MongoDB聚合查询计数过慢求助：6万文档耗时12秒

嘿，针对你这个6万条文档的聚合查询耗时12秒的问题，我来拆解下优化思路，帮你把查询速度提上来！

首先先分析原查询的核心瓶颈：

• 两次$lookup加$unwind会大幅膨胀中间处理的文档量——如果一个用户对应多个公司，$unwind会把单文档拆成多条，后续处理压力陡增
• 缺少关键索引支撑，导致$match和$lookup阶段被迫全表扫描，这是耗时的主要原因

下面是具体的优化步骤：

1. 先建关键索引（最基础也最有效） #

给过滤和关联字段建索引，让MongoDB能快速定位数据，避免全表扫描：

• 给users集合的userType建索引，加速初始过滤：

  db.users.createIndex({userType: 1})
  

• 给companies集合的owner.id建索引，加速第一次关联：

  db.companies.createIndex({"owner.id": 1})
  

• 确认companytypes集合的_id有索引（MongoDB默认会给_id建索引，自定义ID的话记得补上）

2. 重构聚合流程，减少不必要的文档处理 #

原查询里的$unwind本质是为了过滤无匹配关联的文档，但我们可以用更高效的方式替代，同时把嵌套关联提前，减少数据传输量：

优化后的查询：

db.getCollection('users').aggregate([
  // 第一步：快速过滤出目标用户
  {"$match": {"userType": "employer"}},
  // 第二步：关联companies时，内部完成companytypes的匹配和过滤
  {"$lookup": {
    "from": "companies",
    "localField": "_id",
    "foreignField": "owner.id",
    "as": "company",
    "pipeline": [
      {"$lookup": {
        "from": "companytypes",
        "localField": "type.id",
        "foreignField": "_id",
        "as": "companyType"
      }},
      // 只保留有有效类型匹配的公司
      {"$match": {"companyType": {"$ne": []}}}
    ]
  }},
  // 过滤掉没有匹配到有效公司的用户
  {"$match": {"company": {"$ne": []}}},
  // 直接计数，替代原有的group语法
  {"$count": "total"}
])

这个优化的核心优势：

• 把companytypes的关联嵌套到companies的lookup管道中，在关联阶段就完成类型匹配，不用把所有关联结果带回users集合再处理，大幅减少数据传输量
• 用$match过滤非空数组替代$unwind，避免单文档拆分成多条，减少中间处理的文档数量
• 用$count替代$group，语法更简洁，执行效率完全一致

3. 验证优化效果 #

你可以用explain命令查看执行计划，对比原查询和优化后查询的耗时差异：

// 查看优化后查询的执行统计
db.getCollection('users').aggregate([/* 优化后的查询内容 */]).explain("executionStats")

重点关注executionStats里的totalDocsExamined（扫描的总文档数）和executionTimeMillis（执行时间），应该会有明显下降。

内容的提问来源于stack exchange，提问作者jones