MongoDB如何查找4个cards无重叠文档的最高平均rating

首先明确：该需求完全可以通过MongoDB聚合查询实现，相比应用层遍历计算能减少大量数据传输开销，配合提前剪枝逻辑性能会有数量级提升。

核心实现思路 #

我们的目标是找4个无重复卡片、平均评分最高的文档组合，利用「高评分组合的单文档评分必然处于整体靠前区间」的特性，先过滤出候选集再做组合校验，避免全量笛卡尔积计算。

具体聚合步骤 #

前置准备 #

给集合的rating字段添加降序索引，加速排序过滤：

db.collection.createIndex({ rating: -1 })

聚合查询示例 #

db.collection.aggregate([
  // 步骤1：过滤候选集，取rating前100的文档，可根据业务调整阈值，平衡精度和性能
  { $sort: { rating: -1 } },
  { $limit: 100 },
  // 步骤2：生成第一个笛卡尔积，关联第二个文档，提前校验卡片无交集
  {
    $lookup: {
      from: "collection",
      let: { firstCards: "$cards", firstRating: "$rating" },
      pipeline: [
        { $sort: { rating: -1 } },
        { $limit: 100 },
        { $match: { $expr: { $eq: [ { $size: { $setIntersection: [ "$cards", "$$firstCards" ] } }, 0 ] } } }
      ],
      as: "secondDoc"
    }
  },
  { $unwind: "$secondDoc" },
  // 步骤3：关联第三个文档，提前校验和前两个文档卡片都无交集
  {
    $lookup: {
      from: "collection",
      let: { firstCards: "$cards", secondCards: "$secondDoc.cards" },
      pipeline: [
        { $sort: { rating: -1 } },
        { $limit: 100 },
        {
          $match: {
            $expr: {
              $and: [
                { $eq: [ { $size: { $setIntersection: [ "$cards", "$$firstCards" ] } }, 0 ] },
                { $eq: [ { $size: { $setIntersection: [ "$cards", "$$secondCards" ] } }, 0 ] }
              ]
            }
          }
        }
      ],
      as: "thirdDoc"
    }
  },
  { $unwind: "$thirdDoc" },
  // 步骤4：关联第四个文档，提前校验和前三个文档卡片都无交集
  {
    $lookup: {
      from: "collection",
      let: { firstCards: "$cards", secondCards: "$secondDoc.cards", thirdCards: "$thirdDoc.cards" },
      pipeline: [
        { $sort: { rating: -1 } },
        { $limit: 100 },
        {
          $match: {
            $expr: {
              $and: [
                { $eq: [ { $size: { $setIntersection: [ "$cards", "$$firstCards" ] } }, 0 ] },
                { $eq: [ { $size: { $setIntersection: [ "$cards", "$$secondCards" ] } }, 0 ] },
                { $eq: [ { $size: { $setIntersection: [ "$cards", "$$thirdCards" ] } }, 0 ] }
              ]
            }
          }
        }
      ],
      as: "fourthDoc"
    }
  },
  { $unwind: "$fourthDoc" },
  // 步骤5：计算组合平均评分
  {
    $addFields: {
      avgRating: { $avg: [ "$rating", "$secondDoc.rating", "$thirdDoc.rating", "$fourthDoc.rating" ] }
    }
  },
  // 步骤6：取平均评分最高的唯一组合
  { $sort: { avgRating: -1 } },
  { $limit: 1 },
  // 可选：格式化输出结果，按需保留字段
  {
    $project: {
      _id: 0,
      avgRating: 1,
      docIds: [ "$_id", "$secondDoc._id", "$thirdDoc._id", "$fourthDoc._id" ],
      allCards: { $concatArrays: [ "$cards", "$secondDoc.cards", "$thirdDoc.cards", "$fourthDoc.cards" ] }
    }
  }
])

性能优化建议 #

• 合理调整$limit的阈值：如果业务中高评分文档的卡片重复率低，取前50即可覆盖最优解；如果重复率高可以调整到150-200，阈值越高计算量越大。
• 可额外添加初始过滤条件：比如只保留rating大于某个阈值的文档，进一步缩小候选集范围。
• 避免全量计算：如果不做候选集过滤直接全量生成笛卡尔积，数据量过大会触发MongoDB内存限制，性能甚至不如应用层计算，前置过滤是核心优化点。

内容的提问来源于stack exchange，提问作者Apehk