關鍵字：MongoDB； aggregate；forEach 今天開發同學向我們提了一個緊急的需求，從集合mt_resources_access_log中，根據欄位refererDomain分組，取分組中最近一筆插入的數據，然後將這些符合條件的數據導入到集合mt_resources_access_l ...
關鍵字：MongoDB； aggregate；forEach
今天開發同學向我們提了一個緊急的需求，從集合mt_resources_access_log中，根據欄位refererDomain分組，取分組中最近一筆插入的數據，然後將這些符合條件的數據導入到集合mt_resources_access_log_new中。
接到這個需求，還是有些心虛的，原因有二，一是，業務需要，時間緊；二是，實現這個功能MongoDB聚合感覺有些複雜，聚合要走好多步。
數據記錄格式如下：
記錄1 { "_id" : ObjectId("5c1e23eaa66bf62c0c390afb"), "_class" : "C1", "resourceUrl" : "/static/js/p.js", "refererDomain" : "1234", "resourceType" : "static_resource", "ip" : "17.17.13.13", "createTime" : ISODate("2018-12-22T19:45:46.015+08:00"), "disabled" : 0 } 記錄2 { "_id" : ObjectId("5c1e23eaa66bf62c0c390afb"), "_class" : "C1", "resourceUrl" : "/static/js/p.js", "refererDomain" : "1234", "resourceType" : "Dome_resource", "ip" : "17.17.13.14", "createTime" : ISODate("2018-12-21T19:45:46.015+08:00"), "disabled" : 0 } 記錄3 { "_id" : ObjectId("5c1e23eaa66bf62c0c390afb"), "_class" : "C2", "resourceUrl" : "/static/js/p.js", "refererDomain" : "1235", "resourceType" : "static_resource", "ip" : "17.17.13.13", "createTime" : ISODate("2018-12-20T19:45:46.015+08:00"), "disabled" : 0 }
記錄4
{
"_id" : ObjectId("5c1e23eaa66bf62c0c390afb"),
"_class" : "C2",
"resourceUrl" : "/static/js/p.js",
"refererDomain" : "1235",
"resourceType" : "Dome_resource",
"ip" : "17.17.13.13",
"createTime" : ISODate("2018-12-20T19:45:46.015+08:00"),
"disabled" : 0
}
以上是我們的4條記錄，類似的記錄文檔有1500W。
因為情況特殊，業務發版需要這些數據。催的比較急，而 通過 聚合 框架aggregate，短時間有沒有思路， 所以，當時就想著嘗試採用其他方案。
最後，問題處理方案如下。
Step 1 通過聚合框架 根據條件要求先分組，並將新生成的數據輸出到集合mt_resources_access_log20190122 中（共產生95筆數據）；
實現代碼如下：
db.log_resources_access_collect.aggregate( [ { $group: { _id: "$refererDomain" } }, { $out : "mt_resources_access_log20190122" } ] )
Step 2 通過2次 forEach操作，迴圈處理 mt_resources_access_log20190122和mt_resources_access_log的數據。
代碼解釋，處理的邏輯為，迴圈逐筆取出mt_resources_access_log20190122的數據（共95筆），每筆逐行加工處理，處理的邏輯主要是 根據自己的_id欄位數據（此欄位來自mt_resources_access_log聚合前的refererDomain欄位）， 去和 mt_resources_access_log的欄位 refererDomain比對，查詢出符合此條件的數據，並且是按_id 倒序，僅取一筆，最後將Join刷選後的數據Insert到集合mt_resources_access_log_new。
新集合也是95筆數據。
大家不用擔心性能，查詢語句在1S內實現了結果查詢。
db.mt_resources_access_log20190122.find({}).forEach( function(x) { db.mt_resources_access_log.find({ "refererDomain": x._id }).sort({ _id: -1 }).limit(1).forEach( function(y) { db.mt_resources_access_log_new.insert(y) } ) } )
Step 3 查詢驗證新產生的集合mt_resources_access_log_new，結果符合業務要求。
刷選前集合mt_resources_access_log的數據量為1500多W。
刷選後產生新的集合mt_resources_access_log_new 數據量為95筆。
註意：根據時間排序的要求，因為部分文檔沒有createTime欄位類型，且 createTime欄位上沒有創建索引，所以未了符合按時間排序我們採用了sort({_id:1})的變通方法，因為_id 還有時間的意義。下麵的內容為MongoDB對應_id 的相關知識。
最重要的是前4個位元組包含著標準的Unix時間戳。後面3個位元組是機器ID，緊接著是2個位元組的進程ID。最後3個位元組存儲的是進程本地計數器。計數器可以保證同一個進程和同一時刻內不會重覆。
本文版權歸作者所有，未經作者同意不得轉載,謝謝配合！！！
