面试题：MongoDB复合键分组在复杂业务场景中的优化应用

Question

考虑一个电商平台的`orders`集合，文档包含`user_id`（用户ID），`product_id`（产品ID），`order_date`（下单日期），`quantity`（购买数量）和`price`（产品单价）。业务需求是分析每个用户在不同月份对不同产品的购买总金额，并且要排除购买总金额小于100的记录，同时按照购买总金额降序排列。假设数据量非常大，需要考虑性能优化。请设计一个高效的MongoDB聚合方案，并解释优化思路。

Answer 1

1. MongoDB聚合方案

db.orders.aggregate([
    // 阶段1：分组计算每个用户在不同月份对不同产品的购买总金额
    {
        $group: {
            _id: {
                user_id: "$user_id",
                month: { $month: "$order_date" },
                product_id: "$product_id"
            },
            total_amount: { $sum: { $multiply: ["$quantity", "$price"] } }
        }
    },
    // 阶段2：排除购买总金额小于100的记录
    {
        $match: {
            total_amount: { $gte: 100 }
        }
    },
    // 阶段3：按照购买总金额降序排列
    {
        $sort: {
            total_amount: -1
        }
    }
]);

2. 优化思路
   • 分组阶段（$group）：在$group阶段使用$month操作符提取order_date的月份，将user_id、month和product_id作为_id进行分组，这样可以高效地计算每个用户在不同月份对不同产品的购买总金额。在大数据量下，这种分组方式可以充分利用MongoDB的并行处理能力，加快计算速度。
   • 过滤阶段（$match）：将$match操作放在$group之后，这样可以先在分组计算后再进行过滤，减少需要处理的数据量。如果先进行过滤，可能会导致一些后续需要计算的数据被提前排除，增加不必要的计算。
   • 排序阶段（$sort）：在数据量很大时，排序操作通常比较消耗资源。将排序操作放在最后，在经过分组和过滤后，数据量已经大幅减少，从而降低排序的压力，提高整体性能。同时，如果数据量极大，可以考虑使用$sortByCount操作替代$sort，$sortByCount在某些场景下性能更优。
   • 索引优化：为了进一步提升性能，可以在user_id、order_date和product_id字段上创建复合索引。例如：db.orders.createIndex({user_id: 1, order_date: 1, product_id: 1})。这样在聚合操作时，MongoDB可以利用索引快速定位和读取数据，减少磁盘I/O操作，提高查询效率。