使用MongoDB聚合框架获取数组大小直方图的最快方法

Question

我正在尝试获取一个具有不同大小数组的记录数量列表。我想要获得所有记录的数组大小分布，以便我可以构建像这样的直方图：

          | *
          | *
documents | *         *
          | *  *      *
          |_*__*__*___*__*___
            2  5  6  23  47

               Array Size

因此，原始文件看起来像这样：

{hubs : [{stuff:0, id:6}, {stuff:1"}, .... ]}
{hubs : [{stuff:0, id:6}]}`

到目前为止，使用聚合框架和 这里 的一些帮助，我想出了：

db.sitedata.aggregate([{ $unwind:'$hubs'}, 
                       { $group : {_id:'$_id', count:{$sum:1}}}, 
                       { $group : {_id:'$count', count:{$sum:1}}},
                       { $sort  : {_id: 1}}])

这似乎给了我想要的结果，但速度不太快。我想知道是否有类似的方法可以实现，而不需要进行两个分组调用。这里的语法是错误的，但我试图做的是将计数值放入第一个 _id 字段：

db.sitedata.aggregate([{ $unwind:'$hubs'}, 
                       { $group : {_id:{$count:$hubs}, count:1}},
                       { $sort  : { _id: 1 }}])

- Scott

---

无法一次完成此操作，因为在完成第一次分组计数之前，无法开始计算/分组结果。您使用的是MongoDB的哪个版本？ - Asya Kamsky

顺便问一下，需要多长时间？ - Asya Kamsky

好的，我猜想可能是这种情况（不允许嵌套，只能链接）。它大约需要4秒钟，这还不错，但我希望在一秒内完成。现在我可以调整我的数据而不是调整查询。 - Scott

为了加快速度，一种方法是通过在推入新元素时对计数器进行增量来预先聚合总和，尽管可能还有其他方法。你的管道中有多少文档进入（是否是完整集合或者首先进行某种$match操作）？ - Asya Kamsky

我首先不使用$match，因为这是一个参考数据汇总。虽然只有大约60,000条记录，但需要进行相当多的管道处理。我同意将计数添加到记录中可能是加速查询的最佳选项之一，因为可以通过删除管道中的一个$group来实现。 - Scott

Answer 1

现在2.6版本已经发布，聚合框架支持一个新的数组操作符$size，它可以让你在不必拆分和重新分组的情况下，使用$project查询数组的大小。

db.sitedata.aggregate([{ $project:{ 'count': { '$size':'$hubs'} } }, 
                       { $group : {_id:'$count', count:{$sum:1} } },
                       { $sort  : { _id: 1 } } ] )

- Asya Kamsky