MongoDB聚合运算符：$tsIncrement

MongoDB聚合运算符：$tsIncrement

$tsIncrement用来以 long形式返回时间戳的递增序数。当同一秒内发生多个事件时，递增序数唯一标识每个事件。

语法

{ $tsIncrement: <expression> }

1
2

• 表达式必须能解析为时间戳。

使用

• 如果输入表达式的值为null或引用的字段缺失，则$tsIncrement返回null。
• 如果输入表达式的值不是时间戳，则返回错误。

举例

从时间戳字段获取递增序数

使用下面的脚本创建stockSales集合，包含公司股票金融市场销售的情况：

db.stockSales.insertMany( [
   { _id: 0, symbol: "MDB", saleTimestamp: Timestamp(1622731060, 1) },
   { _id: 1, symbol: "MDB", saleTimestamp: Timestamp(1622731060, 2) },
   { _id: 2, symbol: "MSFT", saleTimestamp: Timestamp(1714124193, 1) },
   { _id: 3, symbol: "MSFT", saleTimestamp: Timestamp(1714124193, 2) },
   { _id: 4, symbol: "MSFT", saleTimestamp: Timestamp(1714124193, 3) }
] )
1
2
3
4
5
6
7

下面的聚合操作使用$tsIncrement表达式计算角度angle的双曲正切值，然后使用$addFields管道阶段将其添加到输入文档。

db.trigonometry.aggregate( [
   {
      $addFields : {
         "tanh_output" : { $tsIncrement : { $degreesToRadians : "$angle" } }
      }
   }
] )
1
2
3
4
5
6
7

在时间戳构造函数中：

• 第一个值是 Unix 纪元之后的秒数。
• 第二个值是递增序号。当同一秒内发生多个事件时，递增序号将唯一标识每个事件。

下面的示例在 $project 阶段使用 $tsIncrement 从股票销售 salesTimestamp 字段返回递增序号：

db.stockSales.aggregate( [
   {
      $project:
      {
         _id: 0, saleTimestamp: 1, saleIncrement: { $tsIncrement: "$saleTimestamp" }
      }
   }
] )
1
2
3
4
5
6
7
8

在示例中，$project 只包括 saleTimestamp 和 saleIncrement 字段，如下输出所示：

{
  saleTimestamp: Timestamp({ t: 1622731060, i: 1 }),
  saleIncrement: Long("1")
},
{
  saleTimestamp: Timestamp({ t: 1622731060, i: 2 }),
  saleIncrement: Long("2")
},
{
  saleTimestamp: Timestamp({ t: 1714124193, i: 1 }),
  saleIncrement: Long("1")
},
{
  saleTimestamp: Timestamp({ t: 1714124193, i: 2 }),
  saleIncrement: Long("2")
},
{
  saleTimestamp: Timestamp({ t: 1714124193, i: 3 }),
  saleIncrement: Long("3")
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

在变化的数据流游标中使用 $tsIncrement 来监控集合变化

下面的示例在变化数据流游标中使用了$tsIncrement，返回在同一秒钟内对集合所做的每一次更改。

在cakeSales集合上创建一个变化流游标：

cakeSalesCursor = db.cakeSales.watch( [
   {
      $match: {
         $expr: {
            $eq: [
               { $mod: [ { $tsIncrement: "$clusterTime" } , 2 ] },
               0
            ]
         }
      }
   }
] )
1
2
3
4
5
6
7
8
9
10
11
12

在本例中：

• db.collection.watch()方法为cakeSales集合创建一个变化流游标，并将该游标存储在cakeSalesCursor中。
• $match阶段使用$expr运算符对文档进行过滤。
• $expr 运算符：
  • 将$mod 2应用于由$tsIncrement返回的$clusterTime变量的递增序号。
  • $clusterTime为修改cakeSales集合时来自oplog条目的时间戳。
  • 使用 $eq对$mod返回值与0比较。

创建一个cakeSales集合，其中包含加利福尼亚州 (CA) 和华盛顿州 (WA) 的蛋糕销售情况：

db.cakeSales.insertMany( [
   { _id: 0, type: "chocolate", orderDate: new Date("2020-05-18T14:10:30Z"),
     state: "CA", price: 13, quantity: 120 },
   { _id: 1, type: "chocolate", orderDate: new Date("2021-03-20T11:30:05Z"),
     state: "WA", price: 14, quantity: 140 },
   { _id: 2, type: "vanilla", orderDate: new Date("2021-01-11T06:31:15Z"),
     state: "CA", price: 12, quantity: 145 },
   { _id: 3, type: "vanilla", orderDate: new Date("2020-02-08T13:13:23Z"),
     state: "WA", price: 13, quantity: 104 },
   { _id: 4, type: "strawberry", orderDate: new Date("2019-05-18T16:09:01Z"),
     state: "CA", price: 41, quantity: 162 },
   { _id: 5, type: "strawberry", orderDate: new Date("2019-01-08T06:12:03Z"),
     state: "WA", price: 43, quantity: 134 }
] )
1
2
3
4
5
6
7
8
9
10
11
12
13
14

可以使用cakeSalesCursor来监视cakeSales集合的更改，例如，使用 next()方法获取cakeSalesCursor的下一个文档：

cakeSalesCursor.next()
1

根据文档添加到cakeSales的秒数不同，cakeSalesCursor.next()的输出也不同，例如，文档添加时间可能超过一秒。

下面的cakeSalesCursor.next()输出示例显示了添加到 cakeSales 集合的第一个文档的插入详细信息。注意，在 clusterTime 字段中，递增序号 i 为 2。

_id: {
  _data: '82613A4F25000000022B022C0100296E5A100454C5BFAF538C47AB950614F43889BE00461E5F696400290004'
},
operationType: 'insert',
clusterTime: Timestamp({ t: 1631211301, i: 2 }),
fullDocument: {
  _id: 0,
  type: 'chocolate',
  orderDate: ISODate("2020-05-18T14:10:30.000Z"),
  state: 'CA',
  price: 13,
  quantity: 120
},
ns: { db: 'test', coll: 'cakeSales' },
documentKey: { _id: 0 }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

再次运行 cakeSalesCursor.next()，返回clusterTime递增序号 i 为 4 的 cakeSales 文档，忽略 i 为 3 的文档。