MongoDB聚合中$sort与$sample结合失效，求解决方法

我之前也碰到过一模一样的情况，MongoDB的$sample在处理大集合时确实会出现这种“无视”排序的诡异表现，本质是它的底层优化策略导致的——当集合数据量较大时，$sample会采用随机游标来快速获取样本，这时候会直接跳过前面的$sort步骤，让你的排序完全失去作用。

下面给你两个可行的解决方案，以及更优的优先级采样思路：

方案一：用$limit缩小数据集后再采样 #

既然$sample在大数据集上会跳过排序，那我们先通过$limit把高优先级的文档筛选到一个小数据集里，再在这个小范围里随机采样。这样MongoDB会先完成完整的排序和截取，再进行随机选择，就能保证从最高优先级的文档里随机挑一个。

示例代码：

db.getCollection('profiles').aggregate([
  {$match: {crawled: false}},
  {$sort: {priority: -1}},
  {$limit: 100}, // 数值可根据业务调整，比如取前100/1000个最高优先级文档
  {$sample: {size: 1}}
])

如果高优先级文档本身数量不多，也可以先统计符合条件的高优先级文档数，再把limit设为这个数值，确保覆盖所有高优先级样本。

方案二：分层随机采样（性能更优） #

如果你的priority是离散的层级（比如1.0、2.0、3.0这类固定值），推荐用分层采样的方式：先从最高优先级的文档里随机取一个，如果没有再往下找次高优先级的。这种方式不需要全局排序，性能会好很多，还能完美保证优先级优先。

示例代码（MongoDB Shell）：

// 按优先级从高到低定义层级顺序
const priorityLevels = [3.0, 2.0, 1.0];
let result = null;

for (const level of priorityLevels) {
  const count = db.getCollection('profiles').countDocuments({crawled: false, priority: level});
  if (count > 0) {
    // 生成随机偏移量，随机选取一个文档
    const skip = Math.floor(Math.random() * count);
    result = db.getCollection('profiles').find({crawled: false, priority: level}).skip(skip).limit(1).next();
    break;
  }
}

printjson(result);

注：这里存在微小的竞态风险（count和find之间可能有文档被修改），如果业务对一致性要求极高，可以用聚合管道实现原子性的分层采样逻辑。

关键优化：添加复合索引 #

不管用哪种方案，都建议给crawled和priority创建复合索引，大幅提升查询/聚合的性能：

db.profiles.createIndex({crawled: 1, priority: -1})

这个索引会被$match和$sort同时利用，避免全表扫描和内存排序。

内容的提问来源于stack exchange，提问作者Jannik