MongoDB含$addFields的聚合查询过慢问题排查

结合你描述的场景（sellerproducts集合含variant数组，通过$lookup关联sellerinventorystocks计算availableStock并筛选有库存文档），基于explain()执行计划，重点排查以下核心瓶颈点：

1. $lookup关联阶段的效率问题 #

• 关联字段无索引：如果$lookup使用localField与foreignField关联，需确认sellerinventorystocks的foreignField是否建有索引。查看explain()中$lookup阶段的扫描类型，若为COLLSCAN（全表扫描），则是最大性能瓶颈，直接导致每次关联都遍历全集合。
• 关联数据集过大：若sellerproducts文档量多且每个文档的variant数组元素多，$lookup会触发大量关联请求。对比explain()中totalDocsExamined（扫描总文档数）与nReturned（返回文档数）的差距，若差距悬殊，说明关联过滤性极差，无效关联占比过高。

2. 数组内$sum计算的开销 #

• 大数组计算负载：若variant数组元素数量过多，数组内的$sum计算会占用大量CPU与内存。查看explain()的executionStats，若$addFields/$project阶段（用于计算availableStock）的executionTimeMillis飙升，说明数组计算是性能瓶颈。
• 未提前过滤数组元素：若无需处理所有variant元素，却先做了全数组关联与计算，会浪费资源。应先通过$filter筛选出需要关联的variant（比如仅保留有SKU的元素），再执行后续操作。

3. 聚合阶段顺序与索引利用 #

• 过滤阶段后置：若先执行$lookup再筛选有库存的文档，会先处理所有文档再过滤，完全浪费无库存文档的关联计算资源。查看explain()中$match的位置，若在$lookup之后，需调整顺序，先通过$match排除无variant、已下架等不可能有库存的文档。
• 初始过滤字段无索引：若$match使用了sellerId、status等过滤字段，需确认这些字段是否建有索引。若explain()中$match阶段为COLLSCAN，说明初始扫描全集合，会大幅增加后续处理的数据集规模。

4. 内存与资源限制 #

• 聚合超出内存阈值：MongoDB聚合默认用内存处理，若数据集过大，会自动写入临时磁盘文件，导致速度骤降。查看explain()的executionStats，若存在usingExternalSort或usingExternalGroupBy标识，说明内存不足，可开启allowDiskUse: true临时缓解，但最优方案是减少处理的数据集大小。
• 服务器资源瓶颈：若explain()中扫描文档数不多但executionTimeMillis极高，需检查服务器CPU、内存使用率，可能是硬件资源不足导致计算延迟。

示例优化后的聚合框架 #

db.sellerproducts.aggregate([
  // 前置过滤，削减后续处理数据集
  { $match: { 
    status: "active",
    variant: { $exists: true, $ne: [] }
  }},
  // 拆分数组，精准关联（按需选择，若需保留原数组结构可后续重组）
  { $unwind: "$variant" },
  // 基于索引字段关联库存表
  { $lookup: {
    from: "sellerinventorystocks",
    localField: "variant.sku",
    foreignField: "sku",
    as: "stock"
  }},
  // 计算单variant可用库存
  { $addFields: {
    "availableStock": { $sum: "$stock.quantity" }
  }},
  // 筛选有库存的记录
  { $match: { availableStock: { $gt: 0 } } },
  // 重组回原数组结构（按需选择）
  { $group: {
    _id: "$_id",
    productInfo: { $first: { name: "$name", sellerId: "$sellerId" } },
    variant: { $push: { sku: "$variant.sku", availableStock: "$availableStock" } }
  }}
], { allowDiskUse: true })

内容的提问来源于stack exchange，提问作者Raj Kumar