MongoDB用$exists与$group统计字段存在比例

提到在 MongoDB 里统计某个字段的存在比例，很多人第一时间会想到直接用 `$exists` 配合 `$group`。但实际情况比想象中复杂。 核心思路其实不难：**先把布尔值转换成数字（0 或 1），再通过 `$sum` 累加。** 关键步骤在于使用 `$cond` 进行转换。否则，`$group` 面对 `$exists` 的结果，无法直接完成聚合。 ## 为什么不能直接用 `$group` 加 `$exists`？ 先理解设计原理。`$exists` 属于查询操作符，作用在 `$match` 阶段。进入聚合管道后，`$group` 只能引用字段的具体值，无法直接判断字段是否存在。 如果尝试写出类似代码： ``` { _id: null, ratio: { $avg: "$field exists" } } ``` 通常会导致报错，或者返回 `null`。常见错误有两种： - 将 `$exists` 当作字段值直接参与计算，结果聚合阶段跳过文档，输出一片 `null`。 - 忘记使用 `$cond` 进行转换，强行对 `$exists` 的结果求 `$sum`，得到的要么是 0，要么是未定义。 ## 正确写法：用 `$cond` 判断字段存在性并转为 1/0 核心分三步：先在 `$project` 阶段通过 `$cond` 生成一个临时字段（例如 `has_field`），如果字段存在则赋值为 1，不存在则为 0。然后，在 `$group` 阶段累加，最后计算比例。 以统计 `users` 集合中 `email` 字段的存在比例为例，完整聚合管道如下： ``` 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", "$total"] } } } ]) ``` 需要注意几个细节： - `$exists: ["$email", true]` 是合法的表达式写法，**必须写成数组形式**，不能写成 `$exists: "$email"`。 - `$sum: 1` 用于统计总文档数，比先 `$count` 再 `$lookup` 更轻量。 - 最后的 `$divide` 若 `$total` 为 0 会直接报错，生产环境建议用 `$cond` 做分母检查。 ## Java Driver 中构造该聚合的要点 使用 Java 的 `Document` 构建时，`$exists` 表达式容易写变形，尤其是嵌在 `$cond` 中时。 关键点包括： - `$exists` 作为 `$cond` 的 `if` 子句，参数必须是数组：`new Document("$exists", Arrays.asList("$email", true))`。 - 不要用字符串拼接，比如 `"$exists: '$email'"`，这会被当作纯文本字面量而不被解析。 - Java 中 `$sum: 1` 要写成 `new Document("$sum", 1)`，而非字符串 `"1"`。 - 注意：如果字段存在但值为 `null`（如 `{"email": null}`），`$exists` 仍返回 `true`。若需要统计非空且存在的字段，需额外增加 `$ne: null` 判断。 ## 性能与边界情况提醒 该模式在大集合上运行时，需要提前考虑两点。 **第一，** `$exists` 判断无法利用索引，必然触发全表扫描。如果经常统计某字段的存在率，可以考虑创建稀疏索引： ``` db.users.createIndex({ email: 1 }, { sparse: true }) ``` 这能在一定程度上降低扫描开销。 **第二，** 字段名包含点号时，例如 `"profile.phone"`，`$exists` 仍能正常工作，但路径必须完整：`"$profile.phone"` 有效，写成 `"$profile"` 则无法代表子字段是否存在。 **第三，** 聚合结果中的 `ratio` 是 double 类型，精度约 15 位。避免用严格的相等判断（如 `== 1.0`），容易产生误差。 归根结底，真正的难点在于理解：**在聚合管道中，`$exists` 不是字段的值，而是一个判断开关。** 必须先通过 `$cond` 将其转换为数字，才能交给 `$group` 进行聚合计算。