如何用MongoDB聚合查询计算每日新增唯一会话占比？

当然可以用MongoDB的聚合框架实现这个需求！我们需要拆解问题，一步步处理数据来得到你想要的结果。首先先明确核心逻辑：我们需要统计每日首次登录的唯一用户数，再计算这个数字占截至当日的累计总唯一用户数的百分比（或者根据你对“总会话”的定义调整分母）。

解决方案聚合管道 #

下面是针对你的模型和数据设计的聚合代码，我会逐步骤解释作用：

AnalyticsModel.aggregate([
  // 1. 展开每个日期的登录记录数组，让每条用户登录单独成为一个文档
  { $unwind: "$loginTrack" },
  // 2. 只保留我们需要的字段，简化后续处理
  { $project: {
    createdAt: 1,
    user_id: "$loginTrack.user_id"
  }},
  // 3. 按用户ID分组，找到每个用户的首次登录日期
  { $group: {
    _id: "$user_id",
    firstLoginDate: { $min: "$createdAt" }
  }},
  // 4. 按首次登录日期分组，统计每日新增的唯一用户数
  { $group: {
    _id: "$firstLoginDate",
    newUsers: { $sum: 1 }
  }},
  // 5. 按日期升序排序，确保累计计算的顺序正确
  { $sort: { _id: 1 } },
  // 6. 使用窗口函数计算截至当日的累计总唯一用户数
  { $setWindowFields: {
    sortBy: { _id: 1 },
    output: {
      totalUniqueUsers: { $sum: "$newUsers", window: { documents: ["unbounded", "current"] } }
    }
  }},
  // 7. 计算百分比并格式化输出字段
  { $project: {
    _id: 0,
    date: "$_id",
    newSessionsAvg: { $round: [{ $multiply: [{ $divide: ["$newUsers", "$totalUniqueUsers"] }, 100] }, 2] }
  }}
])

步骤解释 #

1. $unwind：把每个日期对应的loginTrack数组拆分成独立文档，这样我们能单独处理每个用户的登录记录。
2. $project：只保留日期和用户ID，过滤掉不需要的字段，减少后续计算的冗余。
3. $group（按user_id）：找到每个用户第一次登录的日期，这一步是区分“新增用户”和“回头用户”的核心。
4. $group（按首次登录日期）：统计每天有多少用户是首次登录，得到当日的新增唯一用户数。
5. $sort：按日期升序排列，确保窗口函数能正确计算从第一天到当前日期的累计值。
6. $setWindowFields：用窗口函数计算累计总唯一用户数，["unbounded", "current"]表示统计范围从第一个文档到当前文档。
7. $project：计算新增用户占累计用户的百分比（乘以100转为百分比格式，用$round保留两位小数），并把字段名改成你需要的date和newSessionsAvg。

针对你的示例数据的输出 #

代入你提供的样本数据，运行后会得到：

[
  {"date": "2018-03-22", "newSessionsAvg": 100},
  {"date": "2018-03-23", "newSessionsAvg": 33.33},
  {"date": "2018-03-24", "newSessionsAvg": 0}
]

如果你的“总会话”定义是累计登录会话次数（而非唯一用户数），可以调整聚合逻辑中的分母计算，把累计唯一用户数换成累计登录次数即可。

内容的提问来源于stack exchange，提问作者TLR