基于Morphia实现MongoDB按小时、按天聚合操作

mongodb按照天数或小时聚合

需求

最近接到需求，需要对用户账户下的设备状态，分别按照天以及小时进行聚合，以此为基础绘制设备状态趋势图.
实现思路是启动定时任务，对各用户的设备状态数据分别按照小时以及天进行聚合，并存储进数据库*用户后续查询.
涉及到的技术栈分别为：spring boot,mongodb,morphia.

数据模型

@data
@builder
@entity(value = "rawdevstatus", noclassnamestored = true)
// 设备状态索引
@indexes({
        // 设置数据超时时间(ttl，mongodb根据ttl在后台进行数据删除操作)
        @index(fields = @field("time"), options = @indexoptions(expireafterseconds = 3600 * 24 * 72)),
        @index(fields = {@field("userid"), @field(value = "time", type = indextype.desc)})
})
public class rawdevstatus {

    @id
    @jsonproperty(access = jsonproperty.access.write_only)
    private objectid objectid;

    private string userid;

    private instant time;

    @embedded("points")
    list<point> protocolpoints;

    @data
    @allargsconstructor
    public static class point {
        /**
         * 协议类型
         */
        private protocol protocol;

        /**
         * 设备总数
         */
        private integer total;

        /**
         * 设备在线数目
         */
        private integer onlinenum;

        /**
         * 处于启用状态设备数目
         */
        private integer enablenum;
    }
}

上述代码是设备状态实体类，其中设备状态数据是按照设备所属协议进行区分的.

@data
@builder
@entity(value = "aggregationdevstatus", noclassnamestored = true)
@indexes({
        @index(fields = @field("expireat"), options = @indexoptions(expireafterseconds = 0)),
        @index(fields = {@field("userid"), @field(value = "time", type = indextype.desc)})
})
public class aggregationdevstatus {

    @id
    @jsonproperty(access = jsonproperty.access.write_only)
    private objectid objectid;

    /**
     * 用户id
     */
    private string userid;

    /**
     * 设备总数
     */
    private double total;

    /**
     * 设备在线数目
     */
    private double onlinenum;

    /**
     * 处于启用状态设备数目
     */
    private double enablenum;

    /**
     * 聚合类型(按照小时还是按照天聚合)
     */
    @property("aggduration")
    private aggregationduration aggregationduration;

    private instant time;

    /**
     * 动态设置文档过期时间
     */
    private instant expireat;
}

上述代码是期待的聚合结果，其中构建两个索引：(1)超时索引;(2)复合索引，程序会根据用户名以及时间查询设备状态聚合结果.

聚合操作符介绍

聚合操作类似于管道，管道中的每一步操作产生的中间结果作为下一步的输入源，最终输出聚合结果.
此次聚合主要涉及以下操作：

• $project:指定输出文档中的字段.
• $unwind:拆分数据中的数组；
• match:选择要处理的文档数据;
• group:根据key分组聚合结果.

原始聚合语句

db.getcollection('raw_dev_status').aggregate([
    {$match:
        {
            time:{$gte: isodate("2019-06-27t00:00:00z")},
        }
    },
    {$unwind: "$points"},
    {$project:
        {
            userid:1,points:1,
            tmp: {$datetostring: { format: "%y:%m:%dt%h:00:00z", date: "$time" } }
        }
    },
    {$project:
        {
            userid:1,points:1,
            grouptime: {$datefromstring: { datestring: "$tmp", format: "%y:%m:%dt%h:%m:%sz", } }
        }
    },
    {$group:
        {
            _id:{user_id:'$userid', cal_time:'$grouptime'},
            devtotal:{'$avg':'$points.total'},
            onlinetotal:{'$avg':'$points.onlinenum'},
            enabletotal:{'$avg':'$points.enablenum'}
        }
    },
])

上述代码是按小时聚合数据，以下来逐步介绍处理思路：

(1) $match

根据小时聚合数据，因为只需要获取近24小时的聚合结果，所以对数据进行初步筛选.

(2) $unwind

raw_dev_status中的设备状态是按照协议区分的数组，因此需要对其进行展开，以便下一步进行筛选;

(3) $project

    {$project:
        {
            userid:1,points:1,
            tmp: {$datetostring: { format: "%y:%m:%dt%h:00:00z", date: "$time" } }
        }
    }

选择需要输出的数据,分别为：userid,points以及tmp.
需要注意，为了按照时间聚合，对$time属性进行操作，提取%y:%m:%dt%h时信息至$tmp作为下一步的聚合依据.

如果需要按天聚合，则format数据可修改为：%y:%m:%dt00:00:00z即可满足要求.

(4) $project

    {$project:
        {
            userid:1,points:1,
            grouptime: {$datefromstring: { datestring: "$tmp", format: "%y:%m:%dt%h:%m:%sz", } }
        }
    }

因为上一步project操作中，tmp为字符串数据，最终的聚合结果需要时间戳(主要懒，不想在程序中进行转换操作).
因此，此处对$tmp进行操作，转换为时间类型数据,即grouptime.

(5) $group

对聚合结果进行分类操作，并生成最终输出结果.

    {$group:
        {
            # 根据_id进行分组操作，依据是`user_id`以及`$grouptime`
            _id:{user_id:'$userid', cal_time:'$grouptime'},
            # 求设备总数平均值
            devtotal:{'$avg':'$points.total'},
            # 求设备在线数平均值
            onlinetotal:{'$avg':'$points.onlinenum'},
            # ...
            enabletotal:{'$avg':'$points.enablenum'}
        }
    }

代码编写

此处odm选择morphia，亦可以使用mongotemplate，原理类似.

    /**
     * 创建聚合条件
     *
     * @param pasttime     过去时间段
     * @param datetostring 格式化字符串(%y:%m:%dt%h:00:00z或%y:%m:%dt00:00:00z)
     * @return 聚合条件
     */
    private aggregationpipeline createaggregationpipeline(instant pasttime, string datetostring, string stringtodate) {
        query<rawdevstatus> query = datastore.createquery(rawdevstatus.class);
        return datastore.createaggregation(rawdevstatus.class)
                .match(query.field("time").greaterthanoreq(pasttime))
                .unwind("points", new unwindoptions().preservenullandemptyarrays(false))
                .match(query.field("points.protocol").equal("all"))
                .project(projection.projection("userid"),
                        projection.projection("points"),
                        projection.projection("converttime",
                                projection.expression("$datetostring",
                                        new basicdbobject("format", datetostring)
                                                .append("date", "$time"))
                        )
                )
                .project(projection.projection("userid"),
                        projection.projection("points"),
                        projection.projection("converttime",
                                projection.expression("$datefromstring",
                                        new basicdbobject("format", stringtodate)
                                                .append("datestring", "$converttime"))
                        )
                )
                .group(
                        group.id(group.grouping("userid"), group.grouping("converttime")),
                        group.grouping("total", group.average("points.total")),
                        group.grouping("onlinenum", group.average("points.onlinenum")),
                        group.grouping("enablenum", group.average("points.enablenum"))
                );
    }

    /**
     * 获取聚合结果
     *
     * @param pipeline 聚合条件
     * @return 聚合结果
     */
    private list<aggregationmiddevstatus> getaggregationresult(aggregationpipeline pipeline) {
        list<aggregationmiddevstatus> statuses = new arraylist<>();
        iterator<aggregationmiddevstatus> resultiterator = pipeline.aggregate(
                aggregationmiddevstatus.class, aggregationoptions.builder().allowdiskuse(true).build());
        while (resultiterator.hasnext()) {
            statuses.add(resultiterator.next());
        }
        return statuses;
    }

    //......................................................................................
    // 获取聚合结果(省略若干代码)
    aggregationpipeline pipeline = createaggregationpipeline(pasttime, datetostring, stringtodate);
    list<aggregationmiddevstatus> midstatuses = getaggregationresult(pipeline);
    if (collectionutils.isempty(midstatuses)) {
        log.warn("can not get dev status aggregation result.");
        return;
    }

ps:
如果您觉得我的文章对您有帮助，可以扫码领取下红包或扫码支持(随意多少,一分钱都是爱)，谢谢！

支付宝红包	支付宝	微信