您现在的位置是:网站首页> 内容页

关于MongoDB时间格式转换和时间段聚合统计的用法总结

  • 5524澳门24小时官网
  • 2019-06-16
  • 8人已阅读
简介一.背景需求在日常的业务需求中,我们往往会根据时间段来统计数据。例如,统计每小时的下单量;每天的库存变化,这类信息数据对运营管理很重要。这类数据统计依赖于各个时间维度,年月日、时分

一 . 背景需求

在日常的业务需求中,我们往往会根据时间段来统计数据。例如,统计每小时的下单量;每天的库存变化,这类信息数据对运营管理很重要。

这类数据统计依赖于各个时间维度,年月日、时分秒都有可能。因为需求变化多样,并且表的设计有严格的规范,我们不可能将订单的下单时间分别拆分存储到 年、月、日、时、分、秒、毫秒列(字段)中。在实际应用中,我们一般都是通过转换函数进行时间转换的。

大家可能对关系型数据库(例如,SQL Server、MySQL)中的时间转换函数和依据时间段进行聚合操作比较熟悉了,但是对MongoDB中的时间转换和依据时间聚合比较陌生。所以,我们有必要花费一定时间进行梳理学习一下,拓展丰富自己的知识。

二 . SQL Server数据库关于时间的转换和聚合

为了清楚的了解这类需求,了解时间转换和统计,我们先从大家熟悉的SQL Server 入手。例如,我们将时间数据存储为datetime类型。

首先,回顾下SQL Server的时间转换函数。

1.通过YEAR(),MONTH(),DAY() 获取年月日数据。

 

2.通过DATEPART() 函数 返回日期/时间的单独部分,比如年、月、日、小时、分钟等等。

 

3.datename () 返回代表指定日期的指定日期部分的字符串。此函数与DATEPART() 类似。

此外,还可以通过convert() 等函数进行转换,再次不再赘述。

通过这些函数,我们可以进行时间格式的转换,在转换函数的基础上,可以进行时间段内数据量的统计。

例如:基于DATEPART() 函数 统计2017-10-10到2017-11-10表中每天的数据量。

 

也可以基于convert() 函数进行统计

 

三 . MongoDB 数据库关于时间的转换和聚合

以上操作是在SQL Server上进行,如果在MongoDB中,应该借助什么的函数进行类似的转换和统计呢?

如果查看显示 各种格式的时间,可以通过 $dateToString 进行转换。

例如通过转换函数$dateToString,将集合temp_MongoDateTime中的字段Rec_CreateTime转换为 年 字段、月 字段、日 字段、年-月-日、和 时:分:秒:毫秒 字段

代码为:

db.temp_MongoDateTime.aggregate(

   [

     {

       $project: {

           "_id":0,

           "Rec_CreateTime":1,

          Year: { $dateToString: { format: "%Y", date: "$Rec_CreateTime" } },

          Month: { $dateToString: { format: "%m", date: "$Rec_CreateTime" } },

          Day: { $dateToString: { format: "%d", date: "$Rec_CreateTime" } },

          yearMonthDay: { $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },

          Time: { $dateToString: { format: "%H:%M:%S:%L", date: "$Rec_CreateTime"} }

       }

     }

   ]

)

 查询效果如下:

 

除了$dateToString转换函数外,MongoDBDB 还有获取年月日、时分秒的函数,甚至还提供了处于一年中的多少天,一周的第几天等。

主要函数为$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek 等。

我们直接看下面的例子好了。执行代码:

db.temp_MongoDateTime.aggregate(

   [

     {

       $project:

         {

           "_id":0,

           "Rec_CreateTime":1,

           year: { $year: "$Rec_CreateTime" },

           month: { $month: "$Rec_CreateTime" },

           day: { $dayOfMonth: "$Rec_CreateTime" },

           hour: { $hour: "$Rec_CreateTime" },

           minutes: { $minute: "$Rec_CreateTime" },

           seconds: { $second: "$Rec_CreateTime" },

           milliseconds: { $millisecond: "$Rec_CreateTime" },

           dayOfYear: { $dayOfYear: "$Rec_CreateTime" },

           dayOfWeek: { $dayOfWeek: "$Rec_CreateTime" },

           week: { $week: "$Rec_CreateTime" }

         }

     }

   ]

)

 

上面的2个例子都是时间转换,如果按照时间段集合统计数据呢?其实基于上面的时间转换函数,借助MongoDB的聚合框架,同样可以轻松实现。

例如统计1-12 月份,每个月份的数据量,即那个月是旺季。此时基于时间转换函数 $month执行代码如下:

db.temp_MongoDateTime.aggregate(

[

{

    $match:{}

},

{

    $group:{_id:{$month:"$Rec_CreateTime"},

    count:{$sum:1}}  

}

]

)

查询效果如下:

上面的数据显示:集合中的记录按月聚合,10月份有341笔;9月份有48笔。其中字段_id 代表了月份。

我们再举一个例子,例如统计 集合temp_MongoDateTime 在 2016-10-05 05:51:50 到 2018-10-06 05:51:50 这段时间内,0-24 小时内,每小时的分布情况。即,每天那个时辰(小时)下单量比较多。

此时基于时间转换函数 $hour 代码如下:

db.temp_MongoDateTime.aggregate(

[

{

$match:{

"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}

       }

},

{$group:{

        _id:{ $hour: "$Rec_CreateTime" },

         count:{$sum:1}

        }

}

]

)

查询结果显示如下:

再举一个关于时间聚合统计的例子,这个例子是基于时间转换函数$dateToString

例如统计每天的数据量,即每天的数据分布情况。这个每天是按 年-月-日统计分布的。

代码如下:

db.temp_MongoDateTime.aggregate(

[

{

$match:{

"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}

       }

},

{$group:{

        _id:{ $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },

         count:{$sum:1}

        }

}

]

)

查询效果显示如下:

四 . 总结

和关系型数据库 SQL Server 一样,MongoDB数据库通过自身的时间转换函数,例如, $dateToString、$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek等,也可以轻松实现时间转换和基于时间段的聚合统计。

 

本文版权归作者所有,未经作者同意不得转载,谢谢配合!!!

文章评论

Top