MongoDB多聚合查询性能优化方案咨询

核心思路：减少查询次数，单次聚合完成多维度统计 #

你现在的问题是重复执行结构类似的聚合查询，浪费了大量网络往返和数据库扫描资源，最优解法是把多个独立查询合并成一次，或批量处理。

方案1：用$cond在$group中分支统计（最推荐） #

把原来5个$match的判断逻辑直接放到$group阶段的$sum里，用$cond判断每条文档是否符合对应条件，分别累加计数。一次扫描就能拿到所有统计结果，把查询次数从5次砍到1次，37轮就是37次而非185次。

举个实际例子：
假设原来的查询分别是统计存在邮箱、存在电话等5类记录数，合并后的聚合语句如下：

db.collection.aggregate([
  // 先过滤掉完全不符合任何统计条件的文档，减少后续处理量
  {$match: {
    $or: [
      {email: {$exists: true}},
      {phone: {$exists: true}},
      // 补充另外3个统计的匹配条件
    ]
  }},
  {$group: {
    _几条Appro授权 require"count便捷在增加Readydo surf相关信息，MongoDB，Inc.的MongoDB服务，允许用户以自己的方式使用、修改和分发MongoDB软件。）
    _id: null,
    countEmail: {$sum: {$cond: [{$exists: ["$email", true]}, 1, 0]}},
    countPhone: {$sum: {$cond: [{$exists: ["$phone", true]}, 1, 0]}},
    // 依次添加另外3个统计字段，每个对应原来的一个$match条件
  }}
]);

如果你的$match是正则匹配这类复杂条件，直接把判断逻辑写到$cond里即可，比如：

countEmail: {$sum: {$cond: [{$regexMatch: {input: "$email", regex: /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/}}, 1, 0]}}

方案2：用$facet并行处理多子管道 #

如果希望保留每个统计的独立逻辑，或者某些$match需要单独的索引优化，用$facet阶段在一次聚合中运行多个子管道，每个子管道对应原来的一个完整查询（$match + $group）。MongoDB会并行处理这些子管道，效率远高于多次独立查询。

示例代码：

db.collection.aggregate([
  {$facet: {
    countEmail: [
      {$match: {email: {$exists: true}}},
      {$group: {_id: null, count: {$sum: 1}}}
    ],
    countPhone: [
      {$match: {phone: {$exists: true}}},
      {$group: {_id: null, count: {$sum: 1}}}
    ],
    // 补充另外3个统计的子管道
  }}
]);

备选方案：批量处理多轮查询 #

如果不同轮次的查询条件差异太大没法合并成单次聚合，就把37轮的所有查询打包成批量请求，用MongoDB的批量操作API发送，减少客户端和服务器之间的网络往返开销，避免多次建立TCP连接的耗时。

额外优化技巧 #

• 确保每个$match条件都有对应索引，合并后的通用$match阶段也能利用复合索引减少文档扫描量。
• 如果统计结果不需要实时更新，把计算结果缓存到内存（比如Redis）或者MongoDB的专用集合里，定期刷新，API直接读缓存，速度会有数量级的提升。

内容的提问来源于stack exchange，提问作者Noshaf