mongodb - 如何规范化/减少 mongoDB 中的时间数据？

Question

我在 MongoDB 中存储了详细的性能数据，每个集合都是一种性能报告，每个文档都是阵列上端口在那个时间点的测量值:

{
  "DateTime" : ISODate("2012-09-28T15:51:03.671Z"),
  "array_serial" : "12345",
  "Port Name" : "CL1-A",
  "metric" : 104.2
}

每个“array_serial”最多可以有 128 个不同的“端口名称”条目。

随着数据的老化，我希望能够在增加的时间跨度内对其进行平均:

• 最多 1 周:分钟
• 1 周到 1 个月:5 分钟
• 1 - 3 个月:15 分钟

等等以下是我对时间进行平均的方式，以便可以减少它们:

var resolution = 5; // How many minutes to average over     
var map = function(){
        var coeff = 1000 * 60 * resolution;
        var roundTime = new Date(Math.round(this.DateTime.getTime() / coeff) * coeff);
        emit(roundTime, { value : this.metric, count: 1 } );
 };

我将在 reduce 函数中对值和计数求和，并在 finalize 函数中获取平均值。

如您所见，这将仅在忽略“端口名称”值的时间对数据进行平均，我需要对每个“array_serial”上的每个“端口名称”随时间的值进行平均。

那么如何在上面的映射函数中包含端口名称呢？发出的键是否应该是我稍后拆分的复合“array_serial、PortName、DateTime”值？或者我应该使用查询功能来查询每个不同的序列号、端口和时间？我是否正确地将这些数据存储在数据库中？

此外，据我所知，这些数据被保存到它自己的集合中，用这个平均数据替换集合中的数据的标准做法是什么？

---

这就是你说的 Asya 吗？因为它没有将四舍五入到较低 5 分钟的文档分组(顺便说一句，我将“DateTime”更改为“datetime”):

    $project: {
                "year" : { $year : "$datetime" },
                "month" : { $month : "$datetime" },
                "day" : { $dayOfMonth : "$datetime" },
                "hour" : { $hour : "$datetime" },
                "minute" : { $mod : [ {$minute : "$datetime"}, 5] },
                array_serial: 1,
                port_name: 1,
                port_number: 2,
                metric: 1
}

据我所知，“$mod”运算符将返回分钟除以五的剩余时间，对吗？

如果我能让聚合框架而不是 mapreduce 来执行此操作，这将真正帮助我。

Answer 1

以下是您可以在聚合框架中执行此操作的方法。我正在使用一个小的简化——我只对年、月和日期进行分组——在你的情况下，你需要添加小时和分钟以进行更细粒度的计算。如果您得到的数据样本中的点分布不均匀，您还可以选择是否进行加权平均。

project={"$project" : {
        "year" : {
            "$year" : "$DateTime"
        },
        "month" : {
            "$month" : "$DateTime"
        },
        "day" : {
            "$dayOfWeek" : "$DateTime"
        },
        "array_serial" : 1,
        "Port Name" : 1,
        "metric" : 1
    }
};
group={"$group" : {
        "_id" : {
            "a" : "$array_serial",
            "P" : "$Port Name",
            "y" : "$year",
            "m" : "$month",
                    "d" : "$day"
        },
        "avgMetric" : {
            "$avg" : "$metric"
        }
    }
};

db.metrics.aggregate([project, group]).result

我用一些随机样本数据运行它并得到了这种格式的东西:

[
    {
        "_id" : {
            "a" : "12345",
            "P" : "CL1-B",
            "y" : 2012,
            "m" : 9,
            "d" : 6
        },
        "avgMetric" : 100.8
    },
    {
        "_id" : {
            "a" : "12345",
            "P" : "CL1-B",
            "y" : 2012,
            "m" : 9,
            "d" : 7
        },
        "avgMetric" : 98
    },
    {
        "_id" : {
            "a" : "12345",
            "P" : "CL1-A",
            "y" : 2012,
            "m" : 9,
            "d" : 6
        },
        "avgMetric" : 105
    }
]

如您所见，这是每个 array_serial、端口名称、年/月/日组合的一个结果。您可以使用 $sort 将它们按照您想要的顺序进行处理。

以下是您如何扩展项目步骤以包括小时和分钟，同时将分钟四舍五入为每五分钟的平均值:

{
    "$project" : {
        "year" : {
            "$year" : "$DateTime"
        },
        "month" : {
            "$month" : "$DateTime"
        },
        "day" : {
            "$dayOfWeek" : "$DateTime"
        },
        "hour" : {
            "$hour" : "$DateTime"
        },
        "fmin" : {
            "$subtract" : [
                {
                    "$minute" : "$DateTime"
                },
                {
                    "$mod" : [
                        {
                            "$minute" : "$DateTime"
                        },
                        5
                    ]
                }
            ]
        },
        "array_serial" : 1,
        "Port Name" : 1,
        "metric" : 1
    }
}

希望您能够将其扩展到您的特定数据和要求。