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：

 db.inventory.insertMany([

 { "_id" : , "item" : "f1", type: "food", quantity:  },

 { "_id" : , "item" : "f2", type: "food", quantity:  },

 { "_id" : , "item" : "p1", type: "paper", quantity:  },

 { "_id" : , "item" : "p2", type: "paper", quantity:  },

 { "_id" : , "item" : "f3", type: "food", quantity:  },

 { "_id" : , "item" : "t1", type: "toys", quantity:  },

 { "_id" : , "item" : "a1", type: "apparel", quantity:  },

 { "_id" : , "item" : "a2", type: "apparel", quantity:  },

 { "_id" : , "item" : "t2", type: "toys", quantity:  },

 { "_id" : , "item" : "f4", type: "food", quantity:  }]);

2. 无索引查询

db.inventory.find(

   { quantity: { $gte: , $lte:  } }

).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" : ,

        "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" : ,

        "executionTimeMillis" : ,

        "totalKeysExamined" : ,

        "totalDocsExamined" : ,

        "executionStages" : {

            "stage" : "COLLSCAN",

            "filter" : {

                "$and" : [

                    {

                        "quantity" : {

                            "$lte" : 200.0

                        }

                    },

                    {

                        "quantity" : {

                            "$gte" : 100.0

                        }

                    }

                ]

            },

            "nReturned" : ,

            "executionTimeMillisEstimate" : ,

            "works" : ,

            "advanced" : ,

            "needTime" : ,

            "needYield" : ,

            "saveState" : ,

            "restoreState" : ,

            "isEOF" : ,

            "invalidates" : ,

            "direction" : "forward",

            "docsExamined" :

        }

    },

    "serverInfo" : {

        "host" : "localhost.localdomain",

        "port" : ,

        "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: })

db.inventory.find(

   { quantity: { $gte: , $lte:  } }

).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~

巴特西

mongodb之使用explain和hint性能分析和优化

最新文章

热门文章