如何通过MongoDB API从Cosmos DB获取N个随机文档并解决$sample返回重复问题

问题原因 #

Azure Cosmos DB 4.0版本的MongoDB兼容API对$sample聚合运算符的实现和原生MongoDB存在差异：原生MongoDB的$sample会从集合中随机选取指定数量的文档，但Cosmos DB 4.0版本的$sample在未满足触发条件时，会固定返回集合排序后的前N条文档，不会做随机采样，因此每次查询结果都相同。

可行解决方法 #

• 方法1：新增随机值字段实现采样（性能最优，推荐生产环境使用）
  写入文档时为每个文档新增一个取值范围为0_{1的`randomVal`字段，查询时随机生成0}1的阈值，通过范围匹配+限制返回数量的方式拿到随机文档，提前为randomVal字段建立单字段索引即可保证查询性能。示例代码如下：

  // 写入文档时添加字段
  db.collectionName.insertOne({
    // 原有文档字段
    randomVal: Math.random()
  })
  
  // 查询N个随机文档的逻辑
  const N = 1; // 替换为实际需要的采样数量
  const randomThreshold = Math.random();
  let result = db.collectionName.find({ randomVal: { $gte: randomThreshold } }).limit(N).toArray();
  // 阈值接近1时大于阈值的文档不足，补充小于阈值的结果
  if (result.length < N) {
    const remainCount = N - result.length;
    const extraRes = db.collectionName.find({ randomVal: { $lt: randomThreshold } }).limit(remainCount).toArray();
    result = result.concat(extraRes);
  }
  

• 方法2：配合$skip实现随机采样（适合小数据量场景）
  先查询集合总文档数，生成随机偏移量后通过$skip+$limit拿随机文档，总文档量超过10万时不推荐使用，避免$skip带来的性能损耗。示例代码如下：

  const N = 1; // 替换为实际需要的采样数量
  const totalCount = db.collectionName.countDocuments();
  const randomOffset = Math.floor(Math.random() * (totalCount - N + 1));
  const result = db.collectionName.aggregate([
    { $skip: randomOffset },
    { $limit: N }
  ]).toArray();
  

• 方法3：升级MongoDB API兼容版本
  将你的Azure Cosmos DB实例的MongoDB API兼容版本升级到4.2及以上，该版本优化了$sample的实现逻辑，原生支持真正的随机采样，无需修改现有代码即可让原$sample查询返回随机结果。

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