计算 MongoDB 中树结构的深度分布

Question

考虑一下，我有以下代表树结构的文档：

[
  {
    "_id": 1,
    "parentId": null,
    
  },
  {
    "_id": 2,
    "parentId": null,
    
  },
  {
    "_id": 3,
    "parentId": 1,
    
  },
  {
    "_id": 4,
    "parentId": 1,
    
  },
  {
    "_id": 5,
    "parentId": 2,
    
  },
  {
    "_id": 6,
    "parentId": 5,
    
  },
  
]

使用 MongoDB 聚合计算这些树的深度分布的最高效方法是什么？

我希望收到以下或类似的结果：

[
  {
    "depth": 0,
    "count": 2,
  },
  {
    "depth": 1,
    "count": 3,
  },
  {
    "depth": 2,
    "count": 1,
  }
]

所有count 的总和应该等于集合中的文档数。

---

我尝试使用各种聚合函数的组合，但只设法在不考虑根节点的情况下计算数据：

db.collection.aggregate([
  {
    // Skipping the root nodes,
    // otherwise it will calculate results
    // for all the nodes and count them multiple times
    $match: {
      parentId: null
    }
  },
  {
    $graphLookup: {
      from: "collection",
      startWith: "$_id",
      connectFromField: "_id",
      connectToField: "parentId",
      as: "descendants",
      depthField: "depth",
    },
  },
  {
    $unwind: "$descendants",
  },
  {
    $group: {
      _id: "$descendants.depth",
      count: {
        $sum: 1,
      },
    },
  },
  {
    $project: {
      _id: 0,
      depth: "$_id",
      count: "$count",
    },
  },
  {
    $sort: {
      depth: 1,
    },
  },
]);

这是带有示例数据的Mongo Playground。

Answer 1

在该结构中，理论上存在一个未列出的根节点，其 id 为null。从该节点开始的单个图形查找将找到其父级返回为空的所有节点。即它不会在树中包含非根循环。

要实现这一点，您首先需要检索单个文档，然后从 null 开始查找图形，也许：

[
  { $limit: 1 },
  {
    $graphLookup: {
      from: "collection",
      startWith: null,
      connectFromField: "_id",
      connectToField: "parentId",
      as: "descendants",
      depthField: "depth",
    }
  }
},

接下来的放松、分组、项目、排序阶段会将结果转换为您正在寻找的格式。

至于性能，graphLookup 阶段隐式读取集合中的每个文档。这意味着没有多少索引会提高性能。如果整个集合都适合缓存，您可能会获得合理的性能。随着集合的增长，执行此查询所需的磁盘读取量也会增长。

如果这是一个不经常运行的操作，可以隔离到一个不为应用程序负载提供服务的专用分析节点，那么长期性能可能是可以接受的。