如何在MongoDB百万级数据中高效统计包含指定值的唯一账户数

现有查询性能低的核心原因 #

你当前的语句有两个核心性能瓶颈：一是聚合逻辑冗余，$addToSet需要在内存中存储所有符合条件的唯一账户名，当符合条件的账户量级大时内存开销高、执行速度慢；二是缺少针对性索引，百万级数据下全表扫描耗时极高。另外如果你的Fruit字段是示例里展示的逗号分隔字符串，你现有$match逻辑本身就是错误的，只能匹配Fruit完全等于Banana的文档，无法匹配包含Banana的逗号分隔字符串。

优化方案 #

1. 简化聚合管道逻辑 #

去掉冗余的$project阶段，同时替换低效的全量存账户再计数的逻辑，改为先按账户分组去重再统计，大幅降低内存开销：

若Fruit字段存储的是数组（和你现有$match逻辑匹配）

优化后的聚合语句如下：

[
  // 筛选所有Fruit包含Banana的文档
  {
    $match: {
      Fruit: 'Banana'
    }
  },
  // 按Account分组自动去重，每个符合条件的账户只会生成一个分组
  {
    $group: {
      _id: "$Account"
    }
  },
  // 直接统计分组总数即为最终结果
  {
    $count: "FinalAccountCounts"
  }
]

若Fruit字段是示例展示的逗号分隔字符串

需要先修正$match逻辑，再执行后续分组：

[
  {
    $match: {
      Fruit: { $regex: /Banana/ }
    }
  },
  {
    $group: {
      _id: "$Account"
    }
  },
  {
    $count: "FinalAccountCounts"
  }
]

2. 新增索引实现百倍级性能提升 #

这是百万级数据下优化效果最明显的手段：

• 如果Fruit是数组类型，创建联合覆盖索引：db.collection.createIndex({Fruit: 1, Account: 1})，整个查询可以完全通过索引完成，不需要读取任何原始文档。
• 如果Fruit是逗号分隔字符串，创建全文索引：db.collection.createIndex({Fruit: "text"})，同时把$match阶段改为全文搜索，比正则匹配性能高很多：

$match: {
  $text: { $search: "Banana" }
}

内容的提问来源于stack exchange，提问作者user2131907