如何在MongoDB聚合中关联字典值，实现按颜色分组统计成本

嘿，我完全懂你的痛点——原来的聚合里反复用$lookup查tags集合，相当于给每个拆分后的文档都发一次数据库查询，速度慢是必然的。既然你已经提前把颜色映射生成到了Jidcs字典里，完全可以跳过数据库IO，直接在聚合阶段用这个字典做内存映射，性能会提升一大截！

下面分两种MongoDB版本场景给出最优方案：

方案1：MongoDB 4.4+（推荐）：用$function直接调用本地字典 #

MongoDB 4.4及以上支持在聚合中使用$function执行自定义JS逻辑，能直接引用你已经生成的Jidcs字典，一步完成ID到颜色值的映射：

// 先过滤出需要的items（只保留tagidlist包含Jidcs中ID的文档，减少后续处理量）
db.items.aggregate([
    {$match: {"tagidlist": {$in: Object.keys(Jidcs).map(idStr => ObjectId(idStr))}}},
    {$unwind: "$tagidlist"},
    {$addFields: {
        tagvalue: {
            $function: {
                body: function(tagId, colorDict) {
                    // 将ObjectId类型的tagId转为字符串，匹配字典的键
                    return colorDict[tagId.toString()];
                },
                args: ["$tagidlist", Jidcs], // 传入聚合字段和本地字典
                lang: "js"
            }
        }
    }},
    {$group: {
        _id: "$tagvalue",
        totalCost: {$sum: "$cost"} // 把字段名改成totalCost更清晰，可选
    }}
]);

为什么这个更快？ #

所有映射操作都在内存中完成，完全跳过了对tags集合的反复查询，避免了大量数据库IO开销，性能提升会非常明显。

方案2：MongoDB 4.2及以下：用映射数组+$filter+$arrayElemAt #

如果你的MongoDB版本低于4.4，先把Jidcs字典转换成MongoDB能处理的数组格式，再用聚合运算符完成映射：

// 第一步：将Jidcs字典转为[{_id: ObjectId(...), tagvalue: "颜色值"}, ...]的数组
const colorMap = Object.entries(Jidcs).map(([idStr, color]) => ({
    _id: ObjectId(idStr),
    tagvalue: color
}));

// 第二步：执行聚合
db.items.aggregate([
    {$match: {"tagidlist": {$in: Object.keys(Jidcs).map(idStr => ObjectId(idStr))}}},
    {$unwind: "$tagidlist"},
    {$addFields: {
        tagvalue: {
            // 从colorMap数组中匹配对应的颜色值
            $arrayElemAt: [
                {$filter: {
                    input: colorMap,
                    cond: {$eq: ["$$this._id", "$tagidlist"]}
                }},
                0 // 取第一个匹配结果（因为_id唯一，只会有一个）
            ].tagvalue
        }
    }},
    {$group: {
        _id: "$tagvalue",
        totalCost: {$sum: "$cost"}
    }}
]);

关键注意事项 #

1. 类型匹配：确保Jidcs的键类型和tagidlist中的类型匹配——如果tagidlist是ObjectId类型，字典的键需要是对应的字符串，或者在转换colorMap时把键转回ObjectId（如上代码）。
2. 保留$match阶段：先过滤掉不需要的文档，减少后续聚合处理的数据量，进一步提升速度。

内容的提问来源于stack exchange，提问作者Rorschach