在 MongoDB 数组中查找索引

Posted 2023-03-16

【中文标题】在 MongoDB 数组中查找索引

【英文标题】：Looking up index in a MongoDB array

【发布时间】：2021-06-02 19:50:58

【问题描述】：

我们的数据提供者以一种奇怪的格式提供数据。数组date 和value 是对应的并且保证具有相同的长度。无论出于何种原因，他们甚至决定在 date 中混合 int 和 string 值。

[
  
    "_id": "A000005933",
    "date": [905270400000, 918748800000, 937843200000, 965923200000, 983289600000, 984931200000, 1152806400000, "1171987200000", "1225382400000", "1229616000000", "1286208000000", "1455552000000"],
    "value": ["0.25", "0.15", "0", "0.25", "0.15", "0", "0.25", "0.5", "0.3", "0.1", "0.1", "-0.1"],
    "version": 1614837436798
  ,
  
    "_id": "A000005934",
    "date": [915120000000, 923587200000, 941731200000, 949593600000, 953222400000, 956851200000, 962121600000, 967737600000, 970761600000, 989510400000, 999187200000, 1000742400000, 1005235200000, 1039104000000, 1046966400000, 1054828800000, 1133798400000, 1141747200000, 1150300800000, 1155052800000, 1160496000000, 1165939200000, 1173801600000, 1181664000000, 1215532800000, 1224000000000, 1226419200000, 1228838400000, 1232467200000, 1236700800000, 1239120000000, 1242144000000, 1302624000000, 1310486400000, 1320768000000, 1323792000000, 1341936000000, 1367942400000, 1384272000000, 1402416000000, 1410278400000, 1458057600000],
    "value": ["3", "2.5", "3", "3.25", "3.5", "3.78", "4.25", "4.5", "4.78", "4.5", "4.25", "3.75", "3.25", "2.78", "2.5", "2", "2.25", "2.5", "2.75", "3", "3.25", "3.5", "3.75", "4", "4.25", "3.75", "3.25", "2.5", "2", "1.5", "1.25", "1", "1.25", "1.5", "1.25", "1", "0.75", "0.5", "0.25", "0.15", "0.05", "0"],
    "version": 1614837436548
  ,
  ......
]

我们的典型用例是根据_id 和date 查找value，所以我不得不这样做。

def get_value_from_mongo(id_: str, date: datetime.date) -> float:
    result = db.indicators.find_one("_id": _id, "value": 1, "date": 1)
    date_list = list(map(str, result["date"]))
    price_list = list(map(str, result["value"]))

    dt = date.strftime("%s000")
    price = float(price_list[date_list.index(dt)])

    return price

这是非常低效的，因为每次我想检索单个值时都会扫描整个数组。也许我可以进行二分搜索，但不能保证 date 会被排序，我不想依赖这种行为。

我可以使用任何 MongoDB 运算符来加快查询速度吗？

【问题讨论】：

您是否考虑过以不同的方式提取数据，以便以更有效的方式对其进行索引和查询？

@Joe 有点像，但是做 ETL/ELT 听起来需要做很多工作，我不确定我能不能做对。我的意思是，有很多数据，我需要定期合并和监控。对我来说听起来很复杂：/

俗话说，你买东西在前端或后端，如果你选择在这里支付后端，我想就是这样。您可以考虑将此查询转换为聚合框架作业，以便您的 mongo 集群可以执行它，而不是您的业务应用程序。

我不明白应该返回什么。与 (date, id) 匹配的价格？或者你是在假设数组永远不会包含欺骗？

@grodzi date 数组永远不会包含重复项，date 中的每个元素对应于value 中相同索引处的元素。更具体地说，在上面的示例中，id A000005933 在日期 923587200000 的价格（即价值）是 0.15。

【参考方案1】：

第一种可能性是专注于查找：在日期数组上创建索引

这是为了降低写入速度。

在下面的执行计划中，您可以看到使用了索引（如果它带来了那的改进，您应该进行基准测试）

> db.indicators.explain().find(dates: '1.1')

  "queryPlanner" : 
    "plannerVersion" : 1,
    "namespace" : "dummy.indicators",
    "indexFilterSet" : false,
    "parsedQuery" : 
      "dates" : 
        "$eq" : "1.1"
      
    ,
    "queryHash" : "4204704C",
    "planCacheKey" : "1DBFE945",
    "winningPlan" : 
      "stage" : "FETCH",
      "inputStage" : 
        "stage" : "IXSCAN",// <------
        "keyPattern" : 
          "dates" : 1
        ,
        "indexName" : "dates_1",
        "isMultiKey" : true,
        "multiKeyPaths" : 
          "dates" : [
            "dates"
          ]
        ,
        "isUnique" : false,
        "isSparse" : false,
        "isPartial" : false,
        "indexVersion" : 2,
        "direction" : "forward",
        "indexBounds" : 
          "dates" : [
            "[\"1.1\", \"1.1\"]"

第二种可能性是专注于检索尽可能少的数据

提示瓶颈不是日期查找而是数据传输

因此这不会改进查找（假设您在数据库端而不是应用程序代码端“迭代”数组）。

你可以使用

positional operator 使用 mongo >= 4.4 将投影作为 find 中的第二个参数

db.indicators.remove()
db.indicators.insert([_id: '0', dates: [1, '1.1', 2], prices: [1,2,3]])
fetch = date => 
  print(date)
  res = db.indicators.find(
    
      dates: 
        $elemMatch: 
          $in: [Number(date), String(date)]
        
      
    ,
    
      'prices.$': 1 // <<--------
    
  ).toArray()
  printjson(res)

fetch(2) // [  "_id" : "0", "prices" : [ 3 ]  ]
fetch('1.1') // [  "_id" : "0", "prices" : [ 2 ]  ]

---

显然你可以组合 1 和 2，但我会尝试只使用 2 以避免创建索引