鍍金池/ 問答/數(shù)據(jù)庫/ 如何對大量數(shù)據(jù)做聚合統(tǒng)計？

如何對大量數(shù)據(jù)做聚合統(tǒng)計？

有一個錯題本統(tǒng)計功能需求，當(dāng)前我的做法是用mongodb一個集合 exercise 來保存做題記錄，每做一道題就保存一條記錄，數(shù)據(jù)用aggregate進(jìn)行聚合統(tǒng)計。目前exercise 集合已經(jīng)有2000多萬記錄，而且增長速度很快，一條記錄結(jié)構(gòu)如下：

{
    "_id" : ObjectId("58856c54c10da3925edc9a4b"), 
    "eid" : NumberLong(1), // 試題ID
    "right" : NumberLong(1), // 是否正確
    "scene" : NumberLong(1), // 場景
    "uid" : NumberLong(663148), // 用戶
    "total" : NumberLong(1), // 試題總分
    "score" : NumberLong(1), // 用戶得分
    "rate" : NumberLong(100), // 正確率
    "date" :  ISODate("2017-01-23T12:17:00.000Z"), // 做題時間
    "subject" : NumberLong(1), // 科目
    "class" : NumberLong(1), // 班級
    "grade" : NumberLong(1), // 年級
    "school" : NumberLong(1), // 學(xué)校
    "tags" : [ 
        {
            "tagID" : NumberLong(39544), // 章節(jié)ID
            "level" : NumberLong(1) // 章節(jié)層級
        }, 
        {
            "tagID" : NumberLong(39621),
            "level : NumberLong(1)
        }
    ]
}

需求如下：
（1）根據(jù)年級，科目，日期，學(xué)校查找錯題列表，并且每一道錯題要統(tǒng)計做錯次數(shù)
（2）根據(jù)年級，科目，學(xué)校，統(tǒng)計每個場景錯題數(shù)目
（3）根據(jù)年級，科目，教材統(tǒng)計教材下各個章節(jié)對應(yīng)所有錯題做錯總次數(shù)

目前對學(xué)校加了索引，但當(dāng)學(xué)校數(shù)據(jù)量有幾百萬時，對于以上需求查詢速度很慢，不知道其他大網(wǎng)站是怎么設(shè)計的，查詢速度很快。求有經(jīng)驗的大神賜教

回答
編輯回答
近義詞

aggregate+索引 用explain來分析下你的語句，找到最優(yōu)解 探讀

2017年6月15日 07:43
編輯回答
不討囍

可以先看下你的索引是如何建立的.. 然后使用explain 分析一下執(zhí)行過程

2018年3月17日 11:27
編輯回答
九年囚

提問樓上的，explain只能分析sql語句的執(zhí)行速度吧，但是這個是mangodb，這個是非關(guān)系型數(shù)據(jù)庫，怎么分析

2017年7月4日 18:30
編輯回答
離殤

謝邀，本人水平有限，回答僅供參考。

慢的原因可能在于你建索引的字段并不合適，理論上應(yīng)該是那些當(dāng)成查詢條件次數(shù)多的字段建立索引，根據(jù)你的需求就是年級和科目，如果這兩個字段是查詢必帶條件，那么可以考慮把這兩個字段建立一個聯(lián)合索引。

其次如果不要求實時查看統(tǒng)計結(jié)果，可以把統(tǒng)計結(jié)果另建表存儲，并對統(tǒng)計結(jié)果表定期更新，界面顯示時去查詢結(jié)果表。

2018年1月31日 20:07
編輯回答
囍槑

首先是索引的問題，你的三個查詢對應(yīng)的三個索引分別是：

{grade: 1, subject: 1, date: 1}
{grade: 1, subject: 1, school: 1}
{grade: 1, subject: 1, "tags.tagId": 1}

但是索引并不能完全解決你的問題。心里要有一個概念，凡是涉及到統(tǒng)計的問題，涉及的數(shù)據(jù)量越多，速度越慢，畢竟你是要一次讀取這么多數(shù)據(jù)，其速度肯定是無法和查詢幾條記錄的速度相比的。
但是練習(xí)結(jié)果是隨著人做不斷增多的，如果每次都對全部數(shù)據(jù)做一次統(tǒng)計，數(shù)據(jù)量越來越大，勢必越來越慢。所以問題變成如何控制每次統(tǒng)計的數(shù)據(jù)數(shù)量？以下兩個方面都應(yīng)該有所考慮：

  1. 限制回溯的天數(shù)（比如只統(tǒng)計1年內(nèi)的？）。
  2. 按不同的粒度預(yù)聚合。

預(yù)聚合是很常見的處理時序數(shù)據(jù)增長的手段。以第一個問題為例：

（1）根據(jù)年級，科目，日期，學(xué)校查找錯題列表，并且每一道錯題要統(tǒng)計做錯次數(shù)

假設(shè)每天有10道這樣的錯題，100天過去就會有1000道。這時候你的查詢一次要統(tǒng)計1000條記錄才能得到結(jié)果；
如果我每天結(jié)束時按天做預(yù)聚合，100天過去后我就只有10條記錄，里面記錄了每天的統(tǒng)計結(jié)果。這時候就只需要把這100條記錄的結(jié)果匯總，就是我要的結(jié)果；
進(jìn)一步，如果有必要還可以考慮月、年等聚合粒度，這樣在跨長時間的查詢中就會有更多優(yōu)勢。

2017年1月12日 02:50