MongoDB中如何统计字段唯一值数量？求更优实现方案

需求回顾 #

给定INFODOCS集合，包含PROCESSOR_ID和STATUS字段（STATUS可取"True"、"False"或空字符串），需要统计：

• Working_Processor：存在非空STATUS的唯一PROCESSOR_ID数量
• Total_Processor：所有唯一PROCESSOR_ID的数量

示例数据 #

[
  { "_id": "1", "PROCESSOR_ID": "11", "STATUS": "True" },
  { "_id": "2", "PROCESSOR_ID": "11", "STATUS": "" },
  { "_id": "3", "PROCESSOR_ID": "22", "STATUS": "False" },
  { "_id": "4", "PROCESSOR_ID": "33", "STATUS": "" }
]

预期结果 #

Working_Processor = 2，Total_Processor = 3

当前实现的问题 #

你当前使用$addToSet结合$cond的方案存在两个明显缺陷：

1. 会将None混入WORKING_PROCESSOR集合，需手动减1修正，逻辑冗余且不直观
2. 当没有符合条件的处理器时，$size -1会得到负数结果，存在边界错误

更优实现方案 #

方案一：分阶段分组统计（推荐） #

先按PROCESSOR_ID分组，标记每个处理器是否有非空STATUS，再全局统计总数和有效数，逻辑清晰且性能更优：

[
  // 按PROCESSOR_ID分组，标记是否存在非空STATUS
  {
    "$group": {
      "_id": "$PROCESSOR_ID",
      "is_working": { "$max": { "$ne": ["$STATUS", ""] } }
    }
  },
  // 全局统计总数和有效数
  {
    "$group": {
      "_id": null,
      "Total_Processor": { "$sum": 1 },
      "Working_Processor": { "$sum": { "$cond": ["$is_working", 1, 0] } }
    }
  },
  // 格式化输出字段
  {
    "$project": {
      "_id": 0,
      "Total_Processor": 1,
      "Working_Processor": 1
    }
  }
]

优势：

• 逻辑直观：先确认每个处理器的有效状态，再统计数量，无额外修正步骤
• 无边界错误：即使没有有效处理器，Working_Processor会正确返回0
• 性能更好：避免了大集合上的$addToSet操作（$addToSet在数据量大时内存开销高）

方案二：用$filter替代手动减1 #

如果偏好单阶段分组的结构，可使用$filter过滤空值，避免手动修正的隐患：

[
  {
    "$group": {
      "_id": null,
      "all_processors": { "$addToSet": "$PROCESSOR_ID" },
      "working_candidates": { "$addToSet": { "$cond": [{ "$ne": ["$STATUS", ""] }, "$PROCESSOR_ID", ""] } }
    }
  },
  {
    "$project": {
      "_id": 0,
      "Total_Processor": { "$size": "$all_processors" },
      "Working_Processor": {
        "$size": {
          "$filter": {
            "input": "$working_candidates",
            "cond": { "$ne": ["$$this", ""] }
          }
        }
      }
    }
  }
]

优势：保留了单阶段分组的结构，但用$filter替代手动减1，逻辑更安全，不会出现负数结果。

内容的提问来源于stack exchange，提问作者ankit lohiya