MongoDB聚合查询：筛选指定时段内符合A/B事件组合规则的用户

• find方法无法实现该需求：它仅支持单文档维度的条件匹配，无法完成同一用户跨多条行为记录的时序先后对比、多事件逻辑校验，这类关联计算必须依赖聚合管道实现。
• 完全可以通过单个聚合管道完成需求，$group是核心计算阶段，无需强制使用$facet。

对应业务场景，符合要求的用户可简化为两类：

• 统计时段内从未触发过事件B（如OrderPlace），但至少触发过一次事件A（如AddToCart）的用户
• 统计时段内触发过事件B，但在第一次触发事件B之后，还至少触发过一次事件A的用户

对应需要排除的用户：

• 从未触发过事件A的用户
• 所有触发的事件A，都早于自身第一次触发的事件B的用户（即样例中alpha4这类，加购后下单、下单后再无加购行为的用户）

以统计最近1小时的AddToCart目标用户为例，管道全流程如下：

// 1. 前置过滤：缩小计算范围，减少全表扫描开销
{
  $match: {
    time: {
      $gte: 一小时前的时间戳,
      $lte: 当前时间戳
    },
    "event name": { $in: ["AddToCart", "OrderPlace"] }
  }
},
// 2. 按用户分组，聚合两类事件的时间戳列表
{
  $group: {
    _id: "$user id",
    // 收集该用户所有AddToCart的时间
    addCartTimes: {
      $push: {
        $cond: [
          { $eq: ["$event name", "AddToCart"] },
          "$time",
          "$$REMOVE"
        ]
      }
    },
    // 收集该用户所有OrderPlace的时间
    orderTimes: {
      $push: {
        $cond: [
          { $eq: ["$event name", "OrderPlace"] },
          "$time",
          "$$REMOVE"
        ]
      }
    }
  }
},
// 3. 基础校验：排除没有任何加购行为的用户
{
  $match: {
    addCartTimes: { $ne: [] }
  }
},
// 4. 计算校验所需的关键时间点
{
  $addFields: {
    // 取用户最早的下单时间，没有下单则默认时间为0（早于所有统计时段内的时间）
    firstOrderTime: { $ifNull: [ { $min: "$orderTimes" }, 0 ] },
    // 取用户最晚的加购时间
    lastAddCartTime: { $max: "$addCartTimes" }
  }
},
// 5. 核心规则校验：最晚的加购时间晚于最早的下单时间，即符合要求
{
  $match: {
    $expr: { $gt: ["$lastAddCartTime", "$firstOrderTime"] }
  }
},
// 6. 整理输出格式
{
  $project: {
    _id: 0,
    userId: "$_id"
  }
}

这套管道跑出来的结果会完全匹配测试样例：alpha4因所有加购时间早于首次下单时间被排除，alpha1、alpha2、alpha3因符合规则被纳入最终用户列表。

• 上述逻辑无需使用$facet：直接按用户分组计算的流程扫描次数少，对海量行为数据的兼容性更好。$facet适合需要在同一次扫描中并行输出多维度统计结果的场景（比如同时返回符合条件的用户数、排除的用户数），如果仅需要输出目标用户列表，用$facet反而会增加不必要的内存消耗。

• 提前给集合建立{ time: 1, "event name": 1, "user id": 1 }的复合索引，让前置过滤阶段可以直接命中索引，避免全表扫描，在海量数据场景下能大幅提升查询性能。

内容的提问来源于stack exchange，提问作者Muhammad Hashir Anwaar