创建和查询时间序列集合

在此页面上

创建时间序列集合

在时间序列集合中插入测量值
查询时间序列集合
在时间序列集合上运行聚合

本页通过代码示例介绍如何创建和查询time-series collection。

创建时间序列集合

在将数据插入时间序列集合之前，必须使用 db.createCollection() 方法或 create 命令显式创建集合：

db.createCollection(
    "weather",
    {
       timeseries: {
          timeField: "timestamp",
          metaField: "metadata",
          granularity: "hours"
       }
    }
)

注意

特征兼容性版本

您只能在 FeatureCompatibilityVersion 设置为 5.0 或更高版本的系统上创建时间序列集合。

`timeseries` 对象字段

创建时间序列集合时，请指定以下选项：

字段	类型	说明
`timeseries.timeField`	字符串	必需。包含每个时间序列文档中日期的字段的名称。时间序列集合中的文档必须具有有效 BSON 日期，以作为 `timeField` 的值。
`timeseries.metaField`	字符串	可选。包含每个时间序列文档中元数据的字段的名称。指定字段中的元数据应用于标识一系列唯一文档的数据。元数据应该很少改变（如果有的话）。指定字段的名称不能是 `_id`，也不能与 `timeseries.timeField` 相同。字段可以是任何类型。
`timeseries.granularity`	字符串	可选。可能的值为： `"seconds"` `"minutes"` `"hours"` 默认情况下，MongoDB 将 `granularity` 设置为 `"seconds"` 以进行高频提取。手动设置 `granularity` 参数，通过优化时间序列集合中数据的内部存储方式来提高性能。要选择 `granularity` 的值，请选择与连续传入测量之间的时间跨度最接近的匹配项。如果您指定 `timeseries.metaField`，请考虑 `metaField` 字段具有相同唯一值的连续传入测量值之间的时间跨度。如果测量值来自同一来源，则 `metaField` 字段通常具有相同的唯一值。如果未指定 `timeseries.metaField`，请考虑插入到集合中的所有测量值之间的时间跨度。
`expireAfterSeconds`	数字	可选。通过指定文档过期后的秒数，启用自动删除time-series collection中的文档功能。MongoDB 会自动删除过期文档。有关详细信息，请参阅设置时间序列集合 (TTL) 的自动删除。

允许与timeseries选项一起使用的其他选项包括：

storageEngine
indexOptionDefaults
collation
writeConcern
comment

提示

请参阅：

db.createCollection() 和 create。

在时间序列集合中插入测量值

您插入的每个文档都应包含一个测量值。要同时插入多个文档，请执行以下命令：

db.weather.insertMany( [
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T00:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T04:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T08:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T12:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T16:00:00.000Z"),
      "temp": 16
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-18T20:00:00.000Z"),
      "temp": 15
   }, {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T00:00:00.000Z"),
      "temp": 13
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T04:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T08:00:00.000Z"),
      "temp": 11
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T12:00:00.000Z"),
      "temp": 12
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T16:00:00.000Z"),
      "temp": 17
   },
   {
      "metadata": { "sensorId": 5578, "type": "temperature" },
      "timestamp": ISODate("2021-05-19T20:00:00.000Z"),
      "temp": 12
   }
] )

要插入单个文档，请使用 db.collection.insertOne() 方法。

提示

优化插入性能

要了解如何优化大型操作的插入，请参阅优化插入。

查询时间序列集合

您可以像查询标准 MongoDB 集合一样查询时间序列集合。

要从时间序列集合中返回一份文档，请运行：

db.weather.findOne({
   "timestamp": ISODate("2021-05-18T00:00:00.000Z")
})

示例输出：

{
   timestamp: ISODate("2021-05-18T00:00:00.000Z"),
   metadata: { sensorId: 5578, type: 'temperature' },
   temp: 12,
   _id: ObjectId("62f11bbf1e52f124b84479ad")
}

有关时间序列查询的更多信息，请参阅优化查询性能。

在时间序列集合上运行聚合

要获得其他查询功能，请使用聚合管道，例如：

db.weather.aggregate( [
   {
      $project: {
         date: {
            $dateToParts: { date: "$timestamp" }
         },
         temp: 1
      }
   },
   {
      $group: {
         _id: {
            date: {
               year: "$date.year",
               month: "$date.month",
               day: "$date.day"
            }
         },
         avgTmp: { $avg: "$temp" }
      }
   }
] )

聚合管道示例按测量日期对所有文档进行分组，然后返回当日所有温度测量值的平均值：

 {
  "_id" : {
    "date" : {
      "year" : 2021,
      "month" : 5,
      "day" : 18
    }
  },
  "avgTmp" : 12.714285714285714
}
{
  "_id" : {
    "date" : {
      "year" : 2021,
      "month" : 5,
      "day" : 19
    }
  },
  "avgTmp" : 13
}

后退

时间序列

来年

列出数据库中的时间序列集合