MongoDBSUM求和两大方法

0：背景：

最近在做数据统计部分，数据是放在MongoDB的，我们一开始的方法是从MongoDB中将数据取出，在PHP中做运算，后面发现数据量大的时候，太慢了，120W的数据差不多要花30秒，后面实在受不了，于是打算使用MapReduce重构。

1：MapReduce：

$db->command([
'mapreduce' => 'orders',
'map' => 'function(){emit("money",this.money)}',
'reduce' => 'function(key, values){return Array.sum(values)}',
'query' => $map,
'out' => 'total_money'
]);
$re = $collection->selectCollection('total_money')->find();


但是用MapReduce后，性能提升不明显，目测只有10%左右。可能得益于省去网络的传输成本。

引用

1.group(先筛选再分组，不支持分片，对数据量有所限制，效率不高)

2.mapreduce(基于js引擎，单线程执行，效率较低，适合用做后台统计等)

3.aggregate(推荐) (如果你的PHP的mongodb驱动版本需>=1.3.0，推荐你使用aggregate，性能要高很多，并且使用上要简单些，不过1.3的目前还不支持账户认证模式，可以通过http://pecl.php.net/package/mongo查看更新日志和Bug)

后面发现，楼主的mongodb驱动刚好好能用aggregate，所以果断使用aggregate。

2：aggregate

$collection->aggregate([
['$match' => $map],
['$group' => [
'_id' => null,
'total_money' => ['$sum' => '$money'],
'total_money_usd' => ['$sum' => '$money_usd']
]]
]);


由于楼主的MongoDB比较旧，所以不能再 $project 中调用 $sum（可以点我看看官方文档）。可以可贺的是，120w数据从原来的30秒下降到18秒，体验大大提升。领导看数据汇总也终于不用等半天了，下一步就是搞清楚分片以及升级一下MongoDB，看看有没有再提升的空间。