MongoDB聚合$bucket边界下水果统计的多方案实现详解

基于给定的用户集合，我们需要按≤30岁、40-50岁、50岁以上三个年龄区间分桶，每个桶返回用户总数和各水果的统计数量。以下是两种不同的聚合管道实现方案，每一步都做详细解释。

原始集合结构 #

[
  { _id: 123, name: "john", age: 30, fruit: "apple" },
  { _id: 345, name: "moore", age: 45, fruit: "mango" },
  { _id: 545, name: "carl", age: 30, fruit: "grape" },
  { _id: 96, name: "shelby", age: 25, fruit: "apple" },
  { _id: 86, name: "loris", age: 48, fruit: "mango" },
  { _id: 76, name: "carl", age: 55, fruit: "grape" }
]

方案1：先分桶，再嵌套统计水果 #

聚合管道代码 #

db.users.aggregate([
  // 阶段1：按指定年龄边界分桶
  {
    $bucket: {
      groupBy: "$age",
      boundaries: [0, 31, 40, 51],
      default: "more than 50",
      output: {
        "userCount": { $sum: 1 },
        "fruits": { $push: "$fruit" }
      }
    }
  },
  // 阶段2：生成水果统计数组
  {
    $addFields: {
      fruitsLie: {
        $map: {
          input: { $setUnion: ["$fruits"] },
          as: "fruit",
          in: {
            $arrayToObject: [[{
              k: "$$fruit",
              v: { $size: { $filter: { input: "$fruits", cond: { $eq: ["$$this", "$$fruit"] } } } }
            }]]
          }
        }
      }
    }
  },
  // 阶段3：清理临时字段
  {
    $project: {
      fruits: 0
    }
  }
])

阶段详细解释 #

1. $bucket 分桶阶段

   • groupBy: "$age"：指定用age字段作为分桶依据
   • boundaries: [0, 31, 40, 51]：定义分桶的数值边界，对应三个有效区间：
     • 0 ≤ 年龄 < 31 → 桶ID为0（覆盖≤30岁的用户）
     • 40 ≤ 年龄 < 51 → 桶ID为40（覆盖40-50岁的用户）
     • 年龄 ≥51 → 进入default指定的桶
   • default: "more than 50"：处理所有不在boundaries范围内的年龄（这里是50岁以上）
   • output：每个桶输出两个字段：
     • userCount：用$sum:1统计桶内的用户总数（每一条数据加1）
     • fruits：用$push把桶内所有用户的fruit字段收集成一个数组，比如["apple", "grape", "apple"]

2. $addFields 生成水果统计

   • $setUnion: ["$fruits"]：从fruits数组中提取不重复的水果名称，避免重复统计
   • $map：遍历每个不重复的水果，生成统计对象：
     • $filter：从fruits数组中筛选出等于当前水果的元素
     • $size：统计筛选后的元素数量，得到该水果的用户数
     • $arrayToObject：把{k: 水果名, v: 数量}转换成{水果名: 数量}的对象，再套一层数组，匹配需求的fruitsLie格式

3. $project 清理字段

   • 移除临时生成的fruits数组，只保留最终需要的_id、userCount、fruitsLie字段

方案2：先细分组，再按桶聚合 #

聚合管道代码 #

db.users.aggregate([
  // 阶段1：按年龄桶+水果分组统计
  {
    $group: {
      _id: {
        ageBucket: {
          $switch: {
            branches: [
              { case: { $lte: ["$age", 30] }, then: 0 },
              { case: { $and: [{ $gt: ["$age", 30] }, { $lte: ["$age", 50] }] }, then: 40 },
              { case: { $gt: ["$age", 50] }, then: "more than 50" }
            ]
          }
        },
        fruit: "$fruit"
      },
      count: { $sum: 1 }
    }
  },
  // 阶段2：按年龄桶合并统计结果
  {
    $group: {
      _id: "$_id.ageBucket",
      userCount: { $sum: "$count" },
      fruitsLie: { $push: { $arrayToObject: [[{ k: "$_id.fruit", v: "$count" }]] } }
    }
  },
  // 阶段3：按桶ID排序（可选）
  {
    $sort: { _id: 1 }
  }
])

阶段详细解释 #

1. $group 细粒度分组

   • _id是复合键：包含ageBucket（手动划分的年龄区间）和fruit（用户喜欢的水果）
   • $switch：直接定义三个年龄区间的桶ID，完全匹配需求：
     • 年龄≤30 → 桶ID为0
     • 年龄>30且≤50 → 桶ID为40
     • 年龄>50 → 桶ID为more than 50
   • count: { $sum:1 }：统计每个（年龄桶+水果）组合的用户数量，比如{_id: {ageBucket:0, fruit:"apple"}, count:2}

2. $group 按桶聚合

   • _id: "$_id.ageBucket"：按年龄桶重新分组，把同一桶内的水果统计结果合并
   • userCount: { $sum: "$count" }：把桶内所有水果的统计数量相加，得到该桶的总用户数
   • fruitsLie: { $push: ... }：把每个（水果:数量）的对象推入数组，用$arrayToObject转换格式，生成符合要求的fruitsLie数组

3. $sort 排序（可选）

   • 按_id升序排列，让结果顺序更直观：0 → 40 → more than 50

两种方案对比 #

• 方案1：逻辑更直观，先完成分桶再处理桶内数据，适合新手理解$bucket的基础用法，但如果桶内用户数量大，生成的fruits数组会占用较多内存
• 方案2：先做细粒度分组，再向上聚合，避免生成大数组，数据量大时性能更优，适合实际生产环境

内容的提问来源于stack exchange，提问作者Mohammad Farhan