1.如何使用python对mongodb中的多个collection中的数据分析后做排序？
2.具体的使用场景是这样的，假设有如下model： 用户表，用户购买记录表。
假设记录表中存有用户每次买东西所花的钱，那么问题来了，如何将用户已购买东西花费金额的 累计和（假设此类统计字段有5个），做降序排列？
3.场景为我为了说明问题虚构的，事实上有很多统计字段，假设用户表中有100w条记录，记录表100w条数据，服务器4核8线程，能否做到每20条数据的等待时间不超过3s？
4.假设在统计完每个用户的所有数据后用sorted进行排序，是否效率真的会很低？
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
对你需要筛选的相应字段开启mongodb的index(mongodb一个collection下面支持多个index), 也就是索引, 由于采用的是hashtable, 所以应该会快很多, 而且可以用mongodb自己的api做sort,
100W的情形没遇到过, 但是1~10W的规模记得好像是500ms以内, 作为对比, 不开索引简直卡的生活不能自理另外如果你需要统计的这个数据很重要, 且调用频率很高的话, 建议单独整一个collection, 定期调用队列缓存, 用空间换时间, 这个collection可以有以下几个字段, 用户id, 近3小时买买买的总和, 近12小时, 近24小时, 近1天, 近1月, 过去总剁手量等, 这样做的缺点就是浪费了点空间, 还有并不能实时反映数据, 但好处显而易见, 要查询一个用户剁手量简单查询即可, 毫秒级响应
以上, 一家之言, 仅供参考
可以把collection数据都载入内存再做处理。
mongodb不擅长处理多个collections的数据，所以数据本身设计的时候最好全部聚合到一起。
针对单个collections的查询建立索引，查询的使用顺序：基本查询->aggregation->mapreduce，查询方法从左到右越来越灵活，查询效率越来越低。
多个collections的查询就需要自己实现，分别从各个collections进行查询，对多个查询结果进行处理。
对时效性要求特别高的，使用中间缓存层并设计更新策略。