关于MongoDB时间格式转换和时间段聚合统计的用法总结
一 . 背景需求
在日常的业务需求中，我们往往会根据时间段来统计数据。例如，统计每小时的下单量；每天的库存变化，这类信息数据对运营管理很重要。
这类数据统计依赖于各个时间维度，年月日、时分秒都有可能。因为需求变化多样，并且表的设计有严格的规范，我们不可能将订单的下单时间分别拆分存储到 年、月、日、时、分、秒、毫秒列（字段）中。在实际应用中，我们一般都是通过转换函数进行时间转换的。
大家可能对关系型数据库（例如，SQL Server、MySQL）中的时间转换函数和依据时间段进行聚合操作比较熟悉了，但是对MongoDB中的时间转换和依据时间聚合比较陌生。所以，我们有必要花费一定时间进行梳理学习一下，拓展丰富自己的知识。
二 . SQL Server数据库关于时间的转换和聚合
为了清楚的了解这类需求，了解时间转换和统计，我们先从大家熟悉的SQL Server 入手。例如，我们将时间数据存储为datetime类型。
首先，回顾下SQL Server的时间转换函数。
1.通过YEAR(),MONTH(),DAY() 获取年月日数据。
2.通过DATEPART() 函数 返回日期/时间的单独部分，比如年、月、日、小时、分钟等等。
3.datename () 返回代表指定日期的指定日期部分的字符串。此函数与DATEPART() 类似。
此外，还可以通过convert() 等函数进行转换，再次不再赘述。
通过这些函数，我们可以进行时间格式的转换，在转换函数的基础上，可以进行时间段内数据量的统计。
例如：基于DATEPART() 函数， 统计2017-10-10到2017-11-10表中每天的数据量。
也可以基于convert() 函数进行统计
三 . MongoDB 数据库关于时间的转换和聚合
以上操作是在SQL Server上进行，如果在MongoDB中，应该借助什么的函数进行类似的转换和统计呢？
如果查看显示 各种格式的时间，可以通过 $dateToString 进行转换。
例如通过转换函数$dateToString，将集合temp_MongoDateTime中的字段Rec_CreateTime转换为 年 字段、月 字段、日 字段、年-月-日、和 时：分：秒：毫秒 字段
代码为：
db.temp_MongoDateTime.aggregate(
[
{
$project: {
"_id":0,
"Rec_CreateTime":1,
Year: { $dateToString: { format: "%Y", date: "$Rec_CreateTime" } },
Month: { $dateToString: { format: "%m", date: "$Rec_CreateTime" } },
Day: { $dateToString: { format: "%d", date: "$Rec_CreateTime" } },
yearMonthDay: { $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },
Time: { $dateToString: { format: "%H:%M:%S:%L", date: "$Rec_CreateTime"} }
}
}
]
)
查询效果如下：
除了$dateToString转换函数外，MongoDBDB 还有获取年月日、时分秒的函数，甚至还提供了处于一年中的多少天，一周的第几天等。
主要函数为$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek 等。
我们直接看下面的例子好了。执行代码：
db.temp_MongoDateTime.aggregate(
[
{
$project:
{
"_id":0,
"Rec_CreateTime":1,
year: { $year: "$Rec_CreateTime" },
month: { $month: "$Rec_CreateTime" },
day: { $dayOfMonth: "$Rec_CreateTime" },
hour: { $hour: "$Rec_CreateTime" },
minutes: { $minute: "$Rec_CreateTime" },
seconds: { $second: "$Rec_CreateTime" },
milliseconds: { $millisecond: "$Rec_CreateTime" },
dayOfYear: { $dayOfYear: "$Rec_CreateTime" },
dayOfWeek: { $dayOfWeek: "$Rec_CreateTime" },
week: { $week: "$Rec_CreateTime" }
}
}
]
)
上面的2个例子都是时间转换，如果按照时间段集合统计数据呢？其实基于上面的时间转换函数，借助MongoDB的聚合框架，同样可以轻松实现。
例如统计1-12 月份，每个月份的数据量，即那个月是旺季。此时基于时间转换函数 $month，执行代码如下：
db.temp_MongoDateTime.aggregate(
[
{
$match:{}
},
{
$group:{_id:{$month:"$Rec_CreateTime"},
count:{$sum:1}}
}
]
)
查询效果如下：
上面的数据显示：集合中的记录按月聚合，10月份有341笔；9月份有48笔。其中字段_id 代表了月份。
我们再举一个例子，例如统计 集合temp_MongoDateTime 在 2016-10-05 05:51:50 到 2018-10-06 05:51:50 这段时间内，0-24 小时内，每小时的分布情况。即，每天那个时辰（小时）下单量比较多。
此时基于时间转换函数 $hour ，代码如下：
db.temp_MongoDateTime.aggregate(
[
{
$match:{
"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}
}
},
{$group:{
_id:{ $hour: "$Rec_CreateTime" },
count:{$sum:1}
}
}
]
)
查询结果显示如下：
再举一个关于时间聚合统计的例子，这个例子是基于时间转换函数$dateToString的。
例如统计每天的数据量，即每天的数据分布情况。这个每天是按 年-月-日统计分布的。
代码如下：
db.temp_MongoDateTime.aggregate(
[
{
$match:{
"Rec_CreateTime":{$gte:ISODate("2016-10-05 05:51:50"),$lte:ISODate("2018-10-06 05:51:50")}
}
},
{$group:{
_id:{ $dateToString: { format: "%Y-%m-%d", date: "$Rec_CreateTime" } },
count:{$sum:1}
}
}
]
)
查询效果显示如下：
四 . 总结
和关系型数据库 SQL Server 一样，MongoDB数据库通过自身的时间转换函数，例如， $dateToString、$year、$month、$dayOfMonth、 $hour、$minute、$second、$dayOfYear、$dayOfWeek等，也可以轻松实现时间转换和基于时间段的聚合统计。