MongoDB 聚合查询与 MySQL SELECT field1 FROM 表

我对 MongoDB 完全陌生，想要比较 NoSQL 数据模型相对于关系数据库对应部分的查询性能。我将其写入 MongoDB shell

// Make 10 businesses
// Each business has 10 locations
// Each location has 10 departments
// Each department has 10 teams
// Each team has 100 employees
(new Array(10)).fill(0).forEach(_=>
    db.businesses.insert({
        "name":"Business Name",
        "locations":(new Array(10)).fill(0).map(_=>({
            "name":"Office Location",
            "departments":(new Array(10)).fill(0).map(_=>({
                "name":"Department",
                "teams":(new Array(10)).fill(0).map(_=>({
                    "name":"Team Name",
                    "employees":(new Array(100)).fill(0).map(_=>({
                        "age":Math.floor(Math.random()*100)
                    }))
                }))
            }))
        }))
    })
);

然后我尝试了与 MySQL 相当的方法EXPLAIN SELECT age,name,(and a few other fields) FROM employees WHERE age >= 50 ORDER BY age DESC通过写这个声明：

db.businesses.aggregate([
    { $unwind: "$locations" },
    { $unwind: "$locations.departments" },
    { $unwind: "$locations.departments.teams" },
    { $unwind: "$locations.departments.teams.employees" },
    { $project: { _id: 0, age: "$locations.departments.teams.employees.age" } },
    { $match: { "age": { $gte: 50 }} },
    { $sort: {"age" : -1}}
]).explain("executionStats")

结果是：

"errmsg" : "排序超出了 104857600 字节的内存限制，但没有 选择外部排序。正在中止操作。传递allowDiskUse:true 选择加入。",

所以我删除了排序子句并尝试得到一个explain。但结果是：

类型错误：db.businesses.aggregate(...).explain 不是函数

所以我的问题是：

1. 首先，我想知道性能差异SELECT age FROM employees WHERE age >= 50 ORDER BY age DESC与 MongoDB 的聚合查询对应部分相比。或多或少是一样的吗？其中一个会比另一个更快或更高效吗？

2. 或者，如何修复 MongoDB 查询，以便获得性能详细信息以与 MySQL 查询对应部分进行比较？

员工是单一实体；因此，您可能不想建模age团队成员如此深入地了解部门、地点和团队的丰富结构。有一个单独的就完全没问题了employees收集并简单地执行以下操作：

db.businesses.aggregate([
{$match: {"age": {$gt: 50} }}
,{$sort: {"age": -1} }
]);

在你的深处businesses您可以拥有的收藏：

{ teams: [ {name: "T1", employees: [ "E1", "E34" ]} ] }

或者，试试这个：

db.businesses.aggregate([ your pipeline] ,{allowDiskUse:true});

OP 的设置为 10 个业务 -> 10 个地点 -> 10 个部门 -> 10 个团队 -> 100 名员工。前 3 次展开会产生 10000 倍的数据爆炸，但最后一次是 100 倍以上。我们可以通过使用来缩小命中$filter:

db.businesses.aggregate([
{ $unwind: "$locations" },
{ $unwind: "$locations.departments" },
{ $unwind: "$locations.departments.teams" },

{$project: {
        XX: {$filter: {
                    input: "$locations.departments.teams.employees",
                    as: "z",
                    cond: {$gte: [ "$$z.age", 50] }
            }}
    }}
,{$unwind: "$XX"}
,{$sort: {"XX.age":-1}}])