$match必须置于聚合管道最前端才能利用索引加速过滤,否则后续$group等阶段处理全量数据将导致内存溢出或性能陡降;索引仅在$match扫描原始集合时生效,$group后无索引参与。

聚合管道中索引只对$match生效,$group之后根本没索引可言
不是“原有索引失效”,而是索引在$group阶段压根不参与工作。MongoDB的索引只在查询扫描阶段(即管道开头的$match)起作用;一旦进入$group、$sort、$project等阶段,数据已加载进内存或临时结构,后续所有操作都在内存里跑,跟索引完全无关。
常见错误现象:Exceeded memory limit for $group 或执行缓慢,但explain()显示前面的$match用了IXSCAN——这说明索引“成功了”,但后面阶段已经脱离索引控制范围。
- 索引只影响文档“从磁盘读到内存”这一步,$group处理的是内存里的中间结果
- 即使你对
user_id建了唯一索引,{$group: {_id: "$user_id", total: {$sum: "$amount"}}}也不会用它加速分组逻辑 - 分组键是否带索引,只影响$match能否快速筛出原始文档,不影响分组本身效率
$group前没加$match,等于把全量数据塞进内存再分组
这是线上最常触发OOM的写法。索引再好,也救不了没过滤就分组的行为。
使用场景:按用户统计订单金额,但没限定时间范围或状态。
- 错误写法:
Aggregation.group("user_id").sum("amount").as("total")→ 扫描全部历史订单 - 正确写法:必须前置
Aggregation.match(Criteria.where("status").is("paid").and("created_at").gte(ISODate("2026-01-01"))) - 复合条件要匹配索引:若索引是
{status: 1, created_at: 1, user_id: 1},$match就得按这个顺序写字段
$project放在$group前能大幅降低内存压力,但它不依赖索引
$project不是为了“让索引继续生效”,而是为了砍掉无用字段,减少每条中间文档体积。这对性能影响远大于索引是否存在。
参数差异:只保留分组必需字段,显式排除_id(除非它是分组键)。
- 例如按
category分组求和,$project只需:{category: 1, amount: 1, _id: 0} - 如果原始文档含
logs: "..."(几MB文本),不裁剪会导致单文档内存占用暴涨10倍+ - 别在
$project里算新字段(如{avg: {$avg: "$scores"}})再用于后续$match,这会让前置索引过滤白费
真正危险的是误以为“建了索引=聚合快”
索引对聚合的贡献仅限于第一道门——能不能快速拿到需要分组的那批文档。门后的所有操作,都得靠字段裁剪、条件前置、合理排序来扛。
容易被忽略的地方:分片集群下,$group会把数据拉到mongos或某个shard做归并,网络传输+内存合并开销远超单机;此时allowDiskUse只是避免崩溃,不是提速方案。











