MongoDB如何基于timeline数组中CREATED状态对象的date字段筛选文档

你完全不需要新增额外字段再筛选，直接使用$elemMatch查询符即可实现高效筛选，这是性能最优的实现方式，还可以直接利用索引加速查询。

1. 普通查询场景（仅筛选符合条件的文档） #

直接使用find方法搭配$elemMatch匹配timeline数组中同时满足status=CREATED且date落在指定时间范围的元素即可，示例如下（以筛选2015年6月的数据为例）：

db.你的集合名.find({
  timeline: {
    $elemMatch: {
      status: "CREATED",
      date: {
        $gte: ISODate("2015-06-01T00:00:00Z"),
        $lt: ISODate("2015-07-01T00:00:00Z")
      }
    }
  }
})

你可以提前创建复合索引大幅提升查询性能：

db.你的集合名.createIndex({"timeline.status": 1, "timeline.date": 1})

2. 聚合场景（筛选后需要继续做聚合计算） #

直接把上述$elemMatch的匹配条件放到聚合管道的第一个$match阶段即可，第一步就过滤掉所有不符合条件的文档，减少后续聚合的计算量，示例如下：

db.你的集合名.aggregate([
  // 首阶段筛选，可走索引
  {
    $match: {
      timeline: {
        $elemMatch: {
          status: "CREATED",
          date: {
            $gte: ISODate("2015-06-01T00:00:00Z"),
            $lt: ISODate("2015-07-01T00:00:00Z")
          }
        }
      }
    }
  },
  // 后续添加你需要的其他聚合操作，比如分组、统计、投影等
  {
    $group: {
      _id: "$client.id",
      totalTransAmount: {$sum: "$amount.amount"}
    }
  }
])

方案优势 #

和你原本「先新增字段再筛选」的思路相比，该方案的性能优势非常明显：

• 不需要遍历全量文档做字段计算，首阶段直接过滤无效数据
• 可以利用提前创建的复合索引，数据量越大性能差距越显著
• 语法更简洁，不需要额外的字段处理逻辑

内容的提问来源于stack exchange，提问作者Alex A.