有什么方法可以在 MongoDB 中有效地执行 DENSE_RANK 的等效操作吗？

Question

SQL Server 和 Oracle 都有 DENSE_RANK 函数。有没有办法在 MongoDB 中做类似的事情而不必求助于 MapReduce？换句话说，假设您有一个像这样的 T-SQL select 子句：

SELECT DENSE_RANK() OVER(ORDER BY SomeField DESC) SomeRank

在 MongoDB 中做同样事情的最佳方法是什么？

（注意：这是这里对MongoDB 问题的重新发布。我希望从 DBA 那里得到更多反馈......）

Answer 1

MongoDB 没有任何排名的概念。我能找到的最接近的来自这里：

以下是一些示例数据：

 > db.scoreboard.find()`
 { "_id" : ObjectId("4d99f71450f0ae2165669ea9"), "user" : "dave", "score" : 4 }
 { "_id" : ObjectId("4d99f71b50f0ae2165669eaa"), "user" : "steve", "score" : 5 }`
 { "_id" : ObjectId("4d99f72350f0ae2165669eab"), "user" : "tom", "score" : 3 }

首先，找到用户“dave”的得分：

 db.scoreboard.find({ user : "dave" }, { score : 1 }) { "_id" : ObjectId("4d99f71450f0ae2165669ea9"), "score" : 4 }

然后，计算有多少用户具有更高的分数：

 db.scoreboard.find({ score : { $gt : 4 }}).count() 
 1

由于有 1 个更高的分数，因此 dave 的排名为 2（只需将更高的分数加 1 即可获得排名）。

显然，这远非理想。然而，MongoDB 根本没有任何类型的功能，因为它根本不是为这种类型的查询而设计的。

Answer 2

经过一些实验，我发现可以基于 MapReduce 构建排名函数，假设结果集可以适应最大文档大小。

例如，假设我有一个这样的集合：

{ player: "joe", points: 1000, foo: 10, bar: 20, bang: "some text" }
{ player: "susan", points: 2000, foo: 10, bar: 20, bang: "some text" }
{ player: "joe", points: 1500, foo: 10, bar: 20, bang: "some text" }
{ player: "ben", points: 500, foo: 10, bar: 20, bang: "some text" }
...

我可以像这样执行 DENSE_RANK 的粗略等效：

var m = function() { 
  ++g_counter; 

  if ((this.player == "joe") && (g_scores.length != g_fake_limit)) { 
    g_scores.push({
      player: this.player, 
      points: this.points, 
      foo: this.foo,
      bar: this.bar,
      bang: this.bang,
      rank: g_counter
    });   
  }

  if (g_counter == g_final)
  {
    emit(this._id, g_counter);
  }
}}


var r = function (k, v) { }
var f = function(k, v) { return g_scores; }

var test_mapreduce = function (limit) {
  var total_scores = db.scores.count();

  return db.scores.mapReduce(m, r, {
    out: { inline: 1 }, 
    sort: { points: -1 }, 
    finalize: f, 
    limit: total_scores, 
    verbose: true,
    scope: {
      g_counter: 0, 
      g_final: total_scores, 
      g_fake_limit: limit, 
      g_scores:[]
    }
  }).results[0].value;
}

为了比较，这里是其他地方提到的“幼稚”方法：

var test_naive = function(limit) {
  var cursor = db.scores.find({player: "joe"}).limit(limit).sort({points: -1});
  var scores = [];

  cursor.forEach(function(score) {
    score.rank = db.scores.count({points: {"$gt": score.points}}) + 1;
    scores.push(score);
  });

  return scores;
}

我使用以下代码在 MongoDB 1.8.2 的单个实例上对这两种方法进行了基准测试：

var rand = function(max) {
  return Math.floor(Math.random() * max);
}

var create_score = function() {
  var names = ["joe", "ben", "susan", "kevin", "lucy"]
  return { player: names[rand(names.length)], points: rand(1000000), foo: 10, bar: 20, bang: "some kind of example text"};
}

var init_collection = function(total_records) {
  db.scores.drop();

  for (var i = 0; i != total_records; ++i) {
    db.scores.insert(create_score());
  }

  db.scores.createIndex({points: -1})
}


var benchmark = function(test, count, limit) {
  init_collection(count);

  var durations = [];
  for (var i = 0; i != 5; ++i) {
    var start = new Date;
    result = test(limit)
    var stop = new Date;

    durations.push(stop - start);
  }

  db.scores.drop();

  return durations;
}

虽然 MapReduce 比我预期的要快，但对于较大的集合大小，这种幼稚的方法却将其从水中吹了出来，尤其是在缓存预热后：

> benchmark(test_naive, 1000, 50);
[ 22, 16, 17, 16, 17 ]
> benchmark(test_mapreduce, 1000, 50);
[ 16, 15, 14, 11, 14 ]
> 
> benchmark(test_naive, 10000, 50);
[ 56, 16, 17, 16, 17 ]
> benchmark(test_mapreduce, 10000, 50);
[ 154, 109, 116, 109, 109 ]
> 
> benchmark(test_naive, 100000, 50);
[ 492, 15, 18, 17, 16 ]
> benchmark(test_mapreduce, 100000, 50);
[ 1595, 1071, 1099, 1108, 1070 ]
> 
> benchmark(test_naive, 1000000, 50);
[ 6600, 16, 15, 16, 24 ]
> benchmark(test_mapreduce, 1000000, 50);
[ 17405, 10725, 10768, 10779, 11113 ]

因此，就目前而言，看起来幼稚的方法是可行的方法，尽管随着 MongoDB 团队继续提高 MapReduce 性能，我很想看看今年晚些时候情况是否会发生变化。