Mongo时间戳转日期以及日期分组
最近遇到的一个数据统计折线图的性能优化点，可以说是一定思维上的转变，就记录下咯
背景：cron定时任务读取当前统计数据的异常值，频率为每五分钟记录一次，折线图要求获取每日的异常项峰值
最一开始的想法：将数据读取到内存中进行条件过滤、计算
首先根据时间戳将数据以日期作为分组，其次在每个分组中获取异常项的峰值数据，时间复杂度O(n*n)，最好以日期分组列表+峰值数据列表作为对象返回结果
遇到性能问题：一天的数据量为(60/5)*24=288，默认日期为15天，则统计的数据量为4230，接口返回甚至需要8、9秒的时间，作为一个项目的门面折线图，这种情况 达咩！
优化的念头：我要拿每天的峰值数据，怎么才能直接取到每天的峰值呢，mongo的聚合是不是可以做到啊？ $group可以按日期做分组， $max可以拿到最大值，接下来一个 $sort好像是就成了吧！ 说干就干！！
接下来的聚合语句均为mongo pipeline，最后附上golang的bson条件哈
// ResultCountModel _
type ResultCountModel struct {
CommonBase `json:",inline" yaml:",inline" bson:",inline"`
ErrorCount int `json:"error_count" bson:"error_count"`
Timestamp int64 `json:"timestamp" bson:"timestamp"`
MaxTime int64 `json:"max_time" bson:"max_time"`
}
数据结构定义如上，这里使用CommonBase，是因为在$group聚合后会得到_id唯一标识字段，因此便于获取最后的聚合结果，在定义结构体时将其加上；timestamp单位为毫秒
1、日期筛选
第一步，毫无疑问，对时间戳timestamp进行日期的过滤
{
$match: {
timestamp: {
$gte: 1671897600000, // min_timestamp
$lt: 1673280000000 // max_timestamp
}
}
}
$gte 大于等于
$lt 小于
2、日期转换
第二步，根据时间戳大小进行日期的转换，这里是用的是$project， 将具有请求字段的文档传递到管道中的下一阶段。指定的字段可以是输入文档中的现有字段或是新计算的字段
使用$project主要思路是，将timestamp时间戳转换为标准日期，之后输出为想要的format形式；同时使用 $project保留需要的字段
时间戳转换日期
核心方法：$dateToString
{
$dateToString: {
date: <dateExpression>,
format: <formatString>,
timezone: <tzExpression>,
onNull: <expression>
}
}
-
date：要转换的字符串日期，必须是解析为Date、Timestamp、ObjectID 的有效表达式 -
format： 日期格式规范 -
timezone：运算结果的时区，常用UTC偏移量 -
onNull： date为null或缺失时要返回的值
日期格式想要“月份-日期”，那format: “%m-%d”
日期数据这里，如果直接使用输入文档中的现有字段的话 date: “$timestamp”，则会报错：PlanExecutor error during aggregation :: caused by :: can’t convert from BSON type long to Date
因此我们需要将时间戳转换为日期： 即格林威治开始时间(1970-01-01 00：00：00)+时间戳+时差
date:{
$add:[
new Date(0),
"$timestamp",
28800000
]
},
注意⚠️：
- MongoDB时间的基本单位为毫秒，所以本文直接使用”$timestamp”即可；若时间单位为秒级时，则需要使用 $multiply进行乘法运算：{ $multiply:[" $timestamp”,1000]}
- MongoDB是UTC时区，即中时区(0度经线)， 中国为东八区，因此需要使用timezone添加8小时(即28800000毫秒)
pipeline如下：
day:{
$dateToString:{
format:"%m-%d",
date:{
$add:[
new Date(0),
"$timestamp",
28800000
]
},
}
},
保留需要字段
/**
* specifications: The fields to
* include or exclude.
*/
{
timestamp:1,
error_count:1,
}
$project将保留字段置为1即可进行数据保留操作
第二步完整pipeline如下：
{
$project: {
day: {
$dateToString: {
format: '%m-%d',
date: {
$add: [
ISODate('1970-01-01T00:00:00.000Z'),
'$timestamp',
28800000
]
}
}
},
timestamp: 1,
error_count: 1
}
},
3、日期分组
第三步，使用$group进行日期分组
{
$group:
{
_id: <expression>, // Group key
<field1>: { <accumulator1> : <expression1> },
...
}
}
-
_id： 表达式指定组密钥 -
field： 计算使用的累加器运算符
这里我们需要将第二步获得的日期转换进行分组聚合，同时获取每个分组的异常项最大值即峰值数据
{
$group: {
_id: '$day',
error_count: {
$max: '$error_count'
},
max_time: {
$max: '$timestamp'
}
}
},
这里额外获取了max_time字段，主要用于在计算统计数据时的排序，在最后排序部分会使用到
4、日期排序
这里做一个假设，如果不使用max_time的话，如何将数据进行按日期的排序呢？ 如果根据_id进行排序，则会出现“上年末”排序在“下年初”的情况（感谢现在的📅，不然会忘记这个问题）
所以将每个分组的最大时间戳保留下来时很有必要的！
这里取$max $min都是可以的哈
{
$sort: {
max_time: 1
}
}
最终完整pipeline：
[{
$match: {
timestamp: {
$gte: 1671897600000,
$lt: 1673280000000
}
}
}, {
$project: {
day: {
$dateToString: {
format: '%m-%d',
date: {
$add: [
ISODate('1970-01-01T00:00:00.000Z'),
'$timestamp',
28800000
]
}
}
},
timestamp: 1,
error_count: 1
}
}, {
$group: {
_id: '$day',
error_count: {
$max: '$error_count'
},
max_time: {
$max: '$timestamp'
}
}
}, {
$sort: {
max_time: 1
}
}]
[{
$match: {
timestamp: {
$gte: 1671897600000,
$lt: 1673280000000
}
}
}, {
$project: {
day: {
$dateToString: {
format: '%m-%d',
date: {
$add: [
ISODate('1970-01-01T00:00:00.000Z'),
'$timestamp',
28800000
]
}
}
},
timestamp: 1,
error_count: 1
}
}, {
$group: {
_id: '$day',
error_count: {
$max: '$error_count'
},
max_time: {
$max: '$timestamp'
}
}
}, {
$sort: {
max_time: 1
}
}]
在golang里面，Aggregate则直接使用pipeline即可，亦可转换为filter使用
filter代码：
filter := bson.A{
bson.D{{"$match", bson.D{
{"timestamp", bson.D{
{"$gte", param.MinTimestamp},
{"$lt", param.MaxTimestamp},
}}}},
},
bson.D{{"$project", bson.D{
{"day", bson.D{
{"$dateToString", bson.D{
{"format", "%m-%d"},
{"date", bson.D{
{"$add", bson.A{
time.Date(1970, 1, 1, 0, 0, 0, 0, time.UTC),
"$timestamp",
28800000,
}},
}},
}},
}},
{"error_count", 1},
{"timestamp", 1},
}}},
bson.D{{"$group", bson.D{
{"_id", "$day"},
{"max_time", bson.D{{"$max", "$timestamp"}}},
{"error_count", bson.D{{"$max", "$error_count"}}},
}}},
bson.D{{"$sort", bson.D{{"max_time", 1}}}},
}
完结撒花🎉