如何计算regex查询结果的计数?

Question

我有一个大的MongoDB集合(大约)。30M条记录)，每个项目都有一个由8位数字组成的唯一数字数组。大多数情况下，数组只有一个元素(一个数字)。例如，我想知道这个集合中以4开头的记录有多少条，所以我查询:

{ "numbers.number": /^4.*/i }

但是，查询时间太长，上次花了20分钟才中断执行。所以我想知道是否有一种方法来优化查询。numbers.number被索引。我还试了这个:

{ "numbers.number": /^4[0-9]{7}/}

仍然花费太长时间。下面是一个文档示例:

{ 
"_id" : ObjectId("some_id"), 
"created_at" : ISODate("2022-10-13T09:32:45.000+0000"), 
"source" : {
"created_at" : ISODate("2021-10-13T08:54:06.000+0000"), 
"some_id" : NumberInt(234), 
"another_id" : NumberInt(11)
}, 
"first_name" : "Test", 
"last_name" : "Test", 
"date_of_birth" : "1970-01-01", 
"status" : "active", 
"numbers" : [
{
"created_at" : ISODate("2022-11-13T09:32:45.000+0000"), 
"number" : "40000005", 
"_id" : ObjectId("some_id")
}
]
}

Answer 1

正则表达式的性能和速度都很昂贵，即使它有索引或没有，如果你有百万计的数据，

这是一个类似的问题，MongoDB，通过正则表达式查询索引字段的性能

我不确定，我没有比较和测试性能。，但尝试只^符号没有.*，

{ "numbers.number": /^4/ }

根据MongoDB的regex索引使用文档中的附加说明，

此外，/^a/、/^a.*/和/^a.*$/虽然匹配等效字符串，但具有不同的性能特征。如果存在合适的索引，所有这些表达式都使用索引;然而，/^a.*/和/^a.*$/较慢。/^a/可以在匹配前缀后停止扫描。

---

第二个选项，我建议如果你知道数字的范围，你可以使用$gte和$lt运算符通过指定数字来查找特定的系列，

{ 
"numbers.number": {
"$gte": "40000000",
"$lt": "50000000"
}
}

第三，您可以使用$or运算符检查多个范围，

{ 
"$or": [
{
"numbers.number": {
"$gte": "4000000",
"$lt": "5000000"
}
},
{
"numbers.number": {
"$gte": "40000000",
"$lt": "50000000"
}
}
]
}

注意:

• 尝试在MongoDB shell中执行这个查询
• 总是使用计数函数，如果你只需要文件的计数
  • db.coll.find({query}).count()
  • db.coll.countDocuments({query})