MongoDB Aggregation 业务场景实战

1,995 阅读6分钟

图片

对于技术人员来说,“管道” 相信大家都不会感到陌生,在很多技术领域都有管道的概念,例如Linux 管道,CI/CD 管道。同样的,MongoDB 2.2 版本也新增了聚合管道功能,虽然功能发布已久,但是社区的复杂场景的实践并不多,给大家造成了聚合管道“不好用”的错觉 。实际在业务场景中,适当的运用聚合往往会带来事半功倍的效果。

定义

要想了解聚合管道在业务场景中的使用,首先需要了解聚合管道的定义:

聚合管道用于数据处理,每个文档通过一个或者是多个阶段组成,可以对每个分组进行分组过滤等功能,然后经过一系列处理,输出相应的结果。

图片

通过这张图,可以清晰的了解到聚合管道的处理过程,我们常用的管道操作符一般有以下这些:

  • $match 主要用于对文档集合的筛选
  • $project 主要用于从子文档中提取字段,可以重命名字段,也可以移除字段
  • $group 主要用于根据文档的特定字段进行分组
  • $unwind 主要用于分割数组嵌入到自己的顶层文件
  • $lookup 主要用于两个集合之间的左连接操作
  • $skip 接受一个数字 n,丢弃结果集中的前 n 个文档
  • $limit 接受一个数字 n,返回结果集中的前 n 个文档
  • $sort 主要用于结果集的排序

应用

看完了各种各样的管道操作符,或许有的人在想怎么把它利用在实际业务场景中呢?下面我就通过客户管理系统介绍一下聚合管道的最佳实践,大家听到客户管理系统可能有些陌生,它还有一个“别名” CRM。CRM 系统中存在机会、客户、联系人这三个大的对象,对象之间都是存在关联关系的,机会可以关联多个联系人,可以关联一个客户,而联系人和客户是一一对应的。通过三个基本对象我们可以衍生出很多聚合业务场景,基础架构图如下所示:

图片
图一:基础架构图

如上图所示,我们业务场景中经常会出现筛选数据的需求,如条件筛选和自定义字段查询等需求,根据特定的条件筛选出我们想要的数据。针对不同的业务需求,我们一般会涉及到以下场景:

  • 基础对象查询
  • 表 join 查询
  • 分类统计
  • 嵌套对象排序
  • ...

说到了常见的应用场景,下面也介绍一下我们的系统业务数据模型:

  • 机会数据模型
db.deals
{
  '_id': ObjectId,
  'title': String,               // 机会标题
  'status': String,              // 机会状态
  'peoples': Array,              // 关联联系人
  '_organizationId': ObjectId,  // 关联客户
  'createdTime': Date,           // 创建时间
  'updatedTime': Date,           // 创建时间
  'owner': Object                // 拥有者
}
  • 联系人数据模型
db.peoples
{
  '_id': ObjectId,
  'name': String,                // 联系人名称
  'phone': Array,                // 电话
  'email': Array,                // 邮箱
  'isArchive': Boolean,         // 归档状态
  'createdTime': Date,           // 创建时间
  'updatedTime': Date,           // 创建时间
  'owner': Object                // 拥有者
}
  • 客户数据模型
db.organizations
{
  '_id': ObjectId,
  'name': String,                // 客户名称
  'address': Array,              // 地址
  'isArchive': Boolean,         // 归档状态
  'createdTime': Date,           // 创建时间
  'updatedTime': Date,           // 创建时间
  'owner': Object                // 拥有者
}

有了数据模型,我们就可以用它来做数据聚合了,下面会列举出客户管理系统中常用的数据聚合实践。

  1. 在 CRM 系统中,作为销售管理,他管辖的地区在指定时间生成的机会是他所关注的。如果他需要筛选出2018年5月1日之后创建的机会的跟进信息,可以通过创建时间的筛选实现他的目标,聚合管道语句如下:

涉及到的组合:match ->project

db.deals.aggregate([
  { $match: { createdTime: { '$gte': ISODate('2018-05-01') } } },
  { $project: { title: 1, owner: 1, status: 1, updatedTime: 1 } }
])
  1. 在 CRM 系统中,作为销售管理,经常需要统计每个销售业绩情况,用于他们的业绩考核指标。所以他需要统计每个销售赢单的机会数目,为了达成这一目标他可以先通过匹配条件筛选出所有赢单的机会,并过滤所有拥有者为空,然后再通过人员分组,计算每个销售赢单的机会数,聚合管道语句如下所示:

涉及到的组合:match ->group

db.deals.aggregate([
  { $match: { status: 'won', owner: { '$ne': null } } },
  { $group: { _id: '$owner._id',num_deals: { $sum: 1 } } }
])
  1. 在 CRM 系统中,作为一名销售,经常需要拜访客户,拜访完成之后需要在机会中填写相应的跟进记录,所以对于他们来说需要完整的客户地址信息,用于日后的拜访使用。这时候他就可以根据拥有者是自己,并且关联的客户地址信息为空的筛选条件来找到那些机会信息缺失。一般情况下,便于记忆我们按照创建时间倒序要显示机会信息,聚合管道语句如下所示:

涉及到的组合:match ->lookup -> match ->sort

db.deals.aggregate([
  { $match: { 'owner.name': '张三' } },
  { $lookup: {
      from: 'organizations',
      localField: '_organizationId',
      foreignField: '_id',
      as: 'organization'
  } },
  { $match: { 'organization.address': {'$ne': ''} } },
  { $sort: { 'createdTime': -1 } }
])
  1. 在 CRM 系统中,作为一名刚入职的销售,可以通过查看别人的赢单的跟单机会来学习如何跟单。这时候他就可以根据状态是赢单且拥有者是张三的筛选条件,找出别人最近赢单的50条销售机会来进行学习。聚合管道语句如下所示:

涉及到的组合:match ->project -> sort ->skip -> $limit

db.deals.aggregate([
  { $match: { 'status': 'won', 'owner.name': '张三' } },
  { $project: { 'name': 1, 'status': 1, 'wonTime': 1, 'note': 1 },
  { $sort: { 'wonTime': -1 },
  { $skip: 0 },
  { $limit: 50 }
])
  1. 在 CRM 系统中,我们习惯把数据的完整性和成单概率挂钩,如果销售机会关联的联系人和客户信息缺失,往往代表这是一条成单率较低的机会。因为缺失联系人信息无法及时与客户联系会造成失单,所以我们可以通过聚合管道关联操作,寻找存在一个已归档或者拥有者为空的联系人和客户,找出对应的销售机会,评估该机会的信息缺失率,然后完善关联信息。聚合管道语句如下:

涉及到的组合:match ->lookup -> lookup ->match -> sort ->skip -> $limit

db.deals.aggregate([
  { $match: { 
      'owner.name': '张三',
      '$or': [
        { 'peoples': { '$ne': null } }, 
        { '_organizationId':{ '$ne': null } }
      ]
    }
  },
  { $lookup: {
      from: 'peoples',
      localField: 'peoples',
      foreignField: '_id',
      as: 'peoples'
  } },
  { $lookup: {
      from: 'organizations',
      localField: '_organizationId',
      foreignField: '_id',
      as: 'organization'
  } },
  { $match: { 
      '$or': [
        { 'peoples.isArchive': true },
        { 'peoples.owner': { '$ne': null } },
        { 'organization.isArchive': true },
        { 'organization.owner': { '$ne': null } }
      ]      
  },
  { $sort: { 'createdTime': -1 } },
  { $skip: 0 },
  { $limit: 50 }
])

技巧

我们在使用聚合管道满足我们的业务场景的同时,发现有很多小的技巧能够帮助我们优化数据查询,下面给大家列举一下:

  • 管道操作符之**$ifNull**

定义:如果表达式计算为非空值,则计算表达式并返回表达式的值。如果表达式计算为空值,包括未定义的值或缺少字段的实例,则返回替换表达式的值。

如果需求是按照更新时间对未归档机会进行排序,普通的做法是:

db.deals.aggregate([
  { $match: { 'isArchive': false } },
  { $sort: { 'updatedTime': -1 }
])

这样存在一个问题,由于存在更新时间字段不存在或者值为空的脏数据,导致排序结果不准确,为了解决这个问题,当然我们也可以这样去做,排序里面指定多个字段排序:

db.deals.aggregate([
  { $match: { 'isArchive': false } },
  { $sort: { 'updatedTime': -1,'_id': -1 }
])

如果我们运用管道操作符 $ifNull 去实现的话,可以更改更新时间结构,并填充默认值来达到我们期望的排序结果:

db.deals.aggregate([
  { $match: { 'isArchive': false } },
  { $project: {
    title: 1,
    updatedTime: { $ifNull: [ "$updatedTime", ISODate('9000-01-01')] }
  } }
  { $sort: { 'updatedTime': -1}
])

使用 $ifNull 数据填充来进行排序效率比空值比较排序效率要高,MongoDB 官方也给出了排序类型效率顺序图,如下所示:

图片
图二:不同类型排值图

  • 管道操作符之$cond

定义:评估布尔表达式以返回两个指定的返回表达式之一。 如果我们要实现按照更新时间对未归档机会进行排序,更新时间为空的填充默认值,我们可以这样实现:

db.deals.aggregate([
  { $match: { 'isArchive': false } },
  { $project: {
    title: 1,
    updatedTime: { $cond: {
      if:{'$eq': ['$updatedTime', null]} ,
      then: ISODate('9000-01-01')
      else '$updatedTime'
    } }
  } }
  { $sort: { 'updatedTime': -1}
])

优化

  • 策略优化
    • 将** match** 和 **sort **放到管道的前面,可以给集合建立索引,来提高处理数据的效率
    • 可以用 match、limit、$skip 对文档进行提前过滤,以减少后续处理文档的数量
  • MongoDB 自身优化器
    • sort **+ **match 顺序优化
      • 如果 match 出现在sort 之后,优化器会自动把 match 放到sort 前面
    • skip** + **limit 顺序优化
      • 如果 skip 在limit 之后,优化器会把 limit 移动到skip 的前面,移动后 limit的值等于原来的值加上skip 的值

注意事项

  • 返回结果大小
    • 聚合结果返回的是一个文档,不能超过 16M,从 MongoDB 2.6版本以后,返回的结果可以是一个游标或者存储到集合中,返回的结果不受 16M 的限制。
  • 内存
    • 在进行 Group 操作的时候,如果内容超过 100 M,将会抛错 “Exceeded memory limit for $group, but not allow enternal sort, put allowDiskUse true”,如果需要处理大数据,可以使用 allowDiskUse 选项,存储到磁盘上**。**
  • 聚合操作符使用
    • 在进行 $project 操作的时候,我们时常会把不需要的值过滤掉,以此来减少聚合操作对内存的消耗,但是不可以删除默认的 _id, 如果删除会抛错 “exception: The top-level _id field is the only field currently supported for exclusion”,_id 作为官方字段不可以删除掉。

小结

今天我为你介绍了 MongoDB 聚合管道的应用实践、技巧、优化以及注意事项,解释了聚合管道操作符的基础概念,希望能够对你有所帮助。

这就是以上全部的内容,留几道思考题给你吧。你们公司使用 MongoDB 聚合管道吗?一般使用在什么业务上面?你觉得好用吗?