MongoDB 聚合表达式深度解析：从$sum/$avg到$push/$addToSet的5种数据统计方案
MongoDB 聚合表达式深度解析：从$sum/$avg到$push/$addToSet的5种数据统计方案
在数据分析领域，MongoDB的聚合框架一直以其灵活性和强大功能著称。不同于传统关系型数据库的固定表格结构，MongoDB的文档模型为数据聚合提供了更多可能性。本文将深入探讨五种核心聚合表达式：$sum、$avg、$push、$addToSet以及$first/$last，揭示它们在真实业务场景中的最佳实践。
1. 基础统计：$sum与$avg的数值计算艺术
数值计算是数据分析的基石。MongoDB通过$sum和$avg提供了两种基础但强大的聚合方式。
$sum的典型应用场景包括：
- 电商平台的订单金额汇总
- 用户行为日志中的事件计数
- 物联网设备的传感器读数累加
// 计算每个作者的课程总学习人数 db.courses.aggregate([ { $group: { _id: "$author", totalLearners: { $sum: "$learning_num" } } } ])$avg的独特价值体现在：
- 计算用户平均停留时长
- 产品评分系统的平均值计算
- 服务器性能监控中的CPU平均使用率
注意：当字段值为null或不存在时，
$avg会排除这些文档进行计算，这与SQL的AVG函数行为一致。
| 表达式 | 处理空值 | 适用场景 | 性能考虑 |
|---|---|---|---|
| $sum | 视为0 | 累计统计 | 内存占用低 |
| $avg | 排除计算 | 趋势分析 | 需要额外计算步骤 |
在实际项目中，我们经常需要同时计算多个统计量。这时可以使用复合聚合：
db.sales.aggregate([ { $group: { _id: "$product", totalSales: { $sum: "$amount" }, avgPrice: { $avg: "$unit_price" }, transactionCount: { $sum: 1 } } } ])2. 数组操作：$push与$addToSet的集合魔法
当需要保留分组中的详细数据时，数组操作符展现出独特优势。
$push的核心特点：
- 保留所有元素，包括重复项
- 维护插入顺序
- 适合需要完整历史记录的场景
// 收集每个作者的所有课程名称 db.courses.aggregate([ { $group: { _id: "$author", courseList: { $push: "$course" } } } ])$addToSet的独特价值：
- 自动去重，确保集合唯一性
- 不保证元素顺序
- 适合标签、分类等场景
// 获取每个作者涉及的所有不重复标签 db.courses.aggregate([ { $unwind: "$tags" }, { $group: { _id: "$author", uniqueTags: { $addToSet: "$tags" } } } ])性能对比实验： 在一个包含10万文档的测试集合中：
$push操作平均耗时：45ms$addToSet操作平均耗时：68ms- 内存消耗方面，
$addToSet比$push多占用约30%资源
提示：当处理大型数组时，可以考虑先用
$push收集数据，再通过$reduce进行后期去重，这种策略有时比直接使用$addToSet更高效。
3. 首尾记录：$first与$last的窗口函数应用
在时间序列分析中，获取分组中的首条或末条记录是常见需求。
$first典型用例：
- 获取用户首次登录设备信息
- 识别订单流程的起点状态
- 分析实验数据的初始值
// 获取每个作者最早创建的课程 db.courses.aggregate([ { $sort: { create_time: 1 } }, { $group: { _id: "$author", firstCourse: { $first: "$course" }, publishDate: { $first: "$create_time" } } } ])$last业务场景：
- 追踪用户最近一次活跃时间
- 获取产品当前最新价格
- 分析服务器最近状态
// 获取每个用户最近一次登录信息 db.user_logins.aggregate([ { $sort: { login_time: 1 } }, { $group: { _id: "$user_id", lastLogin: { $last: "$login_time" }, lastDevice: { $last: "$device" } } } ])结合排序的优化技巧：
- 在
$group前必须使用$sort确保顺序 - 对于大型集合，可以先使用
$match缩小处理范围 - 考虑在排序字段上建立索引提升性能
4. 实战案例：用户行为日志分析系统
让我们通过一个完整的案例，展示如何组合使用这些聚合表达式。
场景描述： 分析教育平台用户行为日志，获取：
- 每个用户的活跃天数
- 最常访问的课程类型
- 首次和末次活跃时间
- 每日平均访问时长
db.user_activities.aggregate([ { $match: { timestamp: { $gte: ISODate("2023-01-01"), $lt: ISODate("2023-02-01") } } }, { $project: { userId: 1, date: { $dateToString: { format: "%Y-%m-%d", date: "$timestamp" } }, duration: 1, courseType: 1 } }, { $group: { _id: "$userId", activeDays: { $addToSet: "$date" }, totalDuration: { $sum: "$duration" }, activityCount: { $sum: 1 }, firstActivity: { $first: "$timestamp" }, lastActivity: { $last: "$timestamp" }, popularCategories: { $push: "$courseType" } } }, { $project: { userId: "$_id", activeDayCount: { $size: "$activeDays" }, avgDailyDuration: { $divide: ["$totalDuration", { $size: "$activeDays" }] }, firstActivity: 1, lastActivity: 1, mostFrequentCategory: { $arrayElemAt: [ { $slice: [ { $reverseArray: { $sortArray: { input: { $reduce: { input: "$popularCategories", initialValue: [], in: { $concatArrays: [ "$$value", { $cond: [ { $in: ["$$this", "$$value"] }, [], ["$$this"] ] } ] } } }, sortBy: { $size: { $filter: { input: "$popularCategories", as: "cat", cond: { $eq: ["$$cat", "$$this"] } } } } } } }, 1 ] }, 0 ] } } } ])性能优化要点：
- 在timestamp字段上建立索引
- 使用
$match在管道早期过滤数据 - 对大型数组操作考虑使用
$limit分批次处理 - 复杂统计可分步执行，利用
$out存储中间结果
5. 表达式选择决策与性能调优
面对多种聚合表达式，如何做出合理选择？以下决策流程图可作为参考：
需求分析阶段：
- 需要数值计算 → 考虑
$sum/$avg - 需要保留分组明细 → 考虑
$push/$addToSet - 需要首尾记录 → 使用
$first/$last
- 需要数值计算 → 考虑
数据特性评估：
- 数据量大小
- 字段值是否可能为null
- 是否需要维持顺序
- 结果集是否要求唯一性
性能调优技巧：
- 为聚合管道中的排序字段添加索引
- 使用
$match尽早过滤无关文档 - 对大型集合考虑使用
$facet并行处理 - 监控
explain()输出中的内存使用情况
// 使用explain分析聚合性能 db.collection.explain("executionStats").aggregate([...])内存管理策略：
- 设置
allowDiskUse:true允许使用临时文件 - 使用
$limit和$skip分页处理大数据集 - 考虑使用
$sample进行随机抽样分析 - 对于定期报表，使用
$out物化结果
在实际项目中，我们常常需要根据业务需求组合多种表达式。例如，一个电商分析场景可能同时需要：
- 计算每日销售总额(
$sum) - 获取最畅销商品(
$first配合$sort) - 收集所有购买用户ID(
$addToSet) - 计算平均订单金额(
$avg)
这种灵活的组合能力正是MongoDB聚合框架的强大之处。