MongoDB中同现关系需用聚合管道手动实现，核心是$group配合$sum与$cond统计字段共现频次，避免$unwind膨胀，优先前置$match过滤并利用复合索引提升效率。
MongoDB 中的同现关系，本质是“多个字段在同一个文档中同时出现”的统计需求，不是内置功能，得靠聚合管道手动实现。
用 $group + $sum 统计字段共现频次
同现（co-occurrence）在推荐、风控、日志分析中很常见，比如“用户既点了广告 A，又加购了商品 B”——这需要统计 A 和 B 在同一文档中同时为 true 的次数。MongoDB 没有 $cooccur 这种操作符，必须用聚合表达式组合实现。
- 先用
$group按需分组（如按user_id），再用$sum配合布尔转数字：{$sum: {$cond: [{$and: ["$has_ad_a", "$has_product_b"]}, 1, 0]}} - 别直接对字段做
$sum: "$field"——如果字段是字符串或缺失，会报错或结果为 0；务必用$cond显式判断 - 若字段是嵌套结构（如
behavior.click.ad_id），注意路径有效性，空值或类型不匹配会导致整个条件为 false
避免 $unwind 导致的爆炸式膨胀
当原始文档含数组（如 tags: ["news", "sports"]），想统计“news 和 sports 是否同现于一个文档”，容易下意识用 $unwind 展开再匹配——但这是危险操作。
-
$unwind会让一条含 10 个 tag 的文档变成 10 条，如果后续还要两两组合判断，数据量可能指数级增长 - 正确做法是用
$setIsSubset或$allElementsTrue：例如{$setIsSubset: [["news", "sports"], "$tags"]}直接判断数组是否包含两个值 - 如果数组很长且只关心是否存在，用
$in配合$expr更轻量：{$expr: {$and: [{$in: ["news", "$tags"]}, {$in: ["sports", "$tags"]}]} }
索引对同现查询没直接加速，但影响底层扫描效率
同现逻辑运行在聚合阶段，MongoDB 不会对 $cond 或 $and 表达式自动走索引。但前置过滤能大幅减少输入文档数。
- 把高选择性的过滤条件（如时间范围、状态码）放在
$match阶段最前面，越早筛掉无效文档，后续计算越快 - 复合索引可以覆盖部分前置条件，例如
{created_at: 1, status: 1}能加速$match: {created_at: {$gt: ...}, status: "active"} - 别指望给
field_a和field_b分别建单字段索引就能优化同现查询——MongoDB 不会合并两个单字段索引去服务一个$and条件
真正难的不是写出来，而是意识到“同现”不是原子操作：它依赖文档粒度，一旦业务要求跨文档（比如“用户 A 点击后，用户 B 一小时内下单”），就得跳出单集合聚合，引入时间窗口、变更流或外部状态协调——那已经是另一个问题域了。
