MongoDB大集合按索引字段统计文档数的更快实现方案咨询

第一步：先确认索引生效状态 #

执行以下命令查看执行计划，确认索引是否被正确调用：

db.a.explain("executionStats").count({_type: "test"})

• 如果执行计划中出现COUNT_SCAN阶段，说明查询已经走了最优的索引扫描路径，无需回表读文档，性能瓶颈不在索引使用逻辑上
• 如果执行计划中出现COLLSCAN阶段，说明触发了全表扫描，先排查_type字段的索引是否正常创建、查询值的类型是否和索引字段类型匹配（比如索引建的是字符串类型，查询时传了数值类型）

分场景优化方案 #

场景1：可接受近似统计结果 #

如果不需要100%精确的计数，可采用采样统计方案，毫秒级返回结果：

// 采样10万条数据推算总量，可通过调整采样大小平衡精度和性能
db.a.aggregate([
  { $sample: { size: 100000 } },
  { $match: { _type: "test" } },
  { $count: "sample_match_count" },
  {
    $addFields: {
      estimated_total: {
        $multiply: [ "$sample_match_count", Math.ceil(1711092178 / 100000) ]
      }
    }
  }
])

场景2：需要精确统计结果 #

方案A：分片集群路由优化（你的环境使用mongos，属于分片集群）

如果_type是高频统计维度，可以将_type设置为分片键的前缀。修改后查询_type: "test"时，mongos可直接路由到存储该类数据的分片执行统计，不需要扫描所有分片，性能可提升数倍到数十倍。

方案B：实时预聚合统计

如果_type的可选值为固定枚举值，可通过变更流实时维护计数：

1. 新建独立的统计集合，先跑一次全量统计写入各_type对应的初始计数
2. 部署Change Stream监听a集合的新增、更新、删除事件，对应增减统计集合中对应_type的计数值
3. 后续统计直接读取统计集合的单条文档，毫秒级返回，是精确统计下的最优方案

方案C：离线定时统计

如果允许小时级/天级的统计延迟，可定时跑聚合任务将统计结果写入统计集合，日常查询直接读取预计算结果即可。

内容的提问来源于stack exchange，提问作者R2D2