一 . 背景需求

在日常的業務需求中，我們往往會根據時間段來統計資料。例如，統計每小時的下單量；每天的庫存變化，這類資訊資料對運營管理很重要。

這類資料統計依賴於各個時間維度，年月日、時分秒都有可能。因為需求變化多樣，並且表的設計有嚴格的規範，我們不可能將訂單的下單時間分別拆分儲存到 年、月、日、時、分、秒、毫秒列（欄位）中。在實際應用中，我們一般都是通過轉換函式進行時間轉換的。

大家可能對關係型資料庫（例如，SQL Server、MySQL）中的時間轉換函式和依據時間段進行聚合操作比較熟悉了，但是對MongoDB中的時間轉換和依據時間聚合比較陌生。所以，我們有必要花費一定時間進行梳理學習一下，拓展豐富自己的知識。

二 . SQL Server資料庫關於時間的轉換和聚合

為了清楚的瞭解這類需求，瞭解時間轉換和統計，我們先從大家熟悉的SQL Server 入手。例如，我們將時間資料儲存為datetime型別。

首先，回顧下SQL Server的時間轉換函式。

1.通過YEAR(),MONTH(),DAY() 獲取年月日資料。

2.通過DATEPART() 函式 返回日期/時間的單獨部分，比如年、月、日、小時、分鐘等等。

3.datename () 返回代表指定日期的指定日期部分的字串。此函式與DATEPART() 類似。

此外，還可以通過convert()

通過這些函式，我們可以進行時間格式的轉換，在轉換函式的基礎上，可以進行時間段內資料量的統計。

例如：基於DATEPART() 函式， 統計2017-10-10到2017-11-10表中每天的資料量。

也可以基於convert() 函式進行統計

三 . MongoDB 資料庫關於時間的轉換和聚合

以上操作是在SQL Server上進行，如果在MongoDB中，應該藉助什麼的函式進行類似的轉換和統計呢？

如果檢視顯示 各種格式的時間，可以通過 $dateToString 進行轉換。

例如通過轉換函式$dateToString，將集合temp_MongoDateTime中的欄位Rec_CreateTime轉換為 年 欄位、月 欄位、日 欄位、年-月-日、和 時：分：秒：毫秒 欄位

程式碼為：

db.temp_MongoDateTime.aggregate(

   [

     {

       $project: {

           "_id":0,

           "Rec_CreateTime":1,

          Year: { $dateToString: { format: "%Y", date: "$Rec_CreateTime" } },

          Month: { $dateToString: { format: "%m", date: "$Rec_CreateTime" } },

          Day: { $dateToString: { format: "%d", date: "$Rec_CreateTime" } },

          yearMonthDay: { $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },

          Time: { $dateToString: { format: "%H:%M:%S:%L", date: "$Rec_CreateTime"} }

       }

     }

   ]

)

 查詢效果如下：

除了$dateToString轉換函式外，MongoDBDB 還有獲取年月日、時分秒的函式，甚至還提供了處於一年中的多少天，一週的第幾天等。

主要函式為$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek 等。

我們直接看下面的例子好了。執行程式碼：

db.temp_MongoDateTime.aggregate(

   [

     {

       $project:

         {

           "_id":0,

           "Rec_CreateTime":1,

           year: { $year: "$Rec_CreateTime" },

           month: { $month: "$Rec_CreateTime" },

           day: { $dayOfMonth: "$Rec_CreateTime" },

           hour: { $hour: "$Rec_CreateTime" },

           minutes: { $minute: "$Rec_CreateTime" },

           seconds: { $second: "$Rec_CreateTime" },

           milliseconds: { $millisecond: "$Rec_CreateTime" },

           dayOfYear: { $dayOfYear: "$Rec_CreateTime" },

           dayOfWeek: { $dayOfWeek: "$Rec_CreateTime" },

           week: { $week: "$Rec_CreateTime" }

         }

     }

   ]

)

上面的2個例子都是時間轉換，如果按照時間段集合統計資料呢？其實基於上面的時間轉換函式，藉助MongoDB的聚合框架，同樣可以輕鬆實現。

例如統計1-12 月份，每個月份的資料量，即那個月是旺季。此時基於時間轉換函式 $month，執行程式碼如下：

db.temp_MongoDateTime.aggregate(

[

{

    $match:{}

},

{

    $group:{_id:{$month:"$Rec_CreateTime"},

    count:{$sum:1}}  

}

]

)

查詢效果如下：

上面的資料顯示：集合中的記錄按月聚合，10月份有341筆；9月份有48筆。其中欄位_id 代表了月份。

我們再舉一個例子，例如統計 集合temp_MongoDateTime 在 2016-10-05 05:51:50 到 2018-10-06 05:51:50 這段時間內，0-24 小時內，每小時的分佈情況。即，每天那個時辰（小時）下單量比較多。

此時基於時間轉換函式 $hour ，程式碼如下：

db.temp_MongoDateTime.aggregate(

[

{

$match:{

"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}

       }

},

{$group:{

        _id:{ $hour: "$Rec_CreateTime" },

         count:{$sum:1}

        }

}

]

)

查詢結果顯示如下：

再舉一個關於時間聚合統計的例子，這個例子是基於時間轉換函式$dateToString的。

例如統計每天的資料量，即每天的資料分佈情況。這個每天是按 年-月-日統計分佈的。

程式碼如下：

db.temp_MongoDateTime.aggregate(

[

{

$match:{

"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}

       }

},

{$group:{

        _id:{ $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },

         count:{$sum:1}

        }

}

]

)

查詢效果顯示如下：

四 . 總結

和關係型資料庫 SQL Server 一樣，MongoDB資料庫通過自身的時間轉換函式，例如， $dateToString、$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek等，也可以輕鬆實現時間轉換和基於時間段的聚合統計。

本文版權歸作者所有，未經作者同意不得轉載,謝謝配合！！！