可能最简单的解决方案是使用两个单独的聚合操作来执行此操作，并将结果合并到您的应用程序中。
或者，您可以使用 Map Reduce 操作执行此操作：
以下 map 和 reduce 函数应提供您正在寻找的结果：
var map = function() {
var totalHits = this.hitsPerOneSecond.map(function(a,b){return a+b;});
var totalHitsCount = this.hitsPerOneSecond.length;
var avgHit = totalHits / totalHitsCount;
var minHit = Math.min.apply(Math, this.hitsPerOneSecond);
var maxHit = Math.max.apply(Math, this.hitsPerOneSecond);
var totalResponses = pathStats_xxx_api_get_response.map(function(a,b){return a+b;});
var totalResponsesCount = this.pathStats_xxx_api_get_response.length;
var avgResponse = totalResponses / totalResponsesCount;
var minResponse = Math.min.apply(Math, this.pathStats_xxx_api_get_response);
var maxResponse = Math.max.apply(Math, this.pathStats_xxx_api_get_response);
emit(this.startTimeStr, {
"totalHits": totalHits,
"totalHitsCount": totalHitsCount,
"avgHit": avgHit,
"minHit": minHit,
"maxHit": maxHit,
"totalResponses": totalResponses,
"totalResponsesCount": totalResponsesCount,
"avgResponse": avgResponse,
"maxResponse": maxResponse,
"minResponse": minResponse
})
}
var reduce = function(key, values) {
var output = {
"totalHits": 0,
"totalHitsCount": 0,
"avgHit": 0,
"minHit": null,
"maxHit": null,
"totalResponses": 0,
"totalResponsesCount": 0,
"avgResponse": 0,
"maxResponse": null,
"minResponse": null
};
values.forEach(function(v) {
output.totalHits += v.totalHits;
output.totalHitsCount += v.totalHitsCount;
output.avgHit = output.totalHits / output.totalHitsCount;
if (output.minHit == null) {
output.minHit = v.minHit;
} else {
if (v.minHit < output.minHit) {
output.minHit = v.minHit
}
}
if (output.maxHit == null) {
output.maxHit = v.maxHit;
} else {
if (v.maxHit > output.maxHit) {
output.maxHit = v.maxHit
}
}
output.totalResponses += v.totalResponses;
output.totalResponsesCount += v.totalResponsesCount;
output.avgResponse = output.totalResponses / output.totalResponsesCount;
if (output.minResponse == null) {
output.minResponse = v.minResponse;
} else {
if (v.minResponse < output.minResponse) {
output.minResponse = v.minResponse
}
}
if (output.maxResponse == null) {
output.maxResponse = v.maxResponse;
} else {
if (v.maxResponse > output.maxResponse) {
output.maxResponse = v.maxResponse
}
}
});
return output;
}
> db.newStats.mapReduce(map, reduce, {out:{inline:1}})
{
"results" : [
{
"_id" : "07-04-2012:10AM",
"value" : {
"totalHits" : 54,
"totalHitsCount" : 20,
"avgHit" : 2.7,
"minHit" : 1,
"maxHit" : 5,
"totalResponses" : 7.523893102462698,
"totalResponsesCount" : 6,
"avgResponse" : 1.253982183743783,
"maxResponse" : 1.4853219936411421,
"minResponse" : 1.0602539963494662
}
}
],
"timeMillis" : 0,
"counts" : {
"input" : 2,
"emit" : 2,
"reduce" : 1,
"output" : 1
},
"ok" : 1,
}
>
如果您不熟悉 Map Reduce，可以在此处找到文档：
http ://www.mongodb.org/display/DOCS/MapReduce
此外，MongoDB Cookbook 中有一些很好的 Map Reduce 示例：http:
//cookbook.mongodb.org/
食谱文章“使用版本化文档查找最大值和最小值” http://cookbook.mongodb.org/patterns/finding_max_and_min/的“附加”部分包含一个很好的 Map Reduce 操作的逐步演练，解释了如何功能被执行。
希望这将帮助您实现您想要的结果。如果您能够通过单个聚合操作找到一种方法，请分享您的解决方案，以便社区可以从您的经验中受益。谢谢。
以下是关于 Map Reduce 的一些注释，以回应您的评论：
MapReduce 在服务器上执行 JavaScript。因此，您可能会发现其他操作的性能会受到影响。Map Reduce 适用于可能在服务器未达到峰值流量时执行的偶尔操作。您可能会发现使用 Map Reduce 来获取大型集合中的动态统计数据并不是最优的。
另一方面，聚合框架依赖本机代码，不执行服务器端 JavaScript，比 Map Reduce 更快。
如果可能，最好的选择是为每个可查询的文档添加字段。这为每次插入或更新增加了一点额外的开销，但如果可以避免 Map Reduce 操作，结果将更快地返回。不幸的是，这对于最大值和最小值以及平均值来说是困难的。
如果 Map Reduce 操作是唯一的选择，则可以采取一些措施来减轻其对服务器的影响。首先，可以使用 SlaveOk 在辅助节点上运行 Map Reduce。但是，由于无法将数据写入辅助节点，因此必须以内联方式返回输出，因此限制为 16MB。一些用户将从副本集中取出一个辅助节点，将其作为独立的 mongod 进程重新启动，对其运行 map-reduce 操作，将输出集合复制到需要去的任何地方，然后将辅助节点重新加入副本集。
最后要考虑的一件事是增量 Map Reduce：
http ://www.mongodb.org/display/DOCS/MapReduce#MapReduce-IncrementalMapreduce
您可以将查询传递给 map reduce 命令，该命令将仅匹配自最后一个 map reduce，并使用 reduce 输出选项运行 map reduce 操作。
希望以上内容能让您对计算统计数据的最佳方法有所思考。在文档中包含所需的信息是可取的，但如果这不可能，使用聚合框架将比 Map Reduce 更有效。
以下是关于聚合框架和 pymongo 的注释，以回应第二条评论：
聚合框架可以在 pymongo 中使用数据库对象的命令方法。
命令方法的文档可以在这里找到：http:
//api.mongodb.org/python/current/api/pymongo/database.html#pymongo.database.Database.command
要执行聚合操作，请使用两个键将文档传递给 command 方法；“聚合”和“管道”。“aggregate”的值是要执行操作的集合的名称，“pipeline”的值是要执行的聚合操作的数组。管道在“聚合框架”文档中进行了解释：
http ://www.mongodb.org/display/DOCS/Aggregation+Framework#AggregationFramework-Pipelines
以下是如何在 pymongo 中执行 $unwind 操作的示例：
In [1]: import pymongo
In [2]: conn = pymongo.Connection()
In [3]: db = conn.test
In [4]: result = db.command({"aggregate":"newStats", "pipeline":
[{"$unwind": "$hitsPerOneSecond"},
{"$group": {"_id":"$startTimeStr",
"totalHits": {"$sum":
"$hitsPerOneSecond"},
"totalHitsCount": {"$sum": 1},
"avgHit": {"$avg": "$hitsPerOneSecond"},
"minHit": {"$min":"$hitsPerOneSecond"},
"maxHit":{"$max": "$hitsPerOneSecond"}}}]})
In [5]: result
Out[5]:
{u'ok': 1.0,
u'result': [{u'_id': u'07-04-2012:10AM',
u'avgHit': 2.7,
u'maxHit': 5.0,
u'minHit': 1.0,
u'totalHits': 54.0,
u'totalHitsCount': 20}]}