mongodb中带有标签的文档：获取标签计数

Question

我在 MongoDB 中有一个 collection1 带有标签的文档。标签是嵌入的字符串数组：

{
    name: 'someObj',
    tags: ['tag1', 'tag2', ...]
}

我想知道集合中每个标签的计数。因此我有另一个带有标签计数的collection2：

{
    { 
        tag: 'tag1',
        score: 2
    }
    { 
        tag: 'tag2',
        score: 10
    }
}

现在我必须让两者保持同步。从collection1 插入或删除时，这是相当微不足道的。但是，当我更新 collection1 时，我会执行以下操作：

1.) 获取旧文档

var oldObj = collection1.find({ _id: id });

2.) 计算新旧标签数组的差异

var removedTags = $(oldObj.tags).not(obj.tags).get();
var insertedTags = $(obj.tags).not(oldObj.tags).get();

3.) 更新旧文档

collection1.update(
    { _id: id },
    { $set: obj }
);

4.) 更新插入和删除标签的分数

// increment score of each inserted tag
insertedTags.forEach(function(val, idx) {
    // $inc will set score = 1 on insert
    collection2.update(
        { tag: val },
        { $inc: { score: 1 } },
        { upsert: true }
    )
});
// decrement score of each removed tag
removedTags.forEach(function(val, idx) {
    // $inc will set score = -1 on insert
    collection2.update(
        { tag: val },
        { $inc: { score: -1 } },
        { upsert: true }
    )
});

我的问题：

A) 这种单独保存分数簿的方法是否有效？还是有更高效的一次性查询来从 collection1 中获取分数？

B) 即使分开记账是更好的选择：是否可以用更少的步骤完成，例如让 mongoDB 计算哪些标签是新的/删除的？

Answer 1

正如 nickmilion 正确指出的那样，解决方案是聚合。虽然我会用 nack 来做：我们会将它的结果保存在一个集合中。将做的是用实时结果换取极速提升。

我会怎么做

通常情况下，对实时结果的需求被高估了。因此，我会使用预先计算的标签统计信息，并每 5 分钟左右更新一次。这应该足够好了，因为大多数此类调用都是由客户端异步请求的，因此在必须对特定请求进行计算的情况下，一些延迟可以忽略不计。

db.tags.aggregate(
  {$unwind:"$tags"},
  {$group: { _id:"$tags", score:{"$sum":1} } },
  {$out:"tagStats"}
)
db.tagStats.update(
  {'lastRun':{$exists:true}},
  {'lastRun':new Date()},
  {upsert:true}
)

db.tagStats.ensureIndex({lastRun:1}, {sparse:true})

好的，这就是交易。首先，我们展开标签数组，按各个标签对其进行分组，并为每个标签的每次出现增加分数。接下来，我们在tagStats 集合中upsertlastRun，我们可以这样做，因为MongoDB 是无模式的。接下来，我们创建一个sparse index，它只保存索引字段存在的文档的值。如果索引已经存在，ensureIndex 是一个非常便宜的查询；但是，由于我们将在代码中使用该查询，因此我们不需要手动创建索引。使用此过程，以下查询

db.tagStats.find(
 {lastRun:{ $lte: new Date( ISODate().getTime() - 300000 ) } },
 {_id:0, lastRun:1}
)

变成covered query：从索引中回答的查询，该索引往往驻留在 RAM 中，使该查询闪电般快速（在我的测试中略低于 0.5 毫秒的中位数）。那么这个查询有什么作用呢？当聚合的最后一次运行超过 5 分钟（5*60*1000 = 300000 毫秒）前运行时，它将返回一条记录。当然，您可以根据自己的需要进行调整。

现在，我们可以总结一下了：

var hasToRun = db.tagStats.find(
  {lastRun:{ $lte: new Date( ISODate().getTime() - 300000 ) } },
  {_id:0, lastRun:1}
);

if(hasToRun){

  db.tags.aggregate(
    {$unwind:"$tags"},
    {$group: {_id:"$tags", score:{"$sum":1} } },
    {$out:"tagStats"}
  )

  db.tagStats.update(
    {'lastRun':{$exists:true}},
    {'lastRun':new Date()},
    {upsert:true}
  );

  db.tagStats.ensureIndex({lastRun:1},{sparse:true});

}
// For all stats
var tagsStats = db.tagStats.find({score:{$exists:true}});
// score for a specific tag
var scoreForTag = db.tagStats.find({score:{$exists:true},_id:"tag1"});

替代方法

如果实时结果真的很重要，并且您需要所有标签的统计信息，只需使用聚合而不将其保存到另一个集合：

db.tags.aggregate(
  {$unwind:"$tags"},
  {$group: { _id:"$tags", score:{"$sum":1} } },
)    

如果您一次只需要一个特定标签的结果，实时方法可能是使用特殊索引，创建覆盖查询并简单地计算结果：

db.tags.ensureIndex({tags:1})
var numberOfOccurences = db.tags.find({tags:"tag1"},{_id:0,tags:1}).count();

Answer 2

回答你的问题：

• B)：你不必自己计算差异use $addToSet
• A)：您可以通过聚合框架结合$unwind 和$count 获取计数