MongoDB:Er der en måde at opdage en værditrend ved hjælp af aggregering?

Groft skitsering:Jeg ville beregne gennemsnittet for den ti minutters periode:

> var avgCursor = db.sensor_readings.aggregate([
    { "$match" : { "created_at" : { "$gt" : ten_minutes_ago, "$lte" : now } } }
    { "$group" : { "_id" : 0, "average" : { "$avg" : "$value" } } }
]}
> var avgDoc = avgCursor.toArray()[0]
> avgDoc
{ "_id" : 0, "average" : 23 }

Så ville jeg gemme det i en anden samling:

> db.sensor_averages.insert({ "start" : ten_minutes_ago, "end" : now, "average" : avgDoc.average })

Husk endelig de to gennemsnit, du skal bruge for at beregne forskellen, og udregn den:

> var diffCursor = db.sensor_averages.find({ "start" : { "$gte" : twenty_minutes_ago } }).sort({ "start" : -1 })
> var diffArray = diffCursor.toArray()
> var difference = diffArray[0].average - diffArray[1].average

Du kan også springe de periodiske sammenlægninger over og i stedet holde et løbende gennemsnit opdateret i sensor_averages , hopper til en ny doc hvert 10. minut. I begyndelsen af ​​hver 10-minutters periode skal du indsætte i sensor_averages et dokument

{
    "start" : now,
    "svalues" : 0,
    "nvalues" : 0
}

derefter på hver indsættelse af en sensor_reading dokument i de næste ti minutter, skal du også opdatere sensor_averages doc:

db.sensor_averages.update(
    { "start" : now_rounded_to_the_ten_minute_boundary },
    { "$inc" : { "svalues" : value, "nvalues" : 1 } }
)

Når du derefter vil have forskellen mellem gennemsnit, skal du huske de relevante to dokumenter, dividere svalues af nvalues for at få gennemsnittet, og trække fra.