MongoDB按master元素提取数组唯一元素的实现及优化咨询

写法正确性评估 #

你写的聚合逻辑大方向可行，但存在两处不足：

• 缺少过滤master元素的步骤：当前执行后返回的items数组会包含你指定的master值（比如master为1时结果会包含1），不符合需求。
• 存在冗余步骤：$project阶段完全可以省略，直接对$data做$unwind即可，不会影响结果还能减少计算开销。
• 小规范问题：$group的_id写固定字符串'a'不影响功能，但更推荐写null，明确表示全局分组的意图。

优化后的正确写法示例（master为1的场景）：

[
  {$match: {"data": 1}},
  {$unwind: '$data'},
  {$match: {data: {$ne: 1}}}, // 提前过滤master元素，减少后续计算量
  {$group: {_id: null, items: {$addToSet: '$data'}}}
]

执行后返回的items字段就是符合要求的结果集。

性能问题分析 #

原写法在数据量较大时会有明显性能瓶颈：

• 若匹配到的文档数量多、且每个文档的data数组长度大，$unwind会展开大量元素，后续$addToSet全局去重的内存开销会很高，甚至可能触发MongoDB默认100MB的聚合内存限制，需要开启allowDiskUse才能执行，速度会进一步变慢。
• 提前在$unwind后过滤master元素的优化，可以减少后续分组阶段需要处理的元素数量，一定程度降低性能开销。

索引优化建议 #

你只需要给data字段创建单字段普通索引即可大幅提升查询效率：

db.collection.createIndex({data: 1})

MongoDB对数组字段建索引时，会自动为数组内的每一个元素创建索引条目，$match阶段的{"data": 1}查询可以直接命中该索引，快速筛选出符合条件的文档，避免全集合扫描，性能提升非常明显。

内容的提问来源于stack exchange，提问作者Max Frai