投影与游标

这一课你将能做到

1. 用投影（projection）精确控制返回字段，包括内嵌字段与数组切片
2. 说清楚游标（cursor）的工作机制，用 sort/skip/limit 做分页，并说出深分页的替代方案
3. 理解 read preference 的直觉，知道什么业务可以读从节点

为什么要学

「查出整条文档再让 Java 挑字段」是新手最常见的浪费：一条提交记录带着完整代码和全部用例输出可能几十 KB，列表页只需要 slug 和分数，100 条就是几 MB 的无效网络传输。投影让 MongoDB 在服务端就把字段裁好。

游标则决定了你怎么「消费」查询结果：一次性 toArray 百万条会打爆内存；skip(100000) 翻页会越来越慢直到超时。这一课教你正确地遍历与分页。

先建立图像

查询执行的两个维度：

  find( filter,  projection )
        │           │
   选哪些文档    每个文档留哪些字段
   （行裁剪）     （列裁剪）

游标：服务端只把结果分批（batch）发给客户端
  ┌────────┐   batch 1 (101条)   ┌────────┐
  │ server │ ──────────────────> │ client │  it / hasNext() 再取下一批
  └────────┘ <──── getMore ───── └────────┘

投影规则速查：

{ name: 1, score: 1 }        只返回 name、score（以及默认的 _id）
{ name: 1, _id: 0 }          只返回 name，去掉 _id
{ code: 0, cases: 0 }        排除 code 和 cases，其余全返回
{ "cases.name": 1 }          只返回数组元素的 name 子字段
{ cases: { $slice: 3 } }     只返回数组前 3 个元素

铁律：除 _id 外，include 和 exclude 不能混用。 {name: 1, code: 0} 会报错。

跟着做

准备数据：

use codeforge
db.submissions.drop()
db.submissions.insertMany([
  { userId: 1024, lessonSlug: "mdbrm-intro", status: "accepted", score: 100,
    code: "db.x.find()", cases: [{name:"c1",passed:true},{name:"c2",passed:true},{name:"c3",passed:false}],
    submittedAt: new Date("2026-10-01") },
  { userId: 1024, lessonSlug: "mdbrm-crud", status: "accepted", score: 85,
    code: "db.x.updateOne()", cases: [{name:"c1",passed:true},{name:"c2",passed:false}],
    submittedAt: new Date("2026-10-04") },
  { userId: 2048, lessonSlug: "mdbrm-intro", status: "failed", score: 40,
    code: "db.x.remove()", cases: [{name:"c1",passed:false}],
    submittedAt: new Date("2026-10-03") }
])

步骤 1：基础投影

列表页只要概要：

db.submissions.find(
  { userId: 1024 },
  { lessonSlug: 1, status: 1, score: 1, submittedAt: 1, _id: 0 }
)

步骤 2：内嵌字段与数组切片

只看用例名字和第一个失败用例：

db.submissions.find(
  { userId: 1024 },
  { lessonSlug: 1, "cases.name": 1, "cases.passed": 1 }
)

// 只要数组前 2 个元素
db.submissions.find(
  { userId: 1024 },
  { lessonSlug: 1, cases: { $slice: 2 } }
)

// $slice 也支持 [skip, limit]：跳过前 1 个取 2 个
db.submissions.find({}, { cases: { $slice: [1, 2] } })

步骤 3：$elemMatch 投影（注意：和查询里的 $elemMatch 不同！）

只返回「第一个失败的用例」：

db.submissions.find(
  { userId: 1024 },
  { lessonSlug: 1, cases: { $elemMatch: { passed: false } } }
)

投影里的 $elemMatch 不影响哪些文档被选中，只裁剪数组——返回的 cases 只含第一个匹配元素。

步骤 4：排序 + 分页

按提交时间倒序，每页 2 条：

// 第 1 页
db.submissions.find({ userId: 1024 }).sort({ submittedAt: -1 }).limit(2)

// 第 2 页（skip 方案，小数据量可用）
db.submissions.find({ userId: 1024 }).sort({ submittedAt: -1 }).skip(2).limit(2)

排序规则：-1 降序、1 升序；多字段 {score: -1, submittedAt: -1} 从左到右生效。

步骤 5：深分页的正确姿势 —— 游标式（seek）分页

skip 的本质是「扫描并丢弃前 N 条」，第 10 万页要丢 200 万条。用上一页的最后一条做锚点：

// 第 1 页
let page1 = db.submissions.find({ userId: 1024 })
  .sort({ submittedAt: -1, _id: -1 }).limit(2).toArray()
let last = page1[page1.length - 1]

// 第 2 页：条件锚定「比上一页最后一条更早」
db.submissions.find({
  userId: 1024,
  $or: [
    { submittedAt: { $lt: last.submittedAt } },
    { submittedAt: last.submittedAt, _id: { $lt: last._id } }
  ]
}).sort({ submittedAt: -1, _id: -1 }).limit(2)

_id 做 tie-breaker 防止同一时间戳的多条数据翻页时丢失/重复。时间戳 + _id 的联合条件对应复合索引（见索引课），百万级数据翻页也是常数时间。

步骤 6：游标手动遍历

const cursor = db.submissions.find({ status: "accepted" }).batchSize(2)
while (cursor.hasNext()) {
  const doc = cursor.next()
  print(doc.lessonSlug, doc.score)
}
cursor.close()

驱动层（Java/Node）都是这个模型：游标惰性取批次，遍历完自动关闭。应用层切勿对大结果集 .toArray()。

步骤 7：read preference 直觉

// 读偏好：数据看板类可以读从节点，减轻主节点压力
db.submissions.find({ status: "accepted" })
  .readPref("secondaryPreferred")

注意从节点有复制延迟（通常毫秒级），「我刚提交完立刻刷新看到结果」这种读己之写场景必须读主节点（默认 primary）。

讲清楚要点

1. 投影默认带 _id：不想要必须显式 _id: 0，这是最常见的小意外。
2. include/exclude 不可混用（_id 除外）：{a: 1, b: 0} 报错。想清楚是「白名单」还是「黑名单」。
3. 投影不省磁盘 IO，省的是网络与内存（覆盖查询除外，见索引课）：MongoDB 仍可能读整条文档再裁剪，但传输和序列化成本大降。
4. sort 无索引 = 内存排序，超过 32MB（内部排序上限）直接报错。排序字段必须有索引支撑，或 limit 小结果集。
5. skip 是 O(N) 的：页码越深越慢。深翻页用 seek 分页（锚点条件），无限滚动加载场景尤其必须。
6. 游标有生命周期：服务端游标默认闲置 10 分钟（cursorTimeoutMillis）被回收；遍历大集合时别让单批处理耗时过久，否则报 CursorNotFound。
7. 数组投影三件套：$slice（按位置切）、$elemMatch（按条件取第一个）、$ 位置投影（{"cases.$": 1} 返回查询条件匹配的第一个元素）。

你可能会懵的地方

• 投影能让查询更快吗？ 对速度提升有限（除非覆盖查询），主要收益在网络传输和应用内存。但把它当纪律：列表接口永远只取列表需要的字段。
• limit(1) 和 findOne() 一样吗？ findOne 等价于 find().limit(1) 且返回文档而非游标。性能上 limit(1) 让服务端找到一条就停，很重要。
• 为什么排序后再 skip 翻页会丢数据？ 排序键不唯一（比如多条 submittedAt 相同）时，翻页边界不稳定。解法就是步骤 5 的 tie-breaker：排序键 + _id 联合。
• tailable cursor 是什么？ 用在 capped collection（固定大小集合）上的「持续游标」，数据来了就继续读，类似 tail -f。oplog 就是它实现的，普通集合用不了。
• batchSize 调大好还是调小好？ 大：减少网络往返；小：首响应快、内存压力小。驱动默认通常 101 条首批。流式处理场景不必动它，只有明确瓶颈才调。

错法对照

错法	问题	正解
列表接口不投影，整条文档全返回	网络/内存浪费，泄露内部字段	第二参数白名单投影
{name: 1, code: 0} 混用 include/exclude	直接报错	二选一，_id 除外
深翻页 skip(500000).limit(20)	扫描丢弃 50 万条，越来越慢	seek 分页（锚点 + _id tie-breaker）
大结果集 .toArray()	应用内存爆掉	游标迭代逐批处理
无索引字段排序 + 大数据量	超 32MB 内存排序报错	给排序键建索引

卡点急救

1. 报 Sort exceeded memory limit：排序无索引。临时验证加 .allowDiskUse()（聚合用得多），根治是建排序索引。
2. 遍历中途 CursorNotFound：游标闲置超时。缩短每批处理时间，或 noCursorTimeout()（用完必须手动 close，否则泄露）。
3. 投影里数组返回是空的：检查是不是 $elemMatch 条件没匹配任何元素——此时该字段返回空数组或不返回，不是查询失败。

面试常问

• MongoDB 深分页怎么做？ skip/limit 只适合浅分页；深分页用 seek 方式：上一页最后一条的排序键值作为下一页的查询条件，配合 (排序键, _id) 复合索引，任何页都是常数复杂度。
• 投影和覆盖查询的关系？ 如果查询条件和投影字段全部包含在某索引里，MongoDB 可以直接从索引返回结果，完全不读文档（Covered Query），这时投影才带来真正的查询加速。
• 为什么 MongoDB 的 find 返回游标而不是数组？ 结果集可能远大于内存，游标让服务端按批次推送、客户端流式消费；同时也是惰性求值，limit(5) 时服务端不会傻算全部。

自测三问

1. {lessonSlug: 1, code: 0} 这个投影合法吗？为什么？
2. 投影里的 $elemMatch 和查询条件里的 $elemMatch 作用一样吗？
3. 为什么 skip 深分页慢？写出 seek 分页的核心思路。

小结一句话

投影管「取哪些列」、游标管「怎么流式取」、seek 分页管「翻到第 N 万页也不慢」——列表接口三板斧。

延伸

• 官方文档：Project Fields to Return from Query
• 官方文档：Cursor Methods
• 下一课：聚合管道——当 find 不够用时，用流水线做分组统计、多表关联、报表计算。