你的位置:首页 > 数据库

[数据库]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}

View Code

 

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~