MongoDB查询索引分析

背景

最近几年,nosql数据库发展迅猛,mongo无疑是最闪耀的那颗明星;以前我们部门的系统,用到数据库时基本上mysql是标配;现在越来越多的项目都开始选择mongo(无论自己搭建还是使用sa的ocean);无论是mysql还是mongo,数据库是一个系统最容易出现问题、瓶颈的地方。

mysql出现问题时,相信大家都有一套完善的调试、调优方法,从最基础的查看slow log,query log到mysql explain查询索引分析等;而由于在mongo方面的技术积累没有mysql那么多,出现性能问题时,往往需要去花很大的精力进行调优。

索引

mongo中索引跟mysql中索引同样重要,没有索引,每次查找都需要遍历全表。

mongo的索引类型包括如下几种:

  • single filed索引:最基本的索引类型,加在单个filed上,可以指定升降序,默认_id列会自动加上该索引
  • Compound Index:复合索引加在多个field上,每一个字段都可以指定升降序;复合索引的顺序比较重要,它决定了该索引操作是否支持排序
  • Multikey Index:如果给array类型的field加索引,mongo会自动创建一个multikey index
  • Geospatial Index:
  • Text Indexes: 一个集合最多只能够创建一个文本索引,文本索引加在string类型的列上
  • Hashed Index

索引的一些特征:

  • unique index:指定为唯一索引
  • Partial Index:索引只会加到特定条件的document上,用户可以指定过滤条件
  • Sparse Index:索引会跳过所有不包含被索引键的文档。这个索引之所以称为 “稀疏” 是因为它并不包括集合中的所有文档
  • TTL Index:通过TTL索引,mongo会在过一段时间以后自动删除集合中的文档

mongo explain

与mysql相同,mongo也可以通过使用explain命令来查看mongo的执行情况,不同的是mongo的explain输出要复杂的多,mongo3.0版本对于explain做了很大的调整,本文只讨论3.0以后版本的explain情况。

包括count, distinct, group, find, findAndModify, delete,update等操作均可以执行explain。

explain有三种执行模式:

  • queryPlanner mode: mongo 通过运行查询优化器选出winning plan
  • executionStats Mode: 除了获取winning plan,mongo还会去真正的执行该plan,然后返回执行时的一些统计信息;该模式比较耗时(注意:对于写操作,mongo虽然会去执行这些winning plan,但是不会将这些修改应用到该database上)
  • allPlansExecution Mode:返回更多的信息,默认模式

shell环境下可以通过db.collection.explain()、cursor.explain()、db.runCommand()三种方法来执行explain,pymongo可以通过db.command、cursor.explain()来获取explain的结果。

注意:aggrgate仅仅会在queryplanner模式下运行explain

##explain结果分析

一个典型的explain结果可能如下所示:

{
        "queryPlanner" : {
                "plannerVersion" : 1,
                "namespace" : "game_db.game_user",
                "indexFilterSet" : false,
                "parsedQuery" : {
                        "w" : {
                                "$eq" : 1
                        }
                },
                "winningPlan" : {
                        "stage" : "FETCH",
                        "inputStage" : {
                                "stage" : "IXSCAN",
                                "keyPattern" : {
                                        "w" : 1,
                                        "n" : 1
                                },
                                "indexName" : "w_1_n_1",
                                "isMultiKey" : false,
                                "direction" : "forward",
                                "indexBounds" : {
                                        "w" : [
                                                "[1.0, 1.0]"
                                        ],
                                        "n" : [
                                                "[MinKey, MaxKey]"
                                        ]
                                }
                        }
                },
                "rejectedPlans" : [
                        {
                                "stage" : "FETCH",
                                "inputStage" : {
                                        "stage" : "IXSCAN",
                                        "keyPattern" : {
                                                "w" : 1,
                                                "v" : 1
                                        },
                                        "indexName" : "w_1_v_1",
                                        "isMultiKey" : false,
                                        "direction" : "forward",
                                        "indexBounds" : {
                                                "w" : [
                                                        "[1.0, 1.0]"
                                                ],
                                                "v" : [
                                                        "[MinKey, MaxKey]"
                                                ]
                                        }
                                }
                        }
                ]
        },

各字段的意义如下所示:

  • namespace: 该query所查询的表
  • winningPlan: 查询优化器针对该query返回的最优执行计划详细内容
  • stage:非常重要的一个字段,后面分析
  • inputStage: stage的child stage,此处是IXSCAN,表示进行的是index scanning
  • keyPattern: 所扫描的index内容,此处是w:1与n:1
  • indexName: 所选用的index
  • isMultiKey: 是否是Multikey,此处返回是false,如果索引建立在array上,此处将是true
  • direction: 此query的查询顺序,此处是forward,如果用了.sort({w:-1})将显示backward
  • indexBounds: winningplan所扫描的索引范围,此处查询条件是w:1,使用的index是w与n的联合索引,故w是1.0,1.0而n没有指定在查询条件中,故是MinKey,MaxKey
  • rejectedPlans:其他执行计划(非最优而被查询优化器reject的)的详细返回

如果在executionStats模式或者allPlansExecution模式下执行explain,其结果中还会包含executionStats信息:

  "executionStats" : {
            "executionSuccess" : true,
            "nReturned" : 29861,
            "executionTimeMillis" : 23079,
            "totalKeysExamined" : 29861,
            "totalDocsExamined" : 29861,
            "executionStages" : {
                    "stage" : "FETCH",
                    "nReturned" : 29861,
                    "executionTimeMillisEstimate" : 22685,
                    "works" : 29862,
                    "advanced" : 29861,
                    "needTime" : 0,
                    "needFetch" : 0,
                    "saveState" : 946,
                    "restoreState" : 946,
                    "isEOF" : 1,
                    "invalidates" : 0,
                    "docsExamined" : 29861,
                    "alreadyHasObj" : 0,
                    "inputStage" : {
                            "stage" : "IXSCAN",
                            "nReturned" : 29861,
                            "executionTimeMillisEstimate" : 70,
                            "works" : 29862,
                            "advanced" : 29861,
                            "needTime" : 0,
                            "needFetch" : 0,
                            "saveState" : 946,
                            "restoreState" : 946,
                            "isEOF" : 1,
                            "invalidates" : 0,
                            "keyPattern" : {
                                    "w" : 1,
                                    "n" : 1
                            },
                            "indexName" : "w_1_n_1",
                            "isMultiKey" : false,
                            "direction" : "forward",
                            "indexBounds" : {
                                    "w" : [
                                            "[1.0, 1.0]"
                                    ],
                                    "n" : [
                                            "[MinKey, MaxKey]"
                                    ]
                            },
                            "keysExamined" : 29861,
                            "dupsTested" : 0,
                            "dupsDropped" : 0,
                            "seenInvalidated" : 0,
                            "matchTested" : 0
                    }
            }
    },

其中重要字段含义如下:

  • executionSuccess:是否执行成功
  • nReturned:查询的返回条数
  • executionTimeMillis:整体执行时间
  • totalKeysExamined:索引扫描次数
  • totalDocsExamined:document扫描次数

stage作为explain结果非常重要的一个字段,指明目前处于哪个阶段,常见的stage有:COLLSCAN(全表扫描), IXSCAN(索引扫描), FETCH(根据索引去检索指定document), SHARD_MERGE(将各个分片返回数据进行merge), SORT(在内存中进行排序), LIMIT(使用limit限制返回数), SKIP(使用skip进行跳过), TEXT(全文索引进行查询), PROJECTION(限定返回字段), IDHACK(针对_id进行查询)等等

对于普通查询,我们最希望看到的组合有这些:

  • Fetch+IDHACK
  • Fetch+ixscan
  • Limit+(Fetch+ixscan)
  • PROJECTION+ixscan
  • SHARDING_FILTER+ixscan等undefined不希望看到包含如下的stage:undefinedCOLLSCAN(全表扫),SORT(使用sort但是无index),不合理的SKIP,SUBPLA(未用到index的$or)

查询分析器

无论哪种模式,explain的结果中都会有winning plan的信息,这些winning plan是通过mongo查询分析器获得的,查询分析器会缓存winning plan的信息,所以queryplanner模式的explain执行速度很快。

下面这幅图说明了查询分析器的执行逻辑:

详细信息见:https://docs.mongodb.com/manual/core/query-plans/

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序员宝库

我必须得告诉大家的 MySQL 优化原理

说起MySQL的查询优化,相信大家收藏了一堆奇技淫巧:不能使用SELECT *、不使用NULL字段、合理创建索引、为字段选择合适的数据类型….. 你是否真的理解...

1554
来自专栏JAVA高级架构

万字总结:学习MySQL优化原理,这一篇就够了!

说起MySQL的查询优化,相信大家收藏了一堆奇技淫巧:不能使用SELECT *、不使用NULL字段、合理创建索引、为字段选择合适的数据类型..... 你是否真的...

8798
来自专栏Jackson0714

【Discuz】-QQ互联登陆提示错误信息:Unknown column 'conuintoken' in 'field list'

32611
来自专栏学习有记

SQL Server 索引内部结构:SQL Server 索引进阶 Level 10

1164
来自专栏软件开发

一个小时学会MySQL数据库

随着移动互联网的结束与人工智能的到来大数据变成越来越重要,下一个成功者应该是拥有海量数据的,数据与数据库你应该知道。 一、数据库概要 数据库(Database)...

2478
来自专栏杨建荣的学习笔记

简单分析shared pool(二) (r3笔记48天)

对于shared pool的学习,发现越尝试去了解,发现自己对它越不了解。里面的东西很杂。 自己想用几个问题来作为引子来说明更加会有条理一些。 shared ...

2884
来自专栏IT技术精选文摘

MySQL优化原理学习

说起MySQL的查询优化,相信大家收藏了一堆奇技淫巧:不能使用SELECT *、不使用NULL字段、合理创建索引、为字段选择合适的数据类型….. 你是否真的理解...

2645
来自专栏软件开发

一个小时学会MySQL数据库

随着移动互联网的结束与人工智能的到来大数据变成越来越重要,下一个成功者应该是拥有海量数据的,数据与数据库你应该知道。

1703
来自专栏Java Web

Java 面试知识点解析(六)——数据库篇

在遨游了一番 Java Web 的世界之后,发现了自己的一些缺失,所以就着一篇深度好文:知名互联网公司校招 Java 开发岗面试知识点解析 ,来好好的对 Jav...

3079
来自专栏java思维导图

不得不告诉大家的 MySQL 优化“套路”

你是否真的理解这些优化技巧?是否理解它背后的工作原理?在实际场景下性能真有提升吗?我想未必。

1373

扫码关注云+社区