De meest "performante" manier om dit te doen, is door de $unwind
. over te slaan heel en eenvoudig $group
tellen. In wezen "filter" arrays krijgen de $size
van de resultaten naar $sum
:
db.objects.aggregate([
{ "$match": {
"createddate": {
"$gte": ISODate("2015-08-30T00:00:00.000Z")
},
"activity.action": "test_action"
}},
{ "$group": {
"_id": null,
"count": {
"$sum": {
"$size": {
"$setDifference": [
{ "$map": {
"input": "$activity",
"as": "el",
"in": {
"$cond": [
{ "$eq": [ "$$el.action", "test_action" ] },
"$$el",
false
]
}
}},
[false]
]
}
}
}
}}
])
Toekomstige releases van MongoDB hebben $filter
, wat dit veel eenvoudiger maakt:
db.objects.aggregate([
{ "$match": {
"createddate": {
"$gte": ISODate("2015-08-30T00:00:00.000Z")
},
"activity.action": "test_action"
}},
{ "$group": {
"_id": null,
"count": {
"$sum": {
"$size": {
"$filter": {
"input": "$activity",
"as": "el",
"cond": {
"$eq": [ "$$el.action", "test_action" ]
}
}
}
}
}
}}
])
$unwind
gebruiken zorgt ervoor dat de documenten de-normaliseren en creëert effectief een kopie per array-invoer. Vermijd dit waar mogelijk vanwege de vaak extreme kosten. Het filteren en tellen van array-items per document is in vergelijking veel sneller. Zoals een eenvoudige $match
en $group
pijplijn vergeleken met vele fasen.