MongoDB聚合：$match置于$unwind前后的结果与性能差异疑问

一、结果差异的核心原因 #

你对第一个查询的$match条件存在误解：{ 'authors': { $ne: '' } }并没有过滤空数组文档，它的实际逻辑是匹配所有authors字段值不是空字符串的文档。由于数组（包括空数组[]、仅含空字符串的数组['']）与空字符串类型不同，这类文档都会被保留。

两个查询的处理流程差异直接导致统计结果不同：

• 第一个查询流程：

  1. 保留所有authors非空字符串的文档（含空数组、含空字符串的数组文档）
  2. 执行$unwind：空数组文档被丢弃，含空字符串的数组会被拆分成包含authors: ''的单个文档
  3. $group阶段会把authors: ''的条目也统计进去，最终结果会包含空字符串作者的书籍数量

• 第二个查询流程：

  1. 先执行$unwind：空数组文档被丢弃，含空字符串的数组拆分成包含authors: ''的文档
  2. 再通过$match过滤掉authors: ''的文档
  3. $group仅统计非空字符串的作者，最终结果不会出现空字符串作者的条目

如果你的数据库中存在authors数组包含空字符串的文档，这就是结果不同的直接原因。

如果你原本想在第一个查询中过滤空数组文档，正确的$match条件应该是：

// 简单写法，匹配非空数组
{ $match: { 'authors': { $ne: [] } } }

// 更严谨的写法，确保字段存在且非空
{ $match: { 'authors': { $exists: true, $not: { $size: 0 } } } }

使用正确条件后，两个查询的统计结果会一致（前提是没有单个authors字段为空字符串的文档）。

二、性能影响对比 #

第一个查询（先$match后$unwind） #

• 优势：提前过滤不符合条件的文档，减少后续$unwind需要处理的数据量，降低内存占用和处理时间。如果authors字段有索引，$match还能利用索引快速过滤，进一步提升性能。
• 注意：如果$match条件错误（比如你原来的写法），会保留不必要的文档，性能提升有限甚至无变化。

第二个查询（先$unwind后$match） #

• 劣势：先对所有文档的authors数组执行$unwind，会生成大量中间文档（尤其是数组元素多的场景），后续再过滤会浪费计算资源，内存占用更高，处理速度更慢。而且$unwind后的$match无法利用原数组字段的索引，进一步降低效率。

总结：聚合管道中优先将$match放在最前面是最佳实践，能有效减少后续阶段的数据处理量，但前提是$match条件必须准确匹配业务需求。

内容的提问来源于stack exchange，提问作者omersk