MongoDBの集計パイプラインで$groupフェーズを効率化する方法

$groupフェーズの高速化の基本

MongoDBの集計パイプラインにおいて、$groupフェーズを高速化するには、$projectや$unwindなどのステージと組み合わせて、処理対象のデータ量を事前に絞り込むことが重要です。不要なフィールドを早い段階で除外することで、メモリ消費と処理時間を大幅に削減できます。

ここでは、配列内の値ごとの出現頻度をカウントする例を通して、その具体的な手順を見ていきましょう。

サンプルコレクションの作成

まず、ドキュメントを含むコレクションを作成します。

> db.demo423.insertOne({"Information":[101,110,87,110,98,115,101,115,89,115]});
{
    "acknowledged" : true,
    "insertedId" : ObjectId("5e73a60e9822da45b30346e6")
}

find()メソッドでドキュメントを確認

次に、find()メソッドを使ってコレクション内のすべてのドキュメントを表示します。

> db.demo423.find();

このクエリを実行すると、以下のような出力が得られます。

{ "_id" : ObjectId("5e73a60e9822da45b30346e6"), "Information" : [ 101, 110, 87, 110, 98, 115, 101, 115, 89, 115 ] }

$groupフェーズを高速化する集計クエリ

以下は、$groupフェーズを効率化するための集計クエリです。ポイントは、最初に$projectで必要なフィールドのみに絞り込み、$unwindで配列を展開してからグループ化を行う点です。

> db.demo423.aggregate([
...     {
...        $project: {_id: 0, 'Information': 1}
...     },
...     {
...        $unwind: '$Information'
...     },
...     {
...        $group:{_id: '$Information', frequency:{$sum: 1}}
...     },
...     {
...        $sort:{frequency:-1}
...     },
...     {
...        $limit:2
...     }
... ])

このパイプラインでは、以下の処理が順に行われます。

• $project: _idを除外し、必要な「Information」フィールドだけを残すことで、後続ステージの負荷を軽減します。
• $unwind: 配列「Information」を個々の要素に分解します。
• $group: 各値の出現回数（frequency）を合計します。
• $sort: 頻度の降順に並べ替えます。
• $limit: 上位2件のみを取得し、無駄な出力を防ぎます。

実行結果は以下の通りです。

{ "_id" : 115, "frequency" : 3 }
{ "_id" : 110, "frequency" : 2 }

まとめ

このように、集計パイプラインの早い段階で$projectによるフィールドの絞り込みを行い、$unwind→$group→$sort→$limitという順序で処理を組み立てることで、$groupフェーズのパフォーマンスを効果的に向上させることができます。