MongoDB 使用 count 带来的分页问题与应对措施

       count 在MongoDB 存在着不小的问题，对比关系型数据库，无固定结构的数据存储对 count 函数存在着天然的缺陷，在大量数据情况下，count 函数计算非常慢，这对分页查询产生了不小的影响。

       毫无疑问，count 的查询语句使用了索引比没有使用索引快上1000倍不止，因此，一定要用 explain 函数看看，count 的查询语句是否使用了索引。

       但是这也不能从根本上解决问题，count 的计算速度随数据量的增加而变慢，当查询的量超过10w，100w时，count 几乎是没有用的。既然这是由MongoDB存储的方式导致的，所以我并不打算去攻克这个难题。下面提供的两个我的解决方案。

1、Top N 的查询方式

       Top N 的意思是，我的分页查询只需要返回查询的集合中的Top N 条。例如，查询语句筛选出了10w条数据，但是我只取Top 1w。这样就避免了使用 count 函数去计算 10w 条数据，因而速度将会提高10倍。使用语句如下：

       （1）普通查询

db.getCollection('testCollection').find({}).limit(10000).count(true)

       （2）Aggregate

db.getCollection('testCollection').aggregate([{
	"$match": {
	}
}, {
	"$limit": 10000
}, {
	"$count": "countName"
}])

       需要置 count() 为 true（默认为 false），当 count 置为 true 时， limit 生效，如果查询的集合超过 10000 条，那么 count 取 10000 条。因此查询的速度并不会再受数据量不断增加带来的影响。

       Top N 可以结合筛选一起使用，可避免 Top N 查询不完全的问题。

2、采用谷歌搜索和百度分页方式

       谷歌和百度的分页方式完全避免了使用 count 函数，详情参考 《MongoDB分页处理方案（适用于一般数据库的分页方法）》