MongoDB在Spring商城用户行为记录中的应用

一、MongoDB 的优势

1. 灵活 Schema
   用户行为数据结构多变（如点击、搜索、下单），MongoDB 的文档模型无需固定字段，适应快速迭代。

2. 高吞吐写入
   支持批量插入，适合高并发场景（如秒杀活动的用户操作记录）。

3. 复杂查询优化
   支持聚合管道、地理空间查询、全文索引，便于多维分析。

4. 水平扩展
   通过分片（Sharding）应对海量数据存储。

---

二、用户行为数据建模

1. 基础行为记录集合（如 user_actions）

{
  "userId": "6582a1d4f12e6c5a9f4b3c7d",
  "sessionId": "sess_abc123",
  "actionType": "PRODUCT_VIEW", // 枚举：VIEW、CLICK、ADD_TO_CART、PURCHASE
  "targetId": "prod_12345",     // 商品/页面ID
  "timestamp": ISODate("2023-12-20T08:30:00Z"),
  "metadata": {                // 动态扩展字段
    "searchKeyword": "智能手机",
    "pageFrom": "/home",
    "deviceType": "MOBILE"
  }
}

2. 用户画像集合（如 user_profiles）

{
  "userId": "6582a1d4f12e6c5a9f4b3c7d",
  "lastLogin": ISODate("2023-12-20T08:30:00Z"),
  "favoriteCategories": ["电子产品", "家居"],
  "behaviorStats": {
    "totalPurchases": 15,
    "avgCartValue": 299.99
  }
}

---

三、Spring 项目集成 MongoDB

1. 添加依赖

    org.springframework.boot
    spring-boot-starter-data-mongodb

2. 配置连接

# application.yml
spring:
  data:
    mongodb:
      uri: mongodb://admin:password@localhost:27017/ecommerce

3. 定义实体类

@Document(collection = "user_actions")
public class UserAction {
    @Id
    private String id;
    private String userId;
    private String actionType;
    private String targetId;
    private Date timestamp;
    private Map metadata;
    
    // Getters & Setters
}

4. 使用 Repository 或 Template

// 自定义查询
public interface UserActionRepository extends MongoRepository {
    List findByUserIdAndActionType(String userId, String actionType);
}

// 复杂操作使用 MongoTemplate
@Autowired
private MongoTemplate mongoTemplate;

public void logAction(UserAction action) {
    mongoTemplate.insert(action);
}

---

四、典型应用场景

1. 实时行为分析

// 统计用户最近30天的加购次数
Aggregation agg = Aggregation.newAggregation(
    Aggregation.match(Criteria.where("userId").is(userId)
        .and("actionType").is("ADD_TO_CART")
        .and("timestamp").gte(LocalDateTime.now().minusDays(30))),
    Aggregation.group().count().as("totalAddToCart")
);
AggregationResults

2. 热销商品分析

// 聚合查询销量Top10商品
Aggregation agg = Aggregation.newAggregation(
    Aggregation.match(Criteria.where("actionType").is("PURCHASE")),
    Aggregation.group("targetId").count().as("totalSales"),
    Aggregation.sort(Sort.Direction.DESC, "totalSales"),
    Aggregation.limit(10)
);

3. 用户路径分析

利用 $graphLookup 分析用户行为序列：

Aggregation agg = Aggregation.newAggregation(
    Aggregation.match(Criteria.where("userId").is(userId)),
    Aggregation.sort(Sort.Direction.ASC, "timestamp"),
    Aggregation.graphLookup("user_actions")
        .startWith("$targetId")
        .connectFrom("targetId")
        .connectTo("previousTargetId")
        .maxDepth(5)
        .as("navigationPath")
);

---

五、性能优化建议

1. 索引策略

   // 为高频查询字段创建组合索引
   mongoTemplate.indexOps("user_actions").ensureIndex(
       new Index().on("userId", Sort.Direction.ASC)
                  .on("timestamp", Sort.Direction.DESC)
   );

2. TTL 自动过期
   自动删除30天前的日志：

   @Document(collection = "user_actions")
   public class UserAction {
       @Indexed(expireAfterSeconds = 2592000) // 30天
       private Date timestamp;
   }

3. 分片策略
   按 userId 哈希分片，分散写入压力。

---

六、数据可视化

• 通过 MongoDB Atlas Charts 直接生成用户行为仪表盘。

• 集成 Spring Boot 与 Elasticsearch + Kibana 进行高级分析。

---

七、注意事项

• 隐私合规：记录行为时需脱敏处理（如加密 userId）。

• 异步写入：高并发时通过 Kafka 缓冲数据，批量写入 MongoDB。

• 存储成本：归档旧数据至冷存储（如 S3）。

通过 MongoDB 的灵活存储和 Spring Data 的高效集成，可构建强大的用户行为分析系统，直接驱动精准营销和用户体验优化。