MongoDB之使用explain和hint性能分析和优化

当你第一眼看到explain和hint的时候，第一个反应就是mysql中所谓的这两个关键词，确实可以看出，这个就是在mysql中借鉴过来的，既然是借鉴过来的，我想大家都知道这两个关键字的用处，话不多说，速速观看~~~一：explain演示1. 构建数据为了方便演示，我需要create ten data to inventory，而且还是要在no index 的情况下，比如下面这样： 1 db.inventory.insertMany（[ 2 { "_id" : 1, "item" : "f1", type: "food", quantity: 500 }, 3 { "_id" : 2, "item" : "f2", type: "food", quantity: 100 }, 4 { "_id" : 3, "item" : "p1", type: "paper", quantity: 200 }, 5 { "_id" : 4, "item" : "p2", type: "paper", quantity: 150 }, 6 { "_id" : 5, "item" : "f3", type: "food", quantity: 300 }, 7 { "_id" : 6, "item" : "t1", type: "toys", quantity: 500 }, 8 { "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 }, 9 { "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 },10 { "_id" : 9, "item" : "t2", type: "toys", quantity: 50 },11 { "_id" : 10, "item" : "f4", type: "food", quantity: 75 }]）;2. 无索引查询db.inventory.find（ { quantity: { $gte: 100, $lte: 200 } }）.explain（"executionStats"）从上图中，我们看到了三个圈圈，这些都是我们在find中非常重要的信息，具体信息解释如下：<1>COLLSCAN 这个是什么意思呢？如果你仔细一看，应该知道就是CollectionScan，就是所谓的“集合扫描”，对不对，看到集合扫描是不是就可以直接map到数据库中的table scan/heap scan呢？？？是的，这个就是所谓的性能最烂最无奈的由来。<2> nReturned 这个很简单，就是所谓的numReturned，就是说最后返回的num个数，从图中可以看到，就是最终返回了三条。。。<3> docsExamined 那这个是什么意思呢？？就是documentsExamined，检查了10个documents。。。而从返回上面的nReturned。。。 ok，那从上面三个信息中，我们可以得出，原来我examine 10 条数据，最终才返回3条，说明做了7条数据scan的无用功，那么这个时候问题就来了，如何减少examine的documents。。。完整的plans如下：/* 1 */{"queryPlanner" : {"plannerVersion" : 1,"namespace" : "datamip.inventory","indexFilterSet" : false,"parsedQuery" : {"$and" : [ {"quantity" : {"$lte" : 200.0}}, {"quantity" : {"$gte" : 100.0}}]},"winningPlan" : {"stage" : "COLLSCAN","filter" : {"$and" : [ {"quantity" : {"$lte" : 200.0}}, {"quantity" : {"$gte" : 100.0}}]},"direction" : "forward"},"rejectedPlans" : []},"executionStats" : {"executionSuccess" : true,"nReturned" : 3,"executionTimeMillis" : 1,"totalKeysExamined" : 0,"totalDocsExamined" : 10,"executionStages" : {"stage" : "COLLSCAN","filter" : {"$and" : [ {"quantity" : {"$lte" : 200.0}}, {"quantity" : {"$gte" : 100.0}}]},"nReturned" : 3,"executionTimeMillisEstimate" : 0,"works" : 12,"advanced" : 3,"needTime" : 8,"needYield" : 0,"saveState" : 0,"restoreState" : 0,"isEOF" : 1,"invalidates" : 0,"direction" : "forward","docsExamined" : 10}},"serverInfo" : {"host" : "localhost.localdomain","port" : 27017,"version" : "3.2.8","gitVersion" : "ed70e33130c977bda0024c125b56d159573dbaf0"},"ok" : 1.0}3. 使用single field 加速查找知道前因后果之后，我们就可以进行针对性的建立索引，比如在quality字段之上，如下：db.inventory.createIndex（{ quantity: 1}）db.inventory.find（ { quantity: { $gte: 100, $lte: 200 } }）.explain（"executionStats"）好了，这时候就有意思了，当我们执行完createindex之后，再次explain，4个重要的parameters就漂下来了：<1> IXSCAN 这个时候再也不是所谓的COLLSCAN了，而是IndexScan，这就说明我们已经命中索引了。<2> nReturned,totalDocsExamined，totalKeysExamined 从图中可以看到三个参数都是3，这就说明我们的mongodb查看了3个key，3个document，返回3个文档，这个就是所谓的高性能所在，对吧。二：hint演示说到hint，我想大家也是知道的，很好玩的一个东西，就是用来force mongodb to excute special index，对吧，为了方便演示，我们做两组复合索引，比如这次我们在quality和type上构建一下：building完成之后，我们故意这一个这样的查询，针对quantity是一个范围，而type是一个定值的情况下，我们force mongodb去使用quantity开头的复合索引，从而强制mongodb give up 那个以{type:1,quantity:1}的复合索引，很有意思哦，比如下图：从图中，可以看到，我们检查了6个keys，而从最终找到了2个文档，现在我们就知道了，2和6之间还是有不足的地方等待我们去优化了，对吧，下面我们不hint来看一下mongodb的最优的plan是怎么样的。再看上面的图，你应该明白了，mongodb果然执行了那个最优的plan，是不是很好玩，好了，本篇就说到这里，希望对你有帮助~更多MongoDB相关教程见以下内容：CentOS 编译安装 MongoDB与mongoDB的php扩展 http://www.linuxidc.com/Linux/2012-02/53833.htmCentOS 6 使用 yum 安装MongoDB及服务器端配置 http://www.linuxidc.com/Linux/2012-08/68196.htmUbuntu 13.04下安装MongoDB2.4.3 http://www.linuxidc.com/Linux/2013-05/84227.htmMongoDB入门必读（概念与实战并重） http://www.linuxidc.com/Linux/2013-07/87105.htmUbunu 14.04下MongoDB的安装指南 http://www.linuxidc.com/Linux/2014-08/105364.htm《MongoDB 权威指南》（MongoDB: The Definitive Guide）英文文字版[PDF] http://www.linuxidc.com/Linux/2012-07/66735.htmNagios监控MongoDB分片集群服务实战 http://www.linuxidc.com/Linux/2014-10/107826.htm基于CentOS 6.5操作系统搭建MongoDB服务 http://www.linuxidc.com/Linux/2014-11/108900.htmMongoDB 的详细介绍：请点这里
MongoDB 的下载地址：请点这里本文永久更新链接地址