玩轉mongodb（五）：mongodb 3.0+ 查詢性能分析

mongodb性能分析方法：explain()

    為了演示的效果，我們先來創建一個有200萬個文檔的記錄。（我自己的電腦耗了15分鍾左右插入完成。如果你想插更多的文檔也沒問題，只要有耐心等就可以了。）

for(var i=0;i<2000000;i++){
    db.person.insert({"name":"ryan"+i,"age":i});
}

 

    MongoDB 3.0之后，explain的返回與使用方法與之前版本有了很大的變化，介於3.0之后的優秀特色和我們目前所使用給的是3.0.7版本，本文僅針對MongoDB 3.0+的explain進行討論。3.0+的explain有三種模式，分別是：queryPlanner、executionStats、allPlansExecution。現實開發中，常用的是executionStats模式，主要分析這種模式。

    給這個person集合創建age鍵的索引：db.person.createIndex({"age":1})

{
    "queryPlanner" : {
        "plannerVersion" : 1,
        "namespace" : "personmap.person",
        "indexFilterSet" : false,
        "parsedQuery" : {
            "age" : {
                "$lte" : 2000.0
            }
        },
        "winningPlan" : {
            "stage" : "FETCH",
            "inputStage" : {
                "stage" : "IXSCAN",
                "keyPattern" : {
                    "age" : 1.0
                },
                "indexName" : "age_1",
                "isMultiKey" : false,
                "direction" : "forward",
                "indexBounds" : {
                    "age" : [ 
                        "[-1.#INF, 2000.0]"
                    ]
                }
            }
        },
        "rejectedPlans" : []
    },
    "executionStats" : {
        "executionSuccess" : true,
        "nReturned" : 2001,
        "executionTimeMillis" : 143,
        "totalKeysExamined" : 2001,
        "totalDocsExamined" : 2001,
        "executionStages" : {
            "stage" : "FETCH",
            "nReturned" : 2001,
            "executionTimeMillisEstimate" : 0,
            "works" : 2002,
            "advanced" : 2001,
            "needTime" : 0,
            "needFetch" : 0,
            "saveState" : 16,
            "restoreState" : 16,
            "isEOF" : 1,
            "invalidates" : 0,
            "docsExamined" : 2001,
            "alreadyHasObj" : 0,
            "inputStage" : {
                "stage" : "IXSCAN",
                "nReturned" : 2001,
                "executionTimeMillisEstimate" : 0,
                "works" : 2002,
                "advanced" : 2001,
                "needTime" : 0,
                "needFetch" : 0,
                "saveState" : 16,
                "restoreState" : 16,
                "isEOF" : 1,
                "invalidates" : 0,
                "keyPattern" : {
                    "age" : 1.0
                },
                "indexName" : "age_1",
                "isMultiKey" : false,
                "direction" : "forward",
                "indexBounds" : {
                    "age" : [ 
                        "[-1.#INF, 2000.0]"
                    ]
                },
                "keysExamined" : 2001,
                "dupsTested" : 0,
                "dupsDropped" : 0,
                "seenInvalidated" : 0,
                "matchTested" : 0
            }
        }
    },
    "serverInfo" : {
        "host" : "qinxiongzhou",
        "port" : 27017,
        "version" : "3.0.7",
        "gitVersion" : "6ce7cbe8c6b899552dadd907604559806aa2e9bd"
    },
    "ok" : 1.0
}

對queryPlanner分析

    queryPlanner: queryPlanner的返回

    queryPlanner.namespace:該值返回的是該query所查詢的表

    queryPlanner.indexFilterSet:針對該query是否有indexfilter

    queryPlanner.winningPlan:查詢優化器針對該query所返回的最優執行計划的詳細內容。

    queryPlanner.winningPlan.stage:最優執行計划的stage，這里返回是FETCH，可以理解為通過返回的index位置去檢索具體的文檔（stage有數個模式，將在后文中進行詳解）。

    queryPlanner.winningPlan.inputStage:用來描述子stage，並且為其父stage提供文檔和索引關鍵字。

    queryPlanner.winningPlan.stage的child stage，此處是IXSCAN，表示進行的是index scanning。

    queryPlanner.winningPlan.keyPattern:所掃描的index內容，此處是did:1,status:1,modify_time: -1與scid : 1

    queryPlanner.winningPlan.indexName：winning plan所選用的index。

    queryPlanner.winningPlan.isMultiKey是否是Multikey，此處返回是false，如果索引建立在array上，此處將是true。

    queryPlanner.winningPlan.direction：此query的查詢順序，此處是forward，如果用了.sort({modify_time:-1})將顯示backward。

    queryPlanner.winningPlan.indexBounds:winningplan所掃描的索引范圍,如果沒有制定范圍就是[MaxKey, MinKey]，這主要是直接定位到mongodb的chunck中去查找數據，加快數據讀取。

    queryPlanner.rejectedPlans：其他執行計划（非最優而被查詢優化器reject的）的詳細返回，其中具體信息與winningPlan的返回中意義相同，故不在此贅述。

對executionStats返回逐層分析

    第一層，executionTimeMillis

    最為直觀explain返回值是executionTimeMillis值，指的是我們這條語句的執行時間，這個值當然是希望越少越好。

    其中有3個executionTimeMillis，分別是：

    executionStats.executionTimeMillis

    該query的整體查詢時間。

    executionStats.executionStages.executionTimeMillisEstimate

    該查詢根據index去檢索document獲得2001條數據的時間。

    executionStats.executionStages.inputStage.executionTimeMillisEstimate

    該查詢掃描2001行index所用時間。

    第二層，index與document掃描數與查詢返回條目數

    這個主要討論3個返回項，nReturned、totalKeysExamined、totalDocsExamined，分別代表該條查詢返回的條目、索引掃描條目、文檔掃描條目。

    這些都是直觀地影響到executionTimeMillis，我們需要掃描的越少速度越快。

    對於一個查詢，我們最理想的狀態是：

    nReturned=totalKeysExamined=totalDocsExamined

    第三層，stage狀態分析

    那么又是什么影響到了totalKeysExamined和totalDocsExamined？是stage的類型。類型列舉如下：

    COLLSCAN：全表掃描

    IXSCAN：索引掃描

    FETCH：根據索引去檢索指定document

    SHARD_MERGE：將各個分片返回數據進行merge

    SORT：表明在內存中進行了排序

    LIMIT：使用limit限制返回數

    SKIP：使用skip進行跳過

    IDHACK：針對_id進行查詢

    SHARDING_FILTER：通過mongos對分片數據進行查詢

    COUNT：利用db.coll.explain().count()之類進行count運算

    COUNTSCAN：count不使用Index進行count時的stage返回

    COUNT_SCAN：count使用了Index進行count時的stage返回

    SUBPLA：未使用到索引的$or查詢的stage返回

    TEXT：使用全文索引進行查詢時候的stage返回

    PROJECTION：限定返回字段時候stage的返回

    對於普通查詢，我希望看到stage的組合(查詢的時候盡可能用上索引)：

    Fetch+IDHACK

    Fetch+ixscan

    Limit+（Fetch+ixscan）

    PROJECTION+ixscan

    SHARDING_FITER+ixscan

    COUNT_SCAN

    不希望看到包含如下的stage：

    COLLSCAN(全表掃描),SORT(使用sort但是無index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index進行count)

  

　　喜歡請微信掃描下面二維碼，關注我公眾號--“精修Java”，做一些實戰項目中的問題和解決方案分享。