使用近似模式

在此页面上

关于此任务

步骤
插入示例数据
实施近似模式
结果
了解详情

当值经常更改，但用户不需要知道精确值时，请使用近似模式。近似模式不是在每次数据发生变化时都更新值，而是基于更大的粒度更新数据，从而减少更新次数和应用程序工作负载。

关于此任务

当不需要准确报告值时，近似模式非常有用。示例：

城市人口
网站访问量
航空旅客

上述测量值在求近似值时通常很有用。应用程序可以根据数据扩展，将存储的值更新成百上千个，从而节省时间和资源。

步骤

在此示例中，应用程序显示一个大约有 40、000 人的城市的人口数据。应用程序用户主要寻找总体趋势，不需要知道确切的城市人口。

插入示例数据

db.population.insertOne( {
   city: "New Perth",
   population: 40000,
   date: ISODate("2022-09-15")
} )

实施近似模式

实际人口值在一天内会多次变化。无需在每次变化时都更新人口值，而是在每次人口数量变化 100 时使用应用程序逻辑插入一个新文档。

示例，您的应用程序逻辑可能如下所示：

let population = 40000
function updateStoredPopulation(curr_population, new_population) {
   let population_change = Math.abs(curr_population - new_population)
   if (population_change >= 100) {
      db.population.insertOne(
         {
            city: "New Perth",
            population: new_population,
            date: Date()
         }
      )
      population = new_population
   }
}

注意

前面的示例仅供参考，并未使用准确的语法。要学习；了解应用程序的正确语法，请参阅相应的驾驶员文档。

结果

前面的应用程序逻辑可能会生成以下文档：

db.population.insertMany( [
   {
      city: "New Perth",
      population: 40100,
      date: ISODate("2024-09-20")
   },
   {
      city: "New Perth",
      population: 40200,
      date: ISODate("2024-10-01")
   },
   {
      city: "New Perth",
      population: 40300,
      date: ISODate("2024-10-09")
   },
] )

注意

收集更新值的方式取决于您的场景。在此示例中，可以从人口普查报告中收集更新的人口值。

通过以 100 粒度更新总体，近似模式将更新次数减少到追踪单个总体变化所需更新次数的 1%。

用户可以看到人口随着时间的推移而增长，这满足了他们查看高级趋势的需求。

了解详情

后退

计算数据

来年

分组数据