一 . 背景需求

在日常的业务需求中，我们往往会根据时间段来统计数据。例如，统计每小时的下单量；每天的库存变化，这类信息数据对运营管理很重要。

这类数据统计依赖于各个时间维度，年月日、时分秒都有可能。因为需求变化多样，并且表的设计有严格的规范，我们不可能将订单的下单时间分别拆分存储到 年、月、日、时、分、秒、毫秒列(字段)中。在实际应用中，我们一般都是通过转换函数进行时间转换的。

大家可能对关系型数据库(例如，SQL Server、MySQL)中的时间转换函数和依据时间段进行聚合操作比较熟悉了，但是对MongoDB中的时间转换和依据时间聚合比较陌生。所以，我们有必要花费一定时间进行梳理学习一下，拓展丰富自己的知识。

二 . SQL Server数据库关于时间的转换和聚合

为了清楚的了解这类需求，了解时间转换和统计，我们先从大家熟悉的SQL Server 入手。例如，我们将时间数据存储为datetime类型。

首先，回顾下SQL Server的时间转换函数。

1.通过YEAR(),MONTH(),DAY() 获取年月日数据。

2.通过DATEPART() 函数 返回日期/时间的单独部分，比如年、月、日、小时、分钟等等。

3.datename () 返回代表指定日期的指定日期部分的字符串。此函数与DATEPART() 类似。

此外，还可以通过convert() 等函数进行转换，再次不再赘述。

通过这些函数，我们可以进行时间格式的转换，在转换函数的基础上，可以进行时间段内数据量的统计。

例如：基于DATEPART() 函数， 统计2017-10-10到2017-11-10表中每天的数据量。

也可以基于convert() 函数进行统计

三 . MongoDB 数据库关于时间的转换和聚合

以上操作是在SQL Server上进行，如果在MongoDB中，应该借助什么的函数进行类似的转换和统计呢？

如果查看显示 各种格式的时间，可以通过 $dateToString 进行转换。

例如通过转换函数$dateToString，将集合temp_MongoDateTime中的字段Rec_CreateTime转换为 年 字段、月 字段、日 字段、年-月-日、和 时：分：秒：毫秒 字段

代码为：

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"} }

}

}

]

)

查询效果如下：

除了$dateToString转换函数外，MongoDBDB 还有获取年月日、时分秒的函数，甚至还提供了处于一年中的多少天，一周的第几天等。

主要函数为$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek等。

我们直接看下面的例子好了。执行代码：

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个例子都是时间转换，如果按照时间段集合统计数据呢？其实基于上面的时间转换函数，借助MongoDB的聚合框架，同样可以轻松实现。

例如统计1-12 月份，每个月份的数据量，即那个月是旺季。此时基于时间转换函数 $month，执行代码如下：

db.temp_MongoDateTime.aggregate(

[

{

$match:{}

},

{

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

count:{$sum:1}}

}

]

)

查询效果如下：

上面的数据显示：集合中的记录按月聚合，10月份有341笔；9月份有48笔。其中字段_id 代表了月份。

我们再举一个例子，例如统计 集合temp_MongoDateTime 在 2016-10-05 05:51:50 到 2018-10-06 05:51:50 这段时间内，0-24 小时内，每小时的分布情况。即，每天那个时辰(小时)下单量比较多。

此时基于时间转换函数 $hour，代码如下：

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}

}

}

]

)

查询结果显示如下：

再举一个关于时间聚合统计的例子，这个例子是基于时间转换函数$dateToString的。

例如统计每天的数据量，即每天的数据分布情况。这个每天是按 年-月-日统计分布的。

代码如下：

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}

}

}

]

)

查询效果显示如下：

四 . 总结

和关系型数据库 SQL Server 一样，MongoDB数据库通过自身的时间转换函数，例如， $dateToString、$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek等，也可以轻松实现时间转换和基于时间段的聚合统计。

本文版权归作者所有，未经作者同意不得转载,谢谢配合！！！