Mongodb聚合管道大小和速度问题

Question

我正在尝试使用mongodb聚合查询来连接($ lookup)两个集合,然后对连接数组中的所有唯一值进行不同计数.*注意:我不一定知道metaDataMap数组中的字段(键).而且我不想计算或包含地图中可能存在或可能不存在的字段.这就是聚合查询看起来像这样的原因.

所以我的两个系列看起来像这样:事件 -

{
"_id" : "1",
"name" : "event1",
"objectsIds" : [ "1", "2", "3" ],
}

对象

{
"_id" : "1",
"name" : "object1",
"metaDataMap" : { 
                     "SOURCE" : ["ABC", "DEF"],
                     "DESTINATION" : ["XYZ", "PDQ"],
                     "TYPE" : []
                }
},
{
"_id" : "2",
"name" : "object2",
"metaDataMap" : { 
                     "SOURCE" : ["RST", "LNE"],
                     "TYPE" : ["text"]
                }
},
{
"_id" : "3",
"name" : "object3",
"metaDataMap" : { 
                     "SOURCE" : ["NOP"],
                     "DESTINATION" : ["PHI", "NYC"],
                     "TYPE" : ["video"]
                }
}

我的结果是

{
_id:"SOURCE", count:5
_id:"DESTINATION", count: 4
_id:"TYPE", count: 2
}

到目前为止我所拥有的是:

db.events.aggregate([
{$match: {"_id" : id}}

,{$lookup: {"from" : "objects",
        "localField" : "objectsIds",
        "foreignField" : "_id",
        "as" : "objectResults"}}

,{$unwind: "$objectResults"} //Line 1
,{$project: {x: "$objectResults.metaDataMap"}} //Line 2


,{$unwind: "$x"}
,{$project: {"_id":0}}

,{$project: {x: {$objectToArray: "$x"}}}
,{$unwind: "$x"}

,{$group: {_id: "$x.k", tmp: {$push: "$x.v"}}}

,{$addFields: {tmp: {$reduce:{
input: "$tmp",
initialValue:[],
in:{$concatArrays: [ "$$value", "$$this"]}
    }}
}}

,{$unwind: "$tmp"}
,{$group: {_id: "$_id", uniqueVals: {$addToSet: "$tmp"}}}

,{$addFields: {count: {"$size":"$uniqueVals"}}}
,{$project: {_id: "$_id", count: "$count"}}
]);

我的问题是我标记了第1和第2行.上述工作但在metaDataMap数组字段(objectsResults.metaDataMap)中的25,000个值大约需要50秒.因此,例如在对象1的metaDataMap SOURCE数组中具有25,000个值.这是缓慢的方式.我的另一个更快捷的方法是用以下代码替换第1行和第2行:

 ,{$project: {x: "$objectResults.metaDataMap"}} //Line 1
 ,{$unwind: "$x"} //Line 2

这样更快(3秒以内),但只能在大约10,000件或更少的数据集上运行.任何更高的,我得到一个错误说"超过最大文档大小".

请帮忙!

Answer 1

如果您能够更改object集合上的架构设计以包含parent_id字段，则可以立即删除管道的前 4 个阶段（第一个$match、$lookup、$unwind和$project）。这将使担忧Line 1消失Line 2。

例如，object集合中的文档如下所示：

{
  "_id": "1",
  "name": "object1",
  "metaDataMap": {
    "SOURCE": [
      "ABC",
      "DEF"
    ],
    "DESTINATION": [
      "XYZ",
      "PDQ"
    ],
    "TYPE": [ ]
  },
  "parent_id": "1"
}

因此，您不需要昂贵的$lookup和$unwind。前 4 个阶段可以替换为：

{$match: {parent_id: id}}

基于这个想法，我对pipeline做了进一步的优化，结果是：

db.objects.aggregate([
     {$match: {parent_id: id}}
    ,{$project: {metaDataMap: {$filter: {input: {$objectToArray: '$metaDataMap'}, cond: {$ne: [[], '$$this.v']}}}}}
    ,{$unwind: '$metaDataMap'}
    ,{$unwind: '$metaDataMap.v'}
    ,{$group: {_id: '$metaDataMap.k', val: {$addToSet: '$metaDataMap.v'}}}
    ,{$project: {count: {$size: '$val'}}}
])

这将输出：

{ "_id": "TYPE", "count": 2 }
{ "_id": "DESTINATION", "count": 4 }
{ "_id": "SOURCE", "count": 5 }