C#MongoDB 分頁查詢的方法及性能

 

傳統的SQL分頁

傳統的sql分頁，所有的方案幾乎是繞不開row_number的，對於需要各種排序，復雜查詢的場景，row_number就是殺手鐧。另外，針對現在的web很流行的poll/push加載分頁的方式，一般會利用時間戳來實現分頁。 這兩種分頁可以說前者是通用的，連Linq生成的分頁都是row_number，可想而知它多通用。后者是無論是性能和復雜程度都是最好的，因為只要簡單的一個時間戳即可。

MongoDB分頁

進入到Mongo的思路，分頁其實並不難，那難得是什么？其實倒也沒啥，看明白了也就那樣，和SQL分頁的思路是一致的。

先說明下這篇文章使用的用例，我在數據庫里導入了如下的實體數據，其中cus_id、amount我生成為有序的數字，倒入的記錄數是200w：

public class Test
{
        /// <summary>
        /// 主鍵 ObjectId 是MongoDB自帶的主鍵類型
        /// </summary>
        public ObjectId Id { get; set; }
        /// <summary>
        /// 客戶編號
        /// </summary>
        [BsonElement("cust_id")]
        public string CustomerId { get; set; }
        /// <summary>
        /// 總數
        /// </summary>
        [BsonElement("amount")]
        public int Amount { get; set; }
        /// <summary>
        /// 狀態
        /// </summary>
        [BsonElement("status")]
        public string Status { get; set; }
}

以下的操作基於MongoDB GUI 工具見參考資料3

首先來看看分頁需要的參數以及結果，一般的分頁需要的參數是:

• PageIndex    當前頁
• PageSize      每頁記錄數
• QueryParam[]  其他的查詢字段

所以按照row_number的分頁思想，也就是說取第(pageIndex*pageSize)到第(pageIndex*pageSize + pageSize)，我們用Linq表達就是:

query.Where(xxx...xxx).Skip(pageIndex*pageSize).Take(pageSize)

查找了資料，還真有skip函數，而且還有Limit函數 見參考資料1、2，於是輕易地實現了這樣的分頁查詢：

db.test.find({xxx...xxx}).sort({"amount":1}).skip(10).limit(10)//這里忽略掉查詢語句

 相當的高效，幾乎是幾毫秒就出來了結果，果然是NoSql效率一流。但是慢，我這里使用的數據只是10條而已，並沒有很多數據。我把數據加到100000，效率大概是20ms。如果這么簡單就研究結束了的話，那真的是太辜負了程序猿要鑽研的精神了。sql分頁的方案，方案可是能有一大把，效率也是不一的，那Mongo難道就這一種，答案顯然不是這樣的。另外是否效率上，性能上會有問題呢？Redis篇里，就吃過這樣的虧，亂用Keys。

在查看了一些資料之后，發現所有的資料都是這樣說的：

不要輕易使用Skip來做查詢，否則數據量大了就會導致性能急劇下降，這是因為Skip是一條一條的數過來的，多了自然就慢了。

 這么說Skip就要避免使用了，那么如何避免呢？首先來回顧SQL分頁的后一種時間戳分頁方案，這種利用字段的有序性質，利用查詢來取數據的方式，可以直接避免掉了大量的數數。也就是說，如果能附帶上這樣的條件那查詢效率就會提高，事實上是這樣的么？我們來驗證一下：

這里我們假設查詢第100001條數據，這條數據的Amount值是：2399927，我們來寫兩條語句分別如下：

db.test.sort({"amount":1}).skip(100000).limit(10)  //183ms


db.test.find({amount:{$gt:2399927}}).sort({"amount":1}).limit(10)  //53ms

 

結果已經附帶到注釋了，很明顯后者的性能是前者的三分之一，差距是非常大的。也印證了Skip效率差的理論。

C#實現

上面已經談過了MongoDB分頁的語句和效率，那么我們來實現C#驅動版本。

本篇文章里使用的是官方的BSON驅動，詳見參考資料4。Mongo驅動附帶了另種方式一種是類似ADO.NET的原生query，一種是Linq，這里我們兩種都實現

方案一：條件查詢 原生Query實現

var query = Query<Test>.GT(item => item.Amount, 2399927);                
var result = collection.Find(query).SetLimit(100)
                       .SetSortOrder(SortBy.Ascending("amount")).ToList();              
Console.WriteLine(result.First().ToJson());//BSON自帶的ToJson

方案二:Skip原生Query實現

var result = collection.FindAll().SetSkip(100000).SetLimit(100)
             .SetSortOrder(SortBy.Ascending("amount"));
Console.WriteLine(result.ToList().First().ToJson());

方案三:Linq 條件查詢

var result = collection.AsQueryable<Test>().OrderBy(item => item.Amount)
         .Where(item => item.Amount > 2399927).Take(100);
Console.WriteLine(result.First().ToJson());

方案四：Linq Skip版本

 var result = collection.AsQueryable<Test>().OrderBy(item => item.Amount).Skip(100000).Take(100);
Console.WriteLine(result.First().ToJson());

性能比較參考

這里的測試代碼稍后我上傳一下，具體的實現是利用了老趙（我的偶像啊~）的 CodeTimer來計算性能。另外我跑代碼都是用 TestDriven插件來跑的。

方案一：
pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    1,322ms
CPU Cycles:    4,442,427,252
Gen 0:         0
Gen 1:         0
Gen 2:         0

 

方案二：
pagination Skip-limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    95ms
CPU Cycles:    18,280,728
Gen 0:         0
Gen 1:         0
Gen 2:         0

方案三：
paginatiLinq on Linq where
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }

Time Elapsed: 76ms
CPU Cycles: 268,734,988
Gen 0: 0
Gen 1: 0
Gen 2: 0

方案四:
pagination Linq Skip
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    97ms
CPU Cycles:    30,834,648
Gen 0:         0
Gen 1:         0
Gen 2:         0

上面結果是不是大跌眼鏡，這和理論實在相差太大，第一次為什么和后面的差距如此大？剛開始我以為是C# Mongo的驅動問題，嘗試了換驅動也差不多。這幾天我在看《MongoDB in Action》的時候，發現文章里提到：

MongoDB會根據查詢，來加載文檔的索引和元數據到內存里，並且建議文檔元數據的大小始終要保持小於機器內存，否則性能會下降。

 注意到了上面的理論之后，我替換了我的測試方案，第一次執行排除下，然后再比較，發現確實結果正常了。

方案一的修正結果：

pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount
" : 2399928, "status" : "B" }
Time Elapsed:   18ms
CPU Cycles:     54,753,796
Gen 0:          0
Gen 1:          0
Gen 2:          0

 

總結

這篇文章，基於Skip分頁和有序字段查詢分頁兩種方案進行的對比。后者說白了只是利用查詢結果不用依次數數來提高了性能。Skip雖然效率低一些但是通用一些，有序字段的查詢，需要在設計分頁的時候對這個字段做一些處理，起碼要點了頁碼能獲取到這個字段。這里我附加一個方式，就是兩者的結合，我們可以拿每次展示的那頁數據上的最后一個，結合Skip來處理分頁，這樣的話，相對來說更好一些。這里就不具體實現了。其他方式的性能比較和實現，歡迎大牛們來分享，十分感謝。另外本篇中如有紕漏和不足請留言指教。

  忘記打個小廣告，我們公司招人哦，詳情見我博客的副標題！！

參考資料

1. MongoDB Skip函數:http://docs.mongodb.org/manual/reference/operator/aggregation/skip/

2. MongoDB Limit函數:http://docs.mongodb.org/manual/reference/operator/aggregation/limit/

3. MongoVUE Windows客戶端管理工具（有收費版本）：http://www.mongovue.com/ 

4. C#官方驅動：http://docs.mongodb.org/manual/applications/drivers/