Agregace MongoDB:Vypočítejte průběžné součty ze součtu předchozích řádků

To dělá to, co potřebujete. Časy v datech jsem normalizoval, takže se seskupují (Mohli byste udělat něco takového). Cílem je $group a stiskněte time 's a total 's do samostatných polí. Poté $unwind time pole a vytvořili jste kopii totals pole pro každý time dokument. Poté můžete vypočítat runningTotal (nebo něco jako klouzavý průměr) z pole obsahujícího všechna data pro různé časy. 'index' generovaný $unwind je index pole pro total odpovídající tomuto time . Je důležité $sort před $unwind ing, protože to zajišťuje, že pole jsou ve správném pořadí.

db.temp.aggregate(
    [
        {
            '$group': {
                '_id': '$time',
                'total': { '$sum': '$value' }
            }
        },
        {
            '$sort': {
                 '_id': 1
            }
        },
        {
            '$group': {
                '_id': 0,
                'time': { '$push': '$_id' },
                'totals': { '$push': '$total' }
            }
        },
        {
            '$unwind': {
                'path' : '$time',
                'includeArrayIndex' : 'index'
            }
        },
        {
            '$project': {
                '_id': 0,
                'time': { '$dateToString': { 'format': '%Y-%m-%d', 'date': '$time' }  },
                'total': { '$arrayElemAt': [ '$totals', '$index' ] },
                'runningTotal': { '$sum': { '$slice': [ '$totals', { '$add': [ '$index', 1 ] } ] } },
            }
        },
    ]
);

Použil jsem něco podobného na kolekci s ~ 80 000 dokumenty, které dohromady tvoří 63 výsledků. Nejsem si jistý, jak dobře to bude fungovat na větších kolekcích, ale zjistil jsem, že provádění transformací (projekce, manipulace s poli) na agregovaných datech se nezdá mít velké náklady na výkon, jakmile se data zmenší na zvládnutelnou velikost.