MongoDB聚合查询优化求助：百万级事件文档Top10查询提速

针对你这个处理百万级事件文档的聚合查询性能问题，我整理了几个针对性的优化手段，你可以优先尝试：

• 先排查基础字段匹配错误
  注意到你描述的文档时间字段是timestamp，但聚合查询的$match阶段用的是timeEvent——如果这是笔误，那这个过滤条件根本无法生效，会导致MongoDB扫描全部数百万文档，这绝对是查询慢的核心原因。先确认字段名是否一致，把$match里的字段修正为timestamp：

  { "$match" : { "timestamp" : { "$gt" : ISODate("2017-07-17T00:00:00Z") } } }
  

• 创建覆盖型复合索引
  这是提升这类聚合查询性能最有效的手段。针对你的查询流程，创建{timestamp: 1, product: 1}的复合索引：

  db.product_events.createIndex({timestamp: 1, product: 1})
  

  这个索引能实现两个关键优化：

  1. $match阶段可以通过索引快速筛选出符合时间条件的文档，彻底避免全表扫描；
  2. 索引中已经包含product字段，$group阶段可以直接从索引中读取数据完成统计，不需要回表加载完整文档，大幅减少IO开销。

• 简化聚合管道语法
  你的$group+$sort组合可以用MongoDB内置的$sortByCount操作符替代，它本质上是这两个阶段的简化封装，虽然不会带来质的性能提升，但能让代码更简洁易读：

  "aggregate" : "product_events", "pipeline" : [
    { "$match" : { "timestamp" : { "$gt" : ISODate("2017-07-17T00:00:00Z") } } },
    { "$sortByCount" : "$product" },
    { "$limit" : 10 }
  ]
  

• 验证索引是否生效
  创建索引后，用explain命令确认索引是否被正确使用：

  db.product_events.aggregate([
    { "$match" : { "timestamp" : { "$gt" : ISODate("2017-07-17T00:00:00Z") } } },
    { "$group" : { "_id" : "$product", "count" : { "$sum" : 1 } } },
    { "$sort" : { "count" : -1 } },
    { "$limit" : 10 }
  ], { explain: "executionStats" })
  

  查看输出中的executionStats.executionStages.stage字段，如果显示IXSCAN说明索引生效；如果还是COLLSCAN，则需要检查索引是否创建正确、字段名是否完全匹配。

• 分片集群环境额外优化
  如果你的MongoDB是分片集群，确保分片键的设计能让查询负载分散到多个分片。比如分片键包含timestamp或product，这样$match和$group操作可以在多个分片上并行执行，最后由mongos合并结果，能显著提升整体查询速度。

内容的提问来源于stack exchange，提问作者proximator