Mongo时间戳转日期以及日期分组

Posted 2023-02-03 耳冉鹅

最近遇到的一个数据统计折线图的性能优化点，可以说是一定思维上的转变，就记录下咯
背景：cron定时任务读取当前统计数据的异常值，频率为每五分钟记录一次，折线图要求获取每日的异常项峰值

最一开始的想法：将数据读取到内存中进行条件过滤、计算
首先根据时间戳将数据以日期作为分组，其次在每个分组中获取异常项的峰值数据，时间复杂度O(n*n)，最好以日期分组列表+峰值数据列表作为对象返回结果
遇到性能问题：一天的数据量为(60/5)*24=288，默认日期为15天，则统计的数据量为4230，接口返回甚至需要8、9秒的时间，作为一个项目的门面折线图，这种情况 达咩！

优化的念头：我要拿每天的峰值数据，怎么才能直接取到每天的峰值呢，mongo的聚合是不是可以做到啊？ $group可以按日期做分组， $max可以拿到最大值，接下来一个 $sort好像是就成了吧！ 说干就干！！

接下来的聚合语句均为mongo pipeline，最后附上golang的bson条件哈

// ResultCountModel _
type ResultCountModel struct 
	CommonBase `json:",inline" yaml:",inline" bson:",inline"`
	ErrorCount int   `json:"error_count" bson:"error_count"`
	Timestamp  int64 `json:"timestamp" bson:"timestamp"`
	MaxTime    int64 `json:"max_time" bson:"max_time"`

数据结构定义如上，这里使用CommonBase，是因为在$group聚合后会得到_id唯一标识字段，因此便于获取最后的聚合结果，在定义结构体时将其加上；timestamp单位为毫秒

1、日期筛选

第一步，毫无疑问，对时间戳timestamp进行日期的过滤

  
    $match: 
        timestamp: 
            $gte: 1671897600000, // min_timestamp
            $lt: 1673280000000   // max_timestamp
        
    
  

$gte 大于等于
$lt 小于

2、日期转换

第二步，根据时间戳大小进行日期的转换，这里是用的是$project， 将具有请求字段的文档传递到管道中的下一阶段。指定的字段可以是输入文档中的现有字段或是新计算的字段

使用$project主要思路是，将timestamp时间戳转换为标准日期，之后输出为想要的format形式；同时使用 $project保留需要的字段

时间戳转换日期

核心方法：$dateToString

 
  $dateToString: 
    date: <dateExpression>,
    format: <formatString>,
    timezone: <tzExpression>,
    onNull: <expression>
  

• date ：要转换的字符串日期，必须是解析为Date、Timestamp、ObjectID 的有效表达式
• format： 日期格式规范
• timezone：运算结果的时区，常用UTC偏移量
• onNull： date为null或缺失时要返回的值

日期格式想要“月份-日期”，那format: “%m-%d”

日期数据这里，如果直接使用输入文档中的现有字段的话 date: “$timestamp”，则会报错：PlanExecutor error during aggregation :: caused by :: can’t convert from BSON type long to Date
因此我们需要将时间戳转换为日期： 即格林威治开始时间(1970-01-01 00：00：00)+时间戳+时差

  date:
    $add:[
      new Date(0),
      "$timestamp",
      28800000
    ]
  ,

注意⚠️：

• MongoDB时间的基本单位为毫秒，所以本文直接使用”$timestamp”即可；若时间单位为秒级时，则需要使用 $multiply进行乘法运算： $multiply:[" $timestamp”,1000]
• MongoDB是UTC时区，即中时区(0度经线)， 中国为东八区，因此需要使用timezone添加8小时(即28800000毫秒)

pipeline如下：

  day:
    $dateToString:
      format:"%m-%d",
      date:
        $add:[
          new Date(0),
          "$timestamp",
          28800000
        ]
      ,
    
  ,

保留需要字段

/**
 * specifications: The fields to
 *   include or exclude.
 */

  timestamp:1,
  error_count:1,

$project将保留字段置为1即可进行数据保留操作

第二步完整pipeline如下：

    $project: 
        day: 
            $dateToString: 
                format: '%m-%d',
                date: 
                    $add: [
                        ISODate('1970-01-01T00:00:00.000Z'),
                        '$timestamp',
                        28800000
                    ]
                
            
        ,
        timestamp: 1,
        error_count: 1
    
,

3、日期分组

第三步，使用$group进行日期分组

  $group:
    
      _id: <expression>, // Group key
      <field1>:  <accumulator1> : <expression1> ,
      ...
    
 

• _id： 表达式指定组密钥
• field： 计算使用的累加器运算符

这里我们需要将第二步获得的日期转换进行分组聚合，同时获取每个分组的异常项最大值即峰值数据

    $group: 
        _id: '$day',
        error_count: 
            $max: '$error_count'
        ,
        max_time: 
            $max: '$timestamp'
        
    
, 

这里额外获取了max_time字段，主要用于在计算统计数据时的排序，在最后排序部分会使用到

4、日期排序

这里做一个假设，如果不使用max_time的话，如何将数据进行按日期的排序呢？ 如果根据_id进行排序，则会出现“上年末”排序在“下年初”的情况（感谢现在的📅，不然会忘记这个问题）
所以将每个分组的最大时间戳保留下来时很有必要的！
这里取$max $min都是可以的哈

    $sort: 
        max_time: 1
    

最终完整pipeline：

[
 $match: 
  timestamp: 
   $gte: 1671897600000,
   $lt: 1673280000000
  
 
, 
 $project: 
  day: 
   $dateToString: 
    format: '%m-%d',
    date: 
     $add: [
      ISODate('1970-01-01T00:00:00.000Z'),
      '$timestamp',
      28800000
     ]
    
   
  ,
  timestamp: 1,
  error_count: 1
 
, 
 $group: 
  _id: '$day',
  error_count: 
   $max: '$error_count'
  ,
  max_time: 
   $max: '$timestamp'
  
 
, 
 $sort: 
  max_time: 1
 
]

[
 $match: 
  timestamp: 
   $gte: 1671897600000,
   $lt: 1673280000000
  
 
, 
 $project: 
  day: 
   $dateToString: 
    format: '%m-%d',
    date: 
     $add: [
      ISODate('1970-01-01T00:00:00.000Z'),
      '$timestamp',
      28800000
     ]
    
   
  ,
  timestamp: 1,
  error_count: 1
 
, 
 $group: 
  _id: '$day',
  error_count: 
   $max: '$error_count'
  ,
  max_time: 
   $max: '$timestamp'
  
 
, 
 $sort: 
  max_time: 1
 
]

在golang里面，Aggregate则直接使用pipeline即可，亦可转换为filter使用
filter代码：

filter := bson.A
		bson.D"$match", bson.D
			"timestamp", bson.D
				"$gte", param.MinTimestamp,
				"$lt", param.MaxTimestamp,
			,
		,
		bson.D"$project", bson.D
			"day", bson.D
				"$dateToString", bson.D
					"format", "%m-%d",
					"date", bson.D
						"$add", bson.A
							time.Date(1970, 1, 1, 0, 0, 0, 0, time.UTC),
							"$timestamp",
							28800000,
						,
					,
				,
			,
			"error_count", 1,
			"timestamp", 1,
		,
		bson.D"$group", bson.D
			"_id", "$day",
			"max_time", bson.D"$max", "$timestamp",
			"error_count", bson.D"$max", "$error_count",
		,
		bson.D"$sort", bson.D"max_time", 1,
	

完结撒花🎉