最常用做法是$group配合$addToSet去重后用$size统计数组长度;需注意$addToSet仅支持原子值或一致结构,对null/缺失字段应先用$ifNull标准化,数组需$unwind展开,大数据量时建议allowDiskUse:true。

用 $group 配合 $addToSet 再取数组长度
直接在 $group 阶段对字段用 $addToSet 收集去重值,再用 $size 统计数组长度,是最常用且语义清晰的做法。注意 $addToSet 只接受单个表达式,不能直接写字段名加修饰(比如不能写 { $addToSet: "$tags.0" }),必须确保输入是可比较的原子值或一致结构。
常见错误现象:$addToSet 对 null、missing 字段或嵌套对象行为不一致——对象按引用去重,但字段缺失时会被当作 null 归入同一组,导致计数偏高。
- 如果目标字段可能为
null或缺失,先用$ifNull或$cond标准化(例如统一转成空字符串或跳过) - 对数组字段去重计数时,
$addToSet会把整个数组当一个元素;如需展开后去重,得先$unwind - 性能上,
$addToSet在分组量大、唯一值多时内存增长明显,MongoDB 6.0+ 建议配合allowDiskUse: true
用 $group + $sum + $cond 手动去重计数(适合简单布尔/枚举场景)
当只需要统计某字段有多少种「固定取值」(比如状态字段只有 "pending"、"done"、"failed"),且不想构造大数组时,可用 $cond 配合 $sum 实现“首次出现即计 1”。这本质是手动模拟去重逻辑,绕开 $addToSet 的内存开销。
使用场景:日志表中按 service_name 分组,统计每个服务调用了多少种不同的 endpoint,但 endpoint 总数可控(
- 必须配合
$sort确保相同endpoint连续出现,否则$first判断失效 - 需要在
$group前加$set记录上一个值(用$lag窗口函数),MongoDB 5.0+ 才支持 - 示例片段:
{ $sum: { $cond: [{ $eq: ["$endpoint", { $first: "$endpoint" }] }, 1, 0] } }❌ 错误——$first不能这样用;正确做法是先$sort后用$group+$push+$reduce
聚合结果里 $size 返回 null?检查 $addToSet 输入是否全为 null 或空数组
$size 对 null 或缺失字段会报错:errmsg: "can't convert from BSON type Null to Array"。这不是语法问题,而是上游 $addToSet 输出了 null——通常因为输入字段全为 null、undefined,或被 $cond 显式设为 null。
- 安全写法:用
$ifNull包一层,例如{ $size: { $ifNull: [{ $addToSet: "$category" }, []] } } - 调试技巧:临时把
$addToSet结果保留为字段(如uniqueCats: { $addToSet: "$category" }),用find().limit(1)查看实际值 - MongoDB 7.0 开始支持
$size直接处理null,但生产环境仍建议兼容旧版
分组键含数组字段时,$addToSet 行为与预期不符
如果分组依据是 { tags: 1 },而 tags 是数组(如 ["a", "b"]),MongoDB 会把整个数组当一个值参与分组——但 $addToSet: "$tags" 也会把 ["a", "b"] 当单个元素加入集合,不是你想要的“所有 tag 的去重并集”。
真正需求通常是:按用户分组,统计该用户所有文档中出现过的全部 tag 种类数。这时必须先 $unwind 再 $group:
[
{ $unwind: "$tags" },
{ $group: { _id: "$user_id", uniqueTags: { $addToSet: "$tags" } } },
{ $project: { tagCount: { $size: "$uniqueTags" } } }
]
-
$unwind默认跳过空数组和null,如需保留,加preserveNullAndEmptyArrays: true - 若
tags是嵌套结构(如{ name: "x", score: 5 }),$addToSet按对象内容去重;但字段顺序不同会导致哈希不同({a:1,b:2}≠{b:2,a:1}) - 这种展开-聚合模式比单次
$group多一倍 pipeline 阶段,大数据量下务必加索引(如{ user_id: 1, tags: 1 })
聚合里去重计数看着简单,但字段缺失、数组嵌套、版本差异三者叠加,很容易在测试数据上跑通,上线后某天突然 uniqueTags 变成 null 或计数归零。最稳妥的方式永远是:先 $project 把目标字段规整成非空原子值,再进 $group。











