Computed Pattern 是将实时计算结果固化到文档中以空间换CPU和查询延迟;适用于统计值变更不频繁、可接受秒级延迟的场景,需应用层用 findOneAndUpdate 原子更新并规避并发丢失、索引缺失、历史数据未初始化等常见问题。

直接结论:Computed Pattern 不是“加个索引”或“写个聚合”,而是把实时计算结果固化到文档里,用空间换CPU和查询延迟——只要统计值变化不频繁、业务能接受几秒到几分钟的延迟,就值得用。
什么时候该用 Computed Pattern 而不是 $sum/$group?
当你遇到以下任一情况时,$sum、$group 或 $facet 开始拖慢响应,就该考虑 Computed Pattern:
- 每秒有上百次请求查“当前订单总金额”“用户积分余额”“商品已售数量”,且这些值只在写入时变更
- 聚合管道里反复出现
$lookup+$unwind+$sum,执行时间 > 50ms,totalDocsExamined明显高于nReturned - 监控发现
mongodb_ss_opLatencies_reads_latency在特定时间段持续 > 100ms,且对应查询都集中在几个统计字段上
怎么实现:更新时同步维护计算字段(非触发器)
MongoDB 没有真正的数据库级触发器,所以 Computed Pattern 必须由应用层控制。关键不是“算得准”,而是“写得稳”:
- 对目标文档使用
findOneAndUpdate带returnDocument: "after",在同一个原子操作里完成业务更新 + 统计字段递增/递减 - 避免先
find再update,否则并发写入会导致统计值丢失(如两个线程同时读到sales_count: 100,各自+1后都写回 101) - 对“余额类”字段(如积分、库存),建议用
$inc而非$set,天然支持并发安全
示例:下单时更新商品销量
db.orders.insertOne({
_id: ObjectId(),
product_id: "p9876",
amount: 299,
quantity: 2
});
// 同步更新商品文档中的 sales_count
db.products.findOneAndUpdate(
{ _id: "p9876" },
{ $inc: { sales_count: 2 } },
{ returnDocument: "after" }
);
容易被忽略的三个坑
很多人实现了字段更新,但线上仍慢或不准,问题常出在这三处:
-
sales_count字段没建索引——虽然它不参与查询条件,但如果你用它排序(如“热销榜”),没索引就会触发COLLSCAN;加db.products.createIndex({ sales_count: -1 }) - 历史数据未初始化——新上线 Computed Pattern 时,不能假设所有
sales_count都为 0,要用聚合一次性补全:db.orders.aggregate([{$group: {_id: "$product_id", total: {$sum: "$quantity"}}}, {$merge: {into: "products", on: "_id", whenMatched: {$set: {sales_count: "$total"}}}}]) - 误把“实时性要求极高”的指标也套用——比如秒杀倒计时剩余库存,必须强一致,此时应结合
findAndModify+ 版本号或分布式锁,而非单纯依赖$inc
最常被跳过的动作,是上线后没关掉旧的聚合查询入口。别让前端还偷偷调用 GET /api/stats/top-products?sort=sales 这种走 $group 的接口——它会悄悄拖垮整个集合的缓存热度。


















