MongoDB使用$exists与$group统计字段存在比例

提到在 MongoDB 中计算某个字段的存在比例时，许多人第一反应是直接用 `$exists` 配合 `$group` 来实现。但实际执行起来，并没有这么简单。 其实原理并不复杂：**先把布尔值转换为数字（0 或 1），再利用 `$sum` 累加。** 不过关键步骤在于——必须借助 `$cond` 来执行这个转换。否则，`$group` 面对 `$exists` 的结果时，并不知道如何聚合。 ## 为什么不能直接 `$group + $exists`？ 先理清设计逻辑。`$exists` 是一个查询操作符，它的作用范围在 `$match` 阶段。一旦进入聚合管道，`$group` 能够引用的只有“字段的值”，而不是“字段是否存在的判断”。 如果尝试写出以下代码： ```javascript { _id: null, ratio: { $avg: "$field exists" } } ``` 很可能遇到报错，或者默默返回 `null`。常见的踩坑方式有两种： - 把 `$exists` 当作字段值直接放入计算，结果聚合阶段直接跳过文档，输出一堆 `null`。 - 忘记使用 `$cond` 进行转换，强行对 `$exists` 的结果求 `$sum`，得到的结果要么是 0，要么是未定义。 ## 正确写法：用 `$cond` 判断字段存在性并转为 1/0 核心思路分为三步：先在 `$project` 阶段生成一个临时字段（例如 `has_field`），通过 `$cond` 判断该字段是否存在——存在则赋值为 1，不存在则为 0。然后，在 `$group` 中累加，即可得到比例。 以统计 `users` 集合中 `email` 字段的存在比例为例，完整的聚合管道如下： ```javascript db.users.aggregate([ { $project: { has_email: { $cond: { if: { $exists: ["$email", true] }, then: 1, else: 0 } } } }, { $group: { _id: null, total: { $sum: 1 }, has_count: { $sum: "$has_email" } } }, { $project: { _id: 0, ratio: { $divide: ["$has_count", "$total"] } } } ]) ``` 这里有几个细节值得注意： - `$exists: ["$email", true]` 是合法的表达式写法，**必须使用数组形式**，不能写成 `$exists: "$email"`。 - `$sum: 1` 是统计总文档数的经典写法，相比先 `$count` 再 `$lookup` 更轻量。 - 最后一步的 `$divide` 需要注意：如果 `$total` 为 0，会直接报错。生产环境中建议增加 `$cond` 进行分母检查。 ## Ja va Driver 中构造该聚合的要点 使用 Ja va 的 `Document` 构建时，`$exists` 表达式容易写变形，尤其是嵌套在 `$cond` 中时。 关键点如下： - `$exists` 作为 `$cond` 的 `if` 子句，参数必须是数组：`new Document("$exists", Arrays.asList("$email", true))` - 不要使用字符串拼接，例如 `"$exists: '$email'"` —— 这会被当作纯文本字面量，完全不会被解析。 - 在 Ja va 中，`$sum: 1` 应写成 `new Document("$sum", 1)`，而不是字符串 `"1"`。 - 另外，如果字段本身存在但值为 `null`（例如 `{"email": null}`），`$exists` 仍然会返回 `true`。如果需要统计“非空且存在”的情况，则需额外添加 `$ne: null` 的判断。 ## 性能与边界情况提醒 虽然这个模式看起来简单，但在大集合上运行时，有两件事需要提前注意。 **第一，没有索引可以支持 `$exists` 判断**，因此全表扫描几乎不可避免。如果经常需要统计某字段的存在率，可以考虑创建一个稀疏索引： ```javascript db.users.createIndex({ email: 1 }, { sparse: true }) ``` 这样至少能降低部分扫描开销。 **第二，如果字段名中包含点号**，例如 `"profile.phone"`，`$exists` 仍然可以正常工作，但路径必须完整：`"$profile.phone"` 才有效，写成 `"$profile"` 无法代表子字段是否存在。 **第三，聚合结果中的 `ratio` 是 double 类型**，精度大约 15 位。不要用它进行严格相等判断，例如 `== 1.0`，容易出错。 归根结底，真正的难点从来不是如何写对，而是你是否意识到：**在聚合管道中，`$exists` 根本不是“值”，它只是一个开关。** 必须先将其转换为数字，才能放入 `$group` 中进行聚合计算。