技术干货 | MongoDB 如何创建并查询时间序列集合？

随风康康

发布于 2023-5-22 16:26

5551浏览

0收藏

上一篇重点介绍了时间序列数据和 MongoDB 时间序列集合功能的基本情况，本篇则将着重通过示例代码展示如何创建和查询时间序列集合。

创建时间序列集合

在将数据插入时间序列集合之前，必须先使用 db.createCollection() 方法或 create 命令创建集合：

db.createCollection(
    "weather",
    {
       timeseries: {
          timeField: "timestamp",
          metaField: "metadata",
          granularity: "hours"
       }
    }
)1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

📒 重要：

功能兼容版本

只能在 featureCompatibilityVersion 设置为 5.0 或更高版本的系统上创建时间序列集合。

`timeseries`对象字段

在创建时间序列集合时，指定以下选项：

字段	类型	描述
timeseries.timeField	string	必选。时间序列文档中包含日期字段的名称。时间序列集合中的文档必须以一个有效的 BSON 日期作为 timeField 的值。
timeseries.metaField	string	可选。时间序列文档中包含元数据字段的名称。该字段中的元数据应该是用于标记惟一的一系列文档。元数据应该很少（如果有的话）更改。指定字段的名称不能为 _id 或与 timeseries.timeField 相同。元数据的字段可以是任何类型。
timeseries.granularity	string	可选。取值包括： "seconds" `"minutes"` "hours" 默认情况下，MongoDB将高频数据采集的 granularity 设置为“秒(seconds)”。通过手动设置 granularity 参数以优化时间序列集合中数据的内部存储方式来提高性能。选择与连续传入度量之间的时间跨度最接近的匹配作为 granularity 的值。如果指定了 timeseries.metaField 字段，则考虑与 metaField 字段具有相同唯一值的连续传入测量值之间的时间跨度，如果测量值来自同一源，则 metaField 字段通常具有相同的唯一值。如果没有指定 timeseries.metaField 字段，则考虑插入集合中的所有测量值之间的时间跨度。
expireAfterSeconds	number	可选。通过指定文档过期秒数来启用时间序列集合（time series collection）中的文档自动删除功能。MongoDB 会自动删除过期文档。有关更多信息，请参阅设置时间序列集合自动删除（TTL）。

timeseries 中允许的其他选项还有：

storageEngine
indexOptionDefaults
collation
writeConcern
comment

📒 提示：

参考 db.createCollection() 和 create。

在时间序列集合中插入测量值

插入的每个文档都应该包含一个测量值。要同时插入多个文档，使用以下命令：

db.weather.insertMany( [
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T00:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T04:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T08:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T12:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T16:00:00.000Z"),
      "temp": 16
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T20:00:00.000Z"),
      "temp": 15
   }, {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T00:00:00.000Z"),
      "temp": 13
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T04:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T08:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T12:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T16:00:00.000Z"),
      "temp": 17
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T20:00:00.000Z"),
      "temp": 12
   }
] )1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.

要插入单个文档，使用 db.collection.insertOne() 方法。

📒 提示：

优化插入性能

要了解如何为大型操作优化插入，请参阅优化插入（Optimize Inserts）。

查询时间序列集合

可以按照查询标准 MongoDB 集合的方式查询时间序列集合。

要从时间序列集合中返回一个文档，执行：

db.weather.findOne({
   "timestamp": ISODate("2021-05-18T00:00:00.000Z")
})1.
2.
3.

示例输出：

{
   timestamp: ISODate("2021-05-18T00:00:00.000Z"),
   metadata: { sensorId: 5578, type: 'temperature' },
   temp: 12,
   _id: ObjectId("62f11bbf1e52f124b84479ad")
}1.
2.
3.
4.
5.
6.

在时间序列集合上进行聚合运算

对于额外的查询功能，可以使用聚合管道（aggregation pipeline），例如：

db.weather.aggregate( [
   {
      $project: {
         date: {
            $dateToParts: { date: "$timestamp" }
         },
         temp: 1
      }
   },
   {
      $group: {
         _id: {
            date: {
               year: "$date.year",
               month: "$date.month",
               day: "$date.day"
            }
         },
         avgTmp: { $avg: "$temp" }
      }
   }
] )1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

这个聚合管道示例根据测量日期对所有文档进行分组，然后返回当天测量温度的平均值：

 {
  "_id" : {
    "date" : {
      "year" : 2021,
      "month" : 5,
      "day" : 18
    }
  },
  "avgTmp" : 12.714285714285714
}
{
  "_id" : {
    "date" : {
      "year" : 2021,
      "month" : 5,
      "day" : 19
    }
  },
  "avgTmp" : 13
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.