整理mongodb文档:分页

个人博客
整理mongodb文档:分页

个人博客，求关注，如果文章不够清晰，麻烦指出。

文章概叙

本文主要讲下在聚合以及crud的find方法中如何使用limit还有skip进行排序。
分页的情况很经常出现，这也是这篇博客诞生的理由。

数据准备

为了方便后续的测试，这次需要准备的数据有点多，大概是一百万条。
百万级的数量能反应出skip的性能问题（毕竟用到db，必须得注意性能问题）

db.test.insertMany(new Array(1000000).fill(1).map((value, index) => ({ number: index })))

首先介绍下两位主角，一个是limit，一个是skip。

如果你需要在MongoDB中读取指定数量的数据记录，可以使用MongoDB的Limit方法，limit()方法接受一个数字参数，该参数指定从MongoDB中读取的记录条数。

我们除了可以使用limit()方法来读取指定数量的数据外，还可以使用skip()方法来跳过指定数量的数据，skip方法同样接受一个数字参数作为跳过的记录条数。

当您链接skip()和limit()时，方法链接顺序不会影响结果。服务器始终在应用限制要返回的文件数量
简单来说，我们在mysql之类的关系型数据库中使用的pagesize、pageno这些参数现在不适合了。

mongodb的分页查询，是需要两个参数，一个是跳过多少条，一个是需要查询多少条，下面举一个简单的例子：
假设我们要查询第6页的10条数据，我们需要设置我们的skip为(6-1)*10=50,设置我们的limit为10，也就是说前50条的数据被我们跳过了。

有了初步的理解，再分别介绍下如何在聚合以及find方法中使用分页。

find方法中的分页

由于在find方法中，是没有limit以及skip参数的,所以我们会直接在代码中使用skip方法以及limit方法。

db.test.find().limit(1).skip(10)

按照上面的讲述，我们查询了第11条开始的共计1条数据。

至此，你已经学会了如何在find方法中使用分页了，但请不要忽略文档中的一句话。

The skip() method requires the server to scan from the beginning of
the input results set before beginning to return results. As the
offset increases, skip() will become slower.

大体的翻译是：随着查询数据的不断增多，skip查询越后面的数据，返回越慢。
为了验证，我们需要搬出来我们的explain方法来查看更多的详情。
我们可以根据代表在该查询条件下返回文档数的"nReturned"来验证上面的说法。

首先，我们查询第11条数据，并使用explain查看查询的详情。

db.test.find().limit(1).skip(10).explain("executionStats")

接着，再查询最后一条数据。

db.test.find().limit(1).skip(999999).explain("executionStats")

而且在查询第1000000条数据的时候，也可以感觉到明显的卡顿。
根据nReturned的不同，我们就明白了当skip的值越大的时候，我们查询出来的文档数也就越多，会导致 性能下降，会出现查询缓慢的情况。

聚合通道的分页

聚合通道的分页，由于直接提供了"$limt"以及"$skip"，使得我们不需要在后面拼接skip方法以及limit方法，使用的方法如下：

db.test.aggregate([{ "$limit": 3 },{ "$skip": 1 }])

上述的代码中，我们单看代码的理解是：查询从第2条开始的3条数据，也就是number分别为1，2，3的三条数据。
那么让我们打印看看查询出来的结果。

很是出乎意料，只返回了两条数据，并且返回的number还是数据库中的第二条以及第三条，说明了skip以及limit是有执行顺序的，先执行了limit的，拿出了前三条数据，再跳过这三条数据的第1条，只留下最后的两条数据。
既然如此，我们使用aggregate对skip做操作的时候，就需要考虑到执行顺序问题了。

注意点

1.上述在聚合通道的实验中，可以看到我们的顺序影响了分页的效果，所以使用分页的时候，需要注意分页所放的位置。

2.在find方法中，skip的作用是直接先将数据整理完毕，然后再查询出来，可以预测当我们要查询的数据特别后的时候，会导致我们的查询变得很慢，这也是因为一条一条数据的查询过滤。所以使用skip的时候，需要注意数据量大了就会导致性能急剧下降的问题，我们就可以尽可能的缩小查询的范围，适当的使用索引。