MongoDB的聚合管道提供了一组丰富的算术表达式，其中$log运算符专门用于计算以任意底数为基的对数。在实际数据分析中，当数据分布呈现指数特征，或者需要将乘法关系转化为加法关系时，对数运算是非常有效的数学工具。$log允许我们在数据库层面完成这种转换，而不必将海量文档拉到应用内存中处理。
一、$log运算符的语法与参数规则
在聚合管道里，$log是一个表达式运算符，它必须出现在类似$project、$addFields或$group这样的阶段中。它的标准语法接收两个参数：第一个是底数（base），第二个是真数（argument）。两者都可以是数字常量、字段引用，或者是其他能返回数值的聚合表达式。例如{ $log: [10, "$value"] }表示计算以10为底、字段value为真数的对数。
需要特别强调的是，真数必须大于零，底数必须大于零且不等于1，这是数学上对数的定义所决定的。如果文档中对应字段的值为null、0或者负数，$log在该文档上的计算结果会是null，而不会中断整个管道；但如果参数本身不是合法数值类型且无法转换，某些版本会抛出错误。因此在设计管道前，通常要用$match过滤掉非正数值，或者用$ifNull给默认值。
下面给出一个最简单的使用例子，我们在$project阶段为每个文档增加一个log10_value字段：
db.sales.aggregate([
{
$project: {
_id: 0,
product: 1,
amount: 1,
log10_amount: { $log: [10, "$amount"] }
}
}
])
上述代码对sales集合中的amount字段取常用对数。如果某条记录的amount是1000，那么log10_amount就会是3。这种写法比把数据取回Node.js或Python里循环计算要简洁得多，也减轻了应用服务器负担。
二、$log与$log10、$ln的对比及选型
MongoDB还提供了$log10和$ln两个专门的对数运算符。$log10固定以10为底，$ln固定以自然常数e为底。从功能上看，$log是它们的通用形式，因为你可以用{ $log: [10, x] }替代$log10，用{ $log: [Math.E, x] }替代$ln。不过在可读性上，专用运算符更直观，且在某些执行计划里少一层参数解析。
选型时主要看业务语义。如果是做声学分贝、地震里氏震级这类天然以10为尺度的量，用$log10最合适；如果是连续复利、信息熵等涉及自然增长的过程，用$ln；当你需要以2为底算比特数，或者自定义底数做特殊缩放，才必须用$log。错误选型不会报错，但会让后续解读结果的人产生误解。比如把以2为底的对数误用$log10算，数值会偏小约3.32倍。
我们通过一个对比表来看三者在相同输入下的输出差异：
| 真数 | $log10 | $ln | $log[2, x] |
|---|---|---|---|
| 8 | 0.903 | 2.079 | 3 |
| 100 | 2 | 4.605 | 6.644 |
从表中能清楚看到，同一个真数在不同底数下结果不同。在聚合管道中若要用$log算以2为底，就写{ $log: [2, "$field"] }，而不能依赖其他运算符。
三、在复杂聚合场景中组合使用$log
$log很少孤立使用，它通常嵌在更大的管道里。例如我们先按城市分组求出销售额总和，再对总和取对数，用以平滑不同城市间的巨大差异。这样的结果可以直接喂给$bucket阶段做对数刻度分桶，让分布图更均匀。下面示例演示分组后取对数：
db.orders.aggregate([
{
$group: {
_id: "$city",
total: { $sum: "$price" }
}
},
{
$project: {
city: "$_id",
log_total: { $log: [10, "$total"] }
}
}
])
另一个常见模式是在$match之后用$log做特征变换，再接$sort按对数值排序，从而快速找出数量级最高的群体。由于聚合在数据库引擎内完成，涉及数百万文档时，网络IO显著低于全量导出。
如果原始数据可能含零或负值，稳妥的做法是配合$cond做保护：当字段大于0时才取对数，否则给一个标记值。示例代码如下：
db.metrics.aggregate([
{
$project: {
name: 1,
safe_log: {
$cond: [
{ $gt: ["$count", 0] },
{ $log: [10, "$count"] },
-1
]
}
}
}
])
这种写法保证了管道不会因为个别脏数据而输出大量null，也方便下游阶段用-1过滤异常。熟练掌握$log的这些组合技巧，能让你在用MongoDB做数据预处理时更加从容。