：查询计划：

{
    "stages" : [
        {
            "$cursor" : {
                "query" : {

                },
                "fields" : {
                    "ip_address" : 1,
                    "_id" : 0
                },
                "queryPlanner" : {
                    "plannerVersion" : 1,
                    "namespace" : "metrics.visitors",
                    "indexFilterSet" : false,
                    "parsedQuery" : {

                    },
                    "winningPlan" : {
                        "stage" : "COLLSCAN",
                        "direction" : "forward"
                    },
                    "rejectedPlans" : [ ]
                },
                "executionStats" : {
                    "executionSuccess" : true,
                    "nReturned" : 1387324,
                    "executionTimeMillis" : 7671,
                    "totalKeysExamined" : 0,
                    "totalDocsExamined" : 1387324,
                    "executionStages" : {
                        "stage" : "COLLSCAN",
                        "nReturned" : 1387324,
                        "executionTimeMillisEstimate" : 9,
                        "works" : 1387326,
                        "advanced" : 1387324,
                        "needTime" : 1,
                        "needYield" : 0,
                        "saveState" : 10930,
                        "restoreState" : 10930,
                        "isEOF" : 1,
                        "invalidates" : 0,
                        "direction" : "forward",
                        "docsExamined" : 1387324
                    }
                }
            }
        },
        {
            "$group" : {
                "_id" : "$ip_address",
                "count" : {
                    "$sum" : {
                        "$const" : 1
                    }
                }
            }
        }
    ],
    "ok" : 1
}

Answer 1

您可以创建索引

db.collectionname.createIndex( { ip_address: "text" } )

试试这个，速度更快。我想它会对你有所帮助。

Answer 2

这是关于使用 $group 聚合阶段的一些信息，如果它使用索引，它的局限性以及可以尝试克服这些的方法。

1. $group 阶段不使用索引： Mongodb Aggregation: Does $group use index?

2. $group 运算符和内存:

The $group stage has a limit of 100 megabytes of RAM. By default, if the stage exceeds this limit, $group returns an error. To allow for the handling of large datasets, set the allowDiskUse option to true. This flag enables $group operations to write to temporary files.

见MongoDb docs on $group Operator and Memory

3.使用 $group 和 Count:

的示例

集合名为 cities:

{ "_id" : 1, "city" : "Bangalore", "country" : "India" }
{ "_id" : 2, "city" : "New York", "country" : "United States" }
{ "_id" : 3, "city" : "Canberra", "country" : "Australia" }
{ "_id" : 4, "city" : "Hyderabad", "country" : "India" }
{ "_id" : 5, "city" : "Chicago", "country" : "United States" }
{ "_id" : 6, "city" : "Amritsar", "country" : "India" }
{ "_id" : 7, "city" : "Ankara", "country" : "Turkey" }
{ "_id" : 8, "city" : "Sydney", "country" : "Australia" }
{ "_id" : 9, "city" : "Srinagar", "country" : "India" }
{ "_id" : 10, "city" : "San Francisco", "country" : "United States" }

查询集合按国家统计城市:

db.cities.aggregate( [
    { $group: { _id: "$country", cityCount: { $sum: 1 } } },
    { $project: { country: "$_id", _id: 0, cityCount: 1 } }
] )

结果:

{ "cityCount" : 3, "country" : "United States" }
{ "cityCount" : 1, "country" : "Turkey" }
{ "cityCount" : 2, "country" : "Australia" }
{ "cityCount" : 4, "country" : "India" }

4.使用 allowDiskUse 选项:

db.cities.aggregate( [
    { $group: { _id: "$country", cityCount: { $sum: 1 } } },
    { $project: { country: "$_id", _id: 0, cityCount: 1 } }
],  { allowDiskUse : true } )

请注意，在这种情况下，它对查询性能或输出没有影响。这只是为了展示用法。

5。尝试的一些选项（建议）：

您可以尝试一些事情来获得一些结果（仅供试用）：

使用$limit阶段并限制处理的文档数量和看看结果如何。例如，您可以尝试 { $limit: 1000 }。请注意，此阶段需要在 $group 阶段之前进行。
您还可以使用 $group 之前的 $match、$project 阶段阶段来控制输入的 shape 和 size。这可能 return 结果（而不是错误）。

[编辑添加]

区分和计数注意事项：

使用相同的 cities 集合 - 要获得独特的国家和它们的数量，您可以尝试使用聚合阶段 $count 和 $group，如以下两个查询。

不同：

db.cities.aggregate( [
   { $match: { country: { $exists: true } } },
   { $group: { _id: "$country" } },
   { $project: { country: "$_id", _id: 0 } }
] )

结果：

{ "country" : "United States" }
{ "country" : "Turkey" }
{ "country" : "India" }
{ "country" : "Australia" }

要将上述结果作为具有唯一值数组的单个文档来获取，请使用 $addToSet 运算符：

db.cities.aggregate( [
   { $match: { country: { $exists: true } } },
   { $group: { _id: null, uniqueCountries: { $addToSet:  "$country" } } },
   { $project: { _id: 0 } },
] )

结果：{ "uniqueCountries" : [ "United States", "Turkey", "India", "Australia" ] }

计数：

db.cities.aggregate( [
   { $match: { country: { $exists: true } } },
   { $group: { _id: "$country" } },
   { $project: { country: "$_id", _id: 0 } },
   { $count: "uniqueCountryCount" }
] )

结果：{ "uniqueCountryCount" : 4 }

在上面的查询中，$match 阶段用于过滤任何具有不存在或空 country 字段的文档。 $project 阶段重塑结果文档。

MongoDB 查询语言：

请注意，使用 MongoDB 查询语言 命令时，这两个查询会得到相似的结果：db.collection.distinct("country") 和 db.cities.distinct("country").length（请注意 distinct return一个数组）。

Mongodb 聚合 $group 阶段需要很长时间

Mongodb aggregate $group stage takes a long time

mongodb

query-performance

node.js

aggregation-framework