使用近似模式

本页

关于此任务

步骤
插入示例数据
实现近似模式
结果
了解更多

当您有频繁变化的值，但用户不需要知道精确值时，请使用近似模式。无需每次数据更改时都更新值，近似模式根据更大的粒度更新数据，从而减少更新次数并降低应用程序的工作负载。

关于此任务

当值不需要精确报告时，近似模式非常有用。例如

城市人口
网站访问量
航空公司旅客

前面的测量值通常在近似时很有用。应用程序可以通过每次更新存储值数百或数千次来节省时间和资源，具体取决于数据的规模。

步骤

在此示例中，一个应用程序显示一个大约有40,000人口的城市的人口数据。应用程序用户主要关注整体趋势，并不需要知道确切的市人口。

插入示例数据

db.population.insertOne( {
   city: "New Perth",
   population: 40000,
   date: ISODate("2022-09-15")
} )

实现近似模式

实际人口值在一天内变化多次。而不是每次变化都更新人口值，当人口变化100次时，使用应用程序逻辑插入新文档。

例如，您的应用程序逻辑可能如下所示

let population = 40000
function updateStoredPopulation(curr_population, new_population) {
   let population_change = Math.abs(curr_population - new_population)
   if (population_change >= 100) {
      db.population.insertOne(
         {
            city: "New Perth",
            population: new_population,
            date: Date()
         }
      )
      population = new_population
   }
}

注意

前面的示例仅用于说明，并未使用准确的语法。要了解应用程序的正确语法，请参考您相应的驱动器文档.

结果

前面的应用程序逻辑可能导致以下文档

db.population.insertMany( [
   {
      city: "New Perth",
      population: 40100,
      date: ISODate("2024-09-20")
   },
   {
      city: "New Perth",
      population: 40200,
      date: ISODate("2024-10-01")
   },
   {
      city: "New Perth",
      population: 40300,
      date: ISODate("2024-10-09")
   },
] )

注意

更新的值的收集方式取决于您的场景。在此示例中，更新的人口值可以从人口普查报告中收集。

通过以100为粒度更新人口，近似模式将更新次数减少到跟踪个人人口变化所需的更新次数的1%。

用户可以看到人口随着时间的推移而增加，这满足了他们查看高级趋势的需求。

了解更多

计算数据

下一步

分组数据