按需物化视图

索引

标准视图使用底层集合的索引。因此，您无法直接在标准视图上创建、删除或重新构建索引，也无法获取视图上的索引列表。

您可以直接在按需物化视图上创建索引，因为它们存储在磁盘中。

性能

按需物化视图的读取性能要优于标准视图，因为前者是从磁盘中读取，而不是作为查询的一部分通过计算得出。聚合管道越复杂，要聚合的数据量越大，这种性能优势就越明显。

On MongoDB Atlas, Atlas Stream Processing can also maintain a streaming materialized view that updates continuously as source data changes. To learn more, see Streaming Materialized Views.

1. 定义按需物化视图

以下 updateMovieStats 函数定义了 movieYearStats 物化视图，其中包含按年份分类的电影的计数和平均 IMDb 评级。该函数接受 startYear 参数，用于更新从该年份发布的电影的统计信息。

updateMovieStats = function(startYear) {
   db.movies.aggregate( [
      { $match: { year: { $gte: startYear } } },
      { $group: {
           _id: "$year",
           movieCount: { $sum: 1 },
           avgRating: { $avg: "$imdb.rating" }
      } },
      { $merge: { into: "movieYearStats", whenMatched: "replace" } }
   ] );
};

• $match 阶段对电影进行过滤，以便仅处理 year 值大于或等于 startYear 的电影。

• $group 阶段按 year 对电影进行分组。此阶段输出的文档具有以下形式：

  { "_id" : <year>, "movieCount" : <num>, "avgRating" : <num> }

• $merge 阶段会将输出写入 movieYearStats 集合。

  根据 _id 字段，该阶段会检查每个聚合结果是否与现有文档匹配：

  • 当存在匹配项（即集合中已经存在具有相同年份的文档）时，该阶段将使用聚合结果中的文档替换现有文档。

  • 当不匹配时，该阶段会将聚合结果中的文档插入集合中（不匹配时的默认行为）。

2. 执行初始运行

对于初次运行，传入开始年份，以便使 movieYearStats 填充从该年份开始的数据：

updateMovieStats(2015);

初次运行后，db.movieYearStats.find().sort( { _id: 1 } ) 返回如下文档：

{ "_id" : 2015, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2016, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2017, "movieCount" : <num>, "avgRating" : <num> }

3. 刷新物化视图

假设向 2016 的 movies 集合添加了一部新电影：

db.movies.insertOne( {
   title: "Grove Test Movie",
   year: 2016,
   imdb: { rating: 7.5, votes: 500 }
} )

要刷新 movieYearStats 以及后续的 2016，请以 startYear 为 2016 运行该函数：

updateMovieStats(2016);

更新的 movieYearStats 反映了 movies 集合中的新电影。db.movieYearStats.find().sort( { _id: 1 } ) 返回：

{ "_id" : 2015, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2016, "movieCount" : <num>, "avgRating" : <num> }
{ "_id" : 2017, "movieCount" : <num>, "avgRating" : <num> }