MongoDb提高了聚合框架的性能

我收集了70亿份数据。 我的数据模型是：

{“_id”：ObjectId（“515921e3bbea58d25eb07b22”），“serverId”：0， “计数器ID”：0，“插入”：ISODate（“2013-03-21T00:26:30Z”）， “对应值”：0.03256159112788737，“最小值”：-29.96743840887113， “最大值”：20.032561591127887}

我有两个索引serverId，counterId； 我的问题是：

{$match:{'inserted'：{$gte:新日期（“2013-03-21T00:00:00Z”），$lt: 新日期（“2013-03-22T10:00:00Z”）}}，{$group: {{u id:{serverId:'$serverId'，counterId:'$counterId'}，avgValue:{$avg: “$counterValue”}}

查找平均计数器值，按serverId、counterId分组，并在特定日期之间插入

但它需要13秒我需要它必须需要1秒

---

我该怎么做呢？

为什么不在插入的列上添加索引呢？它将有一些性能增益。插入当天的索引将帮助您快速获取数据，如此处文档中所指定：。指数将被用来购买美元匹配放在开始。因此，在插入的列上有一个索引

您的索引在以下方面是无用的：

{$match:{ 'inserted':{$gte: new Date("2013-03-21T00:00:00Z") , $lt: new Date("2013-03-22T10:00:00Z") } } }, 
{$group : {_id:{serverId:'$serverId', counterId:'$counterId'} ,avgValue:{ $avg : '$counterValue'}}}

由于

$group

函数位于内存中且不使用索引，因此

$match

可以。如果您像@Devesh所说的那样在

inserted

字段中放置索引，您应该会获得更好的性能

然而，如果这个结果集是巨大的，比如说70亿条记录中的100万条记录，你仍然可以从框架中看到糟糕的性能。这是因为，归根结底，没有简单的方法可以做到这一点；这是缓慢的，因为你有多少聚合

---

更好的替代方法可能是使用预聚合报告，它将通过其他机制（如在客户端中保存）以您需要的形式提供数据，以创建性能查询。

您对插入的字段进行查询，因此插入的字段应具有索引。其他的是无用的（对于这个查询）

如果您想要进行一个完整的索引查询，这将帮助您大大提高性能，那么您还应该将字段放在您查询的索引中。在这种情况下，它还可以使用索引来获取值，而不是去访问每个单独的文档（在磁盘上，可能考虑到文档的数量），这将减慢查询速度

因此，您应该在聚合查询中包含

$project

。索引应为：

{inserted:1, serverId:1, counterId:1, counterValue:1}

和查询：

{
    $match:{ 'inserted':{$gte: new Date("2013-03-21T00:00:00Z") , $lt: new Date("2013-03-22T10:00:00Z") } } }, 
    $project: {'serverId':1, 'counterId':1, 'counterValue':1, '_id':0},
    {$group : {_id:{serverId:'$serverId', counterId:'$counterId'} ,avgValue:{ $avg : '$counterValue'}}
}

---

还要注意_id:0。默认情况下，会返回_id字段，该字段不在索引中，因此它将转到每个单独的文档，您不需要的内容。

您的工作集大小与RAM的对比是多少？如果要避免完整的集合扫描，您绝对需要为插入的

列编制索引。