Muestreo aleatorio de Mongo

Question

Tengo una colección mongo con documentos. Hay un campo en cada documento que es 0 O 1. Necesito muestrear aleatoriamente 1000 registros de la base de datos y contar el número de documentos que tienen ese campo como 1. Necesito hacer este muestreo 1000 veces. Cómo lo hago ?

Answer 1

He aquí un ejemplo en la cáscara mongo .. suponiendo una colección de collname, y un valor de interés en thefield:

var total = db.collname.count(); 
var count = 0; 
var numSamples = 1000; 

for (i = 0; i < numSamples; i++) { 
    var random = Math.floor(Math.random()*total); 
    var doc = db.collname.find().skip(random).limit(1).next(); 
    if (doc.thefield) { 
     count += (doc.thefield == 1); 
    } 
} 

Answer 2

que iba a editar mi comentario sobre @Stennies contesto con esto, pero también se podría use un índice de ID de aumento automático seprate aquí como alternativa si omitiera GRANDES cantidades de registro (hablando mucho aquí).

me escribió otra respuesta a otra pregunta mucho como este en el que alguien estaba tratando de encontrar el registro número n de la colección:

php mongodb find nth entry in collection

La segunda parte de mi respuesta describe básicamente un método potencial cuál podría abordar este problema Todavía necesitarías repetir 1000 veces para obtener la fila aleatoria del curso.

Answer 3

Para MongoDB 3.0 y anteriores, utilizo un viejo truco de los días de SQL (que creo que Wikipedia usa para su función de página aleatoria). Guardo un número aleatorio entre 0 y 1 en cada objeto que necesito aleatorizar, llamemos a ese campo "r". Luego agrega un índice en "r".

db.coll.ensureIndex(r: 1); 

Ahora para obtener x objetos al azar, que utilice:

var startVal = Math.random(); 
db.coll.find({r: {$gt: startVal}}).sort({r: 1}).limit(x); 

Esto le da objetos al azar en una sola consulta de búsqueda. Dependiendo de sus necesidades, esto puede ser excesivo, pero si va a hacer un montón de muestreo en el tiempo, esta es una forma muy eficiente sin poner carga en su back-end.

Answer 4

Si está utilizando mongoengine, puede usar un SequenceField para generar un contador incremental.

class User(db.DynamicDocument): 
    counter = db.SequenceField(collection_name="user.counters") 

A continuación, en busca de una lista aleatoria de, digamos, 100, haga lo siguiente

def get_random_users(number_requested): 
    users_to_fetch = random.sample(range(1, User.objects.count() + 1), min(number_requested, User.objects.count())) 
    return User.objects(counter__in=users_to_fetch) 

donde llamarían

get_random_users(100) 

Answer 5

Para las personas que vienen a la respuesta, ahora debería utilizar el nueva función de agregación $sample, nueva en 3.2.

https://docs.mongodb.org/manual/reference/operator/aggregation/sample/

db.collection_of_things.aggregate(
    [ { $sample: { size: 15 } } ] 
) 

A continuación, agregue un paso más para contar hasta los 0 s y 1 s utilizando $group para obtener el recuento. Here is an example from the MongoDB docs.