Mongodb 为带有图表的仪表板构建RESTAPI

我今天来寻求您的帮助，因为我正在从事一个项目，该项目需要实现一个RESTAPI，该API可以查询MongoDB集合中大约8000万个指标（文档）。每个指标都遵循这个“模式”：

实际上，有一个JAVA内置的API，但它消耗了大量CPU和内存，有时会出现超时或响应需要花费大量时间，这就是需要重新制作它的原因。所以我的问题是：

像这样保存指标有多糟糕？是否存在保存此类数据的模式

您可以推荐哪种编程语言来开发这种端点

我们认为我们的问题很大程度上与数据库有关，因此我们正在考虑转向Google BigQuery。BigQuery能帮助获得更快的响应吗

如果BigQuery不是一个很好的答案，那么您可以向这个用例推荐哪些其他工具

我们正在努力实现的是这样的回应

{
  "totalConversions": {
     "visitorPedestrianAverageConversion":5.847142857142858,
     "ticketVisitorAverageConversion":0
  },
  "series":[
    {
      "data":[126,124,100,111,74,99,141],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "data": [1925,2377,1873,1769,1067,2460,2139],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "yAxis":1,
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"column"
    },
    {
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "yAxis":2,
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"scatter"
    },
    {
      "yAxis":2,
      "data":[6.55,5.22,5.34,6.27,6.94,4.02,6.59],
      "id":"indicator_type",
      "type":"scatter"
    },
    {
      "yAxis":2,
      "data":[100,100,100,100,100,100,100],
      "id":"indicator_type",
      "type":"spline"
    }
  ],
  "categories":["Lun 02/03/2020","Mar 03/03/2020","Mié 04/03/2020","Jue 05/03/2020","Vie 06/03/2020","Sáb 07/03/2020","Dom 08/03/2020"]
}

---

Hi Sergio，Mongo为了获取正确的文档而扫描整个表，这是CPU负载吗？你试过为一些列编制索引吗？BigQuery当然可以是一个更快的查询引擎（您不需要管理），而且您基本上可以围绕自己的API构建一个包装器，以简化您的用例。@Sergio Fonseca，关于前两个问题，我认为这取决于您作为开发人员的经验。至于问题3和4，BigQuery是一个非常好的选择，因为它是一个大规模的非ops数据wharehouse产品，主要针对您的数据运行SQL查询。您可以查看BigQuery价格。还有它的加载方法？向其中传输数据。你还有其他问题吗？@FKrauss我想CPU负载是因为JAVA，我的数据库在另一台服务器上。我为一些专栏编入了索引，但我只获得了一些文章。@Alexandre Moraes是的，我还有一个问题。使用BigQuery开发RESTAPI是一种好的实践吗？我的意思是，我想要快速的回复，我不知道每天会有多少个请求，但性能和价格是我需要关心和平衡的。。。如果您知道任何像这样使用BigQuery的用例，那就太好了。谢谢你们的回答！对于仪表板和BigQuery，最好的答案是“BI引擎”——它只适用于DataStudio（目前）

{
  "totalConversions": {
     "visitorPedestrianAverageConversion":5.847142857142858,
     "ticketVisitorAverageConversion":0
  },
  "series":[
    {
      "data":[126,124,100,111,74,99,141],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "data": [1925,2377,1873,1769,1067,2460,2139],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "yAxis":1,
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"column"
    },
    {
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"spline"
    },
    {
      "yAxis":2,
      "data":[0,0,0,0,0,0,0],
      "id":"indicator_type",
      "type":"scatter"
    },
    {
      "yAxis":2,
      "data":[6.55,5.22,5.34,6.27,6.94,4.02,6.59],
      "id":"indicator_type",
      "type":"scatter"
    },
    {
      "yAxis":2,
      "data":[100,100,100,100,100,100,100],
      "id":"indicator_type",
      "type":"spline"
    }
  ],
  "categories":["Lun 02/03/2020","Mar 03/03/2020","Mié 04/03/2020","Jue 05/03/2020","Vie 06/03/2020","Sáb 07/03/2020","Dom 08/03/2020"]
}