计算数据模型

进入MongoDB中文手册（4.2版本）目录

1 概述

通常，应用程序需要从数据库中存储的源数据中获取值。计算新值可能需要大量的CPU资源，尤其是在大型数据集或必须检查多个文档的情况下。
如果经常需要一个计算值，那么将其提前保存在数据库中会更有效。这样，当应用程序请求数据时，仅需要一个读取操作。

2 计算模式

如果读取的次数大大超过写入的次数，则计算模式将减少执行计算的频率。应用程序没有将计算负担附加到每次读取上，而是存储了计算值并根据需要重新计算。应用程序可以在每次写操作时重新计算该值，这些写操作会更改计算值的源数据，或者作为定时任务的一部分。

注意
使用定期更新时，不能保证计算值在任何给定的读取中都是准确的。但是，如果不要求精确性，则此方法可能值得提高性能。

3 示例

一个应用程序显示电影观众和收入信息。
考虑以下screenings集合：

// screenings collection

{
    "theater": "Alger Cinema",
    "location": "Lakeview, OR",
    "movie_title": "Reservoir Dogs",
    "num_viewers": 344,
    "revenue": 3440
}
{
    "theater": "City Cinema",
    "location": "New York, NY",
    "movie_title": "Reservoir Dogs",
    "num_viewers": 1496,
    "revenue": 22440
}
{
    "theater": "Overland Park Cinema",
    "location": "Boise, ID",
    "movie_title": "Reservoir Dogs",
    "num_viewers": 760,
    "revenue": 7600
}

用户通常想知道有多少人看了一部电影以及该电影赚了多少钱。在此示例中，对于放映了标题为“ Reservoir Dogs”的电影, 您对该电影进行读取并对对num_viewers 和revenue字段的值求和。为了避免每次请求信息时都执行该计算，您可以计算总值并将其与电影记录本身一起存储在一个movies集合中：

// movies collection

{
    "title": "Reservoir Dogs",

    "total_viewers": 2600,

    "total_revenue": 33480,

    ...
}

在低写入环境中，可以结合screenings数据的任何更新来完成计算。
在定期写入的环境中，可以按定义的时间间隔进行计算-例如每小时进行一次。screenings的源数据不受对movies集合的写入的影响，因此您可以随时运行计算。
这是一种常见的设计模式，可以减少CPU工作量并提高应用程序性能。每当您重复执行相同的计算并且读写比很高时，请考虑计算模式。

3.1 其他用例的示例

除了经常要求求和的情况（例如在电影数据库示例中获得总收入或观众数）之外，无论何时需要对数据进行计算，计算模式都非常合适。例如：

• 一家汽车公司对车辆数据进行大规模汇总查询，存储结果并在接下来的几个小时显示，直到重新计算数据为止。
• 一家消费者报告公司，它收集来自多个不同来源的数据并按顺序创建列表，例如“ 100个最佳审查小工具”。在独立更新基础数据的同时，可以定期重新生成列表。

进入MongoDB中文手册（4.2版本）目录