在这里使用python演示
根据上面的业务场景描述，最容易想到的解决方法就是
from pymongo import MongoClient# 连接数据库db = MongoClient('mongodb://127.0.0.1:27017')['my_db']# 简化的查询数据集A的条件filter = {...}# 查询Collection Aa_cursor = db.a.find(_filter)a_docs = [x for x in a_cursor]# 变量的初始定义count = 0total = 0# 加入需要用到的元素为第21个index = 20# 查询Collection B，同时做累加for a_doc in a _docs: b_doc = db.b.find_one({'uid':a_doc['uid'], 'date': a_doc['date']}) # 只有能查到相应的结果时，才可以 if b_doc is not None: total += b_doc['actions'][20]['number'] count += 1 # 求平均数 if count > 0 : avg = total/count实现难度当然是最低的，可是整个任务在第一步只有1万条左右的返回时，消耗的时间竟然达到了惊人38秒。当然这是已经加了索引的结果，否则可能都无法得到结果了。
瓶颈显而易见，在循环中查询Collection B，增加了网络开销，自然也就增加时间，如果一次查询出所有结果，自然会大大提高效率。也就是说，我要把第一步的结果作为条件一次性传递，做一个$in操作。可是怎么才能做到呢？如果在uid和date上分别做$in操作，那么返回的结果就会是二者单独做$操作的合集，很显然这和要求是不符的。 经过上面的分析，似乎进入了死胡同。其实答案也基本显现了，需要有一个字段可以满足上面的要求，那么这个字段就是uid和date的合体，就命名为uid_date。uid_date是一个新字段，在B中并不存在，在使用之前需要将数据库现有的数据做一下处理。处理完毕改造程序：
# 下面的只体现和本次修改相关的内容uid_date_list = []for a_doc in a_docs: uid_date_list.append(a_doc['uid'] + '_' + a_doc['date'])# 查询Bb_cursor = db.b.find({'uid_date':{'$in':uid_date_list}})# 下面就是取出结果，求平均数...这一番改造颇费时间，主要是前期的数据处理。代码改造完毕，执行下看看吧。 可是，可是…… 45秒 我做错了什么？！
我还是坚信上面的优化思路是对的，现在看看数据库能给一些什么线索吧。 登录到数据库服务器，找到MongoDB的日志/data/mongodb/logs/mongod.log。仔细查找，发现在查询数据集B时有很多getMore命令。这就奇怪了，我是一次性查询，为什么还有getMore。赶紧查下官方的文档，然后发现了下面的内容： 
batcSize参数指定了每次返回的个数，默认的101个。那看来这个应该是问题所在。找下pymongo的文档，也可以设置这个参数，那就设个大的吧10000。再次改造程序如下：
这次总该可以了。
嗯，好了一些，降到了20秒左右。可是，这离1秒只能还差距20倍呢。
当日不能放弃，继续通过日志查找线索，发现还是有很多getMore。通过各方查找，发现mongodb每次最多返回16M的记录，通过getMore日志的比对，发现的确如此。由于B中每条记录的过去庞大，每次只能几百条记录，因此要一次多返回，那就必须要减少每次返回的记录数。因为在计算时，只用了特定索引位置上的数据，所以只返回该条记录就可以了。
最后的代码就不再写了，具体可以参考官方文档的实例。
新闻热点
疑难解答
