如何基于MongoDB百万级文档计算会话时长平均值？

完全理解你的需求，你的算法思路非常清晰，确实可以通过MongoDB的aggregate框架来实现，而且效率也能满足数百万文档的场景。我直接给你对应的聚合查询，再一步步拆解解释：

完整聚合查询 #

db.yourCollectionName.aggregate([
  // 步骤1+2：按session分组，同时获取每个session的最早和最晚日期
  {
    $group: {
      _id: "$session",
      minDate: { $min: "$date" },
      maxDate: { $max: "$date" }
    }
  },
  // 步骤3：计算每个会话的时长（毫秒数），也可以转成其他时间单位
  {
    $addFields: {
      sessionDurationMs: { $subtract: ["$maxDate", "$minDate"] },
      // 可选：转成小时数
      sessionDurationHours: { $divide: [{ $subtract: ["$maxDate", "$minDate"] }, 3600000] }
    }
  },
  // 可选：过滤掉只有一条记录的会话（时长为0）
  {
    $match: {
      sessionDurationMs: { $gt: 0 }
    }
  },
  // 步骤4+5：计算所有会话时长的平均值
  {
    $group: {
      _id: null,
      avgSessionDurationMs: { $avg: "$sessionDurationMs" },
      avgSessionDurationHours: { $avg: "$sessionDurationHours" }
    }
  },
  // 可选：格式化输出，让结果更易读
  {
    $project: {
      _id: 0,
      averageSessionDurationMs: "$avgSessionDurationMs",
      averageSessionDurationHours: { $round: ["$avgSessionDurationHours", 2] }
    }
  }
])

各阶段详解 #

• 第一阶段$group：按照session字段分组，用$min和$max分别提取每个会话的最早和最晚时间戳，这一步对应你算法的前两步。
• 第二阶段$addFields：用$subtract计算两个日期的差值（MongoDB中日期相减得到毫秒数），你可以根据需要转成小时、分钟等单位（比如除以3600000得到小时数）。
• 可选的$match阶段：如果有些会话只有一条记录，时长为0，你可以通过这个阶段过滤掉它们，避免影响平均值。
• 第二阶段$group：把所有会话的时长聚合起来，_id: null表示不分组，直接对所有文档计算平均值，这一步完成你算法的最后两步。
• 可选的$project阶段：美化输出结果，去掉_id字段，同时对小时数做四舍五入，让结果更直观。

性能优化建议 #

因为你的集合有数百万文档，为了让聚合查询更快，建议给session和date字段创建复合索引：

db.yourCollectionName.createIndex({ session: 1, date: 1 })

这个索引能让MongoDB在分组和取最小/最大日期时直接使用索引，不用全表扫描，大幅提升查询速度。

内容的提问来源于stack exchange，提问作者Olaf Erlandsen