MongoDB之使用explain和hint性能分析和优化

共计 3709 个字符，预计需要花费 10 分钟才能阅读完成。

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.htm

CentOS 6 使用 yum 安装 MongoDB 及服务器端配置 http://www.linuxidc.com/Linux/2012-08/68196.htm

Ubuntu 13.04 下安装 MongoDB2.4.3 http://www.linuxidc.com/Linux/2013-05/84227.htm

MongoDB 入门必读(概念与实战并重) http://www.linuxidc.com/Linux/2013-07/87105.htm

Ubunu 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.htm

Nagios 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.htm

MongoDB 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：http://www.linuxidc.com/Linux/2016-11/136736.htm