Schéma approximatif :je calculerais la moyenne pour la période de dix minutes :
> var avgCursor = db.sensor_readings.aggregate([
{ "$match" : { "created_at" : { "$gt" : ten_minutes_ago, "$lte" : now } } }
{ "$group" : { "_id" : 0, "average" : { "$avg" : "$value" } } }
]}
> var avgDoc = avgCursor.toArray()[0]
> avgDoc
{ "_id" : 0, "average" : 23 }
Ensuite, je le stockerais dans une autre collection :
> db.sensor_averages.insert({ "start" : ten_minutes_ago, "end" : now, "average" : avgDoc.average })
Enfin, rappelez les deux moyennes dont vous avez besoin pour calculer la différence, et calculez-la :
> var diffCursor = db.sensor_averages.find({ "start" : { "$gte" : twenty_minutes_ago } }).sort({ "start" : -1 })
> var diffArray = diffCursor.toArray()
> var difference = diffArray[0].average - diffArray[1].average
Vous pouvez également ignorer les agrégations périodiques et conserver à la place une moyenne mobile mise à jour dans sensor_averages
, en passant à un nouveau document toutes les 10 minutes. Au début de chaque période de 10 minutes, insérez dans sensor_averages
un document
{
"start" : now,
"svalues" : 0,
"nvalues" : 0
}
puis à chaque insertion d'un sensor_reading
document pendant les dix prochaines minutes, mettez également à jour les sensor_averages
doc :
db.sensor_averages.update(
{ "start" : now_rounded_to_the_ten_minute_boundary },
{ "$inc" : { "svalues" : value, "nvalues" : 1 } }
)
Ensuite, lorsque vous voulez la différence entre les moyennes, rappelez les deux documents appropriés, divisez svalues
par nvalues
pour obtenir la moyenne, et soustrayez.