如何使用MongoDB中$sortByCount统计热门标签？

$sortByCount不能直接统计字符串数组中每个标签，因为它仅接受单个字段路径，会将整个数组视为一个值计数；必须先用$unwind拆解数组，再配合$match过滤空值、$toLower统一大小写，否则无法准确获取高频标签。

为什么 $sortByCount 不能直接统计字符串数组里的每个标签？

因为 $sortByCount 只接受单个字段路径（如 "$tags"），而如果 tags 是字符串数组（比如 ["mongodb", "nodejs", "react"]），它会把整个数组当做一个值来计数，结果就是“数组去重计数”，不是你想要的“每个标签单独计数”。

必须先用 $unwind 拆开数组再 $sortByCount

这是最常见也最容易漏掉的一步。不 $unwind，$sortByCount 就没法看到数组里的单个元素。

1. $unwind 要作用在数组字段上，比如 { $unwind: "$tags" }
2. 如果数组可能为空或缺失，加 preserveNullAndEmptyArrays: true 避免丢文档（但此时空值也会被计入，需后续 $match 过滤）
3. 之后才能用 $sortByCount: "$tags" —— 注意这里路径指向的是“拆开后的单个标签值”，不是原数组

完整管道示例：

{ $unwind: "$tags" }{ $sortByCount: "$tags" }{ $limit: 10 }

遇到 null / "" / 重复空格怎么办？

真实数据里常混着无效标签：空字符串、纯空格、null。它们会被 $sortByCount 当作独立值统计，挤占前 10 名位置。

1. 在 $unwind 后加 { $match: { tags: { $ne: null, $ne: "", $regex: "^S+$" } } } 过滤掉空值和空白字符串
2. 如果标签大小写混乱（如 "React" 和 "react"），得先 $toLower 统一格式：{ $addFields: { tags: { $toLower: "$tags" } } }
3. 注意 $toLower 不能直接用于 $sortByCount 的表达式里，必须提前转换字段值

性能要注意：$unwind 在大数据集上很吃内存

如果集合有百万级文档，且平均每个文档有 5–10 个标签，$unwind 会瞬间膨胀出几百万中间文档，可能触发内存限制（100MB 默认）。

1. 加 $match 尽早缩小输入范围，比如只统计最近 30 天的数据
2. 确保 tags 字段上有索引没用——$unwind 不走索引，但前置 $match 可以用
3. 必要时用 allowDiskUse: true 让聚合落盘，但会变慢

真正卡住的时候，往往不是语法错，而是忘了数据规模和中间态膨胀这回事。