MongoDB 慢查询语句优化分析策略
原创
🍀MongoDB慢查询分析
- 开启 Profiling 功能，开启后会在运行的实例上收集有关MongoDB的写操作，游标，数据库命令等，可以在数据库级别开启该工具，也可以在实例级别开启。
该工具会把收集到的所有都写入到system.profile集合中，该集合是一个capped collection http://docs.mongodb.org/manual/tutorial/manage-the-database-profiler/
- 查询system.profile集合中，查询时间长的语句，比如执行超过200ms的
- 再通过
.explain()解析影响行数，分析原因 优化查询语句或增加索引
🍀开启 Profiling 功能
**mongo shell 中开启**
进入mongo shell，输入以下指令开启
db.setProfilingLevel(2);开启级别说明：
0：关闭，不收集任何数据。
1：收集慢查询数据，默认是100毫秒。
2：收集所有数据
如果在集合下操作，仅对该集合里的操作生效
在所有集合下面设置或者在启动mongodb时设置，则对整个实例生效
**启动时开启**
mongod --profile=1 --slowms=200**配置文件修改，正常启动**
在配置文件里添加以下配置：
profile = 1
slowms = 200**其他指令**
# 查看状态：级别和时间
db.getProfilingStatus()
# 查看级别
db.getProfilingLevel()
# 设置级别和时间
db.setProfilingLevel(1,200)
# 关闭Profiling
db.setProfilingLevel(0)
# 删除system.profile集合
db.system.profile.drop()
# 创建一个新的system.profile集合，大小为1M
db.createCollection( "system.profile", { capped: true, size:1000000 } )
# 重新开启Profiling
db.setProfilingLevel(1)🍀通过system.profile进行分析
http://docs.mongodb.org/manual/reference /database-profiler/
通过 db.system.profile.find() 可查询记录的操作语句， 如下的例子：
insert操作
{
"op" : "insert",
"ns" : "Gps905.onlineTemp",
"command" : {
"insert" : "onlineTemp",
"ordered" : true,
"$db" : "Gps905"
},
"ninserted" : 1,
"keysInserted" : 1,
"numYield" : 0,
"locks" : {
"Global" : {
"acquireCount" : {
"r" : NumberLong(1),
"w" : NumberLong(1)
}
},
"Database" : {
"acquireCount" : {
"w" : NumberLong(1)
}
},
"Collection" : {
"acquireCount" : {
"w" : NumberLong(1)
}
}
},
"responseLength" : 60,
"protocol" : "op\_query",
"millis" : 105,
"ts" : ISODate("2022-06-29T08:41:51.858Z"),
"client" : "127.0.0.1",
"allUsers" : [],
"user" : ""
}其中重要字段含义如下
op：操作类型，有insert、query、update、remove、getmore、command
ns：操作的数据库和集合
millis：操作所花时间，毫秒
ts：时间戳
**如果millis的值较大，就需要进行优化**
- 比如
query操作的例子
https://blog.csdn.net/weixin_34174105/article/details/91779187
{
"op" : "query", #操作类型，有insert、query、update、remove、getmore、command
"ns" : "onroad.route\_model", #操作的集合
"query" : {
"$query" : {
"user\_id" : 314436841,
"data\_time" : {
"$gte" : 1436198400
}
},
"$orderby" : {
"data\_time" : 1
}
},
"ntoskip" : 0, #指定跳过skip()方法 的文档的数量。
"nscanned" : 2, #为了执行该操作，MongoDB在 index 中浏览的文档数。 一般来说，如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。
"nscannedObjects" : 1, #为了执行该操作，MongoDB在 collection中浏览的文档数。
"keyUpdates" : 0, #索引更新的数量，改变一个索引键带有一个小的性能开销，因为数据库必须删除旧的key，并插入一个新的key到B-树索引
"numYield" : 1, #该操作为了使其他操作完成而放弃的次数。通常来说，当他们需要访问还没有完全读入内存中的数据时，操作将放弃。这使得在MongoDB为了放弃操作进行数据读取的同时，还有数据在内存中的其他操作可以完成
"lockStats" : { #锁信息，R：全局读锁；W：全局写锁；r：特定数据库的读锁；w：特定数据库的写锁
"timeLockedMicros" : { #该操作获取一个级锁花费的时间。对于请求多个锁的操作，比如对 local 数据库锁来更新 oplog ，该值比该操作的总长要长（即 millis ）
"r" : NumberLong(1089485),
"w" : NumberLong(0)
},
"timeAcquiringMicros" : { #该操作等待获取一个级锁花费的时间。
"r" : NumberLong(102),
"w" : NumberLong(2)
}
},
"nreturned" : 1, // 返回的文档数量
"responseLength" : 1669, // 返回字节长度，如果这个数字很大，考虑值返回所需字段
"millis" : 544, #消耗的时间（毫秒）
"execStats" : { #一个文档,其中包含执行 查询 的操作，对于其他操作,这个值是一个空文件， system.profile.execStats 显示了就像树一样的统计结构，每个节点提供了在执行阶段的查询操作情况。
"type" : "LIMIT", ##使用limit限制返回数
"works" : 2,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 1, #是否为文件结束符
"children" : [
{
"type" : "FETCH", #根据索引去检索指定document
"works" : 1,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 0,
"alreadyHasObj" : 0,
"forcedFetches" : 0,
"matchTested" : 0,
"children" : [
{
"type" : "IXSCAN", #扫描索引键
"works" : 1,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 0,
"keyPattern" : "{ user\_id: 1.0, data\_time: -1.0 }",
"boundsVerbose" : "field #0['user\_id']: [314436841, 314436841], field #1['data\_time']: [1436198400, inf.0]",
"isMultiKey" : 0,
"yieldMovedCursor" : 0,
"dupsTested" : 0,
"dupsDropped" : 0,
"seenInvalidated" : 0,
"matchTested" : 0,
"keysExamined" : 2,
"children" : [ ]
}
]
}
]
},
"ts" : ISODate("2022-06-29T08:41:51.858Z"), #该命令在何时执行
"client" : "127.0.0.1", #链接ip或则主机
"allUsers" : [
{
"user" : "martin\_v8",
"db" : "onroad"
}
],
"user" : ""
}type字段的参数：
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 #表明在内存中进行了排序（与老版本的scanAndOrder:true一致）
LIMIT #使用limit限制返回数
SKIP #使用skip进行跳过
IDHACK #针对\_id进行查询
SHARDING\_FILTER #通过mongos对分片数据进行查询
COUNT #利用db.coll.explain().count()之类进行count运算
COUNTSCAN #count不使用Index进行count时的stage返回
COUNT\_SCAN #count使用了Index进行count时的stage返回
SUBPLA #未使用到索引的$or查询的stage返回
TEXT #使用全文索引进行查询时候的stage返回
PROJECTION #限定返回字段时候stage的返回- 如果nscanned数很大，或者接近记录总数（文档数），那么可能没有用到索引查询，而是全表扫描。
- 如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。
☘筛选条件中的语句
# 返回大于100毫秒慢的操作
db.system.profile.find({ millis : { $gt : 100 } } ).pretty()
# 返回最近的10条记录 {$natrual: -1} 代表按插入数序逆序
db.system.profile.find().sort({ ts : -1 }).limit(10).pretty()
# 返回所有的操作，除command类型的
db.system.profile.find( { op: { $ne : 'command' } }).pretty()
# 返回特定集合
db.system.profile.find( { ns : 'mydb.test' } ).pretty()
# 从一个特定的时间范围内返回信息
db.system.profile.find({ ts : { $gt : new ISODate("2015-10-18T03:00:00Z"), $lt : new ISODate("2015-10-19T03:40:00Z")}}).pretty()
# 特定时间，限制用户，按照消耗时间排序
db.system.profile.find( { ts : { $gt : newISODate("2015-10-12T03:00:00Z") , $lt : newISODate("2015-10-12T03:40:00Z") } }, { user : 0 } ).sort( { millis : -1 } )
# 查看最新的 Profile 记录：
db.system.profile.find().sort({$natural:-1}).limit(1)
# 列出最近5 条执行时间超过1ms的 Profile 记录
show profile🍀explain 对执行语句进行分析
https://docs.mongodb.org/manual/reference/database-profiler/
同MySQL类似，MongoDB 也提供了一个 explain 命令获知系统如何处理查询请求。
以下利用 explain 命令，针对执行语句进行优化
SECONDARY> db.route\_model.find({ "user\_id" : 313830621, "data\_time" : { "$lte" : 1443715200, "$gte" : 1443542400 } }).explain()
{
"cursor" : "BtreeCursor user\_id\_1\_data\_time\_-1", #返回游标类型，有BasicCursor和BtreeCursor，后者意味着使用了索引。
"isMultiKey" : false,
"n" : 23, #返回的文档行数。
"nscannedObjects" : 23, #这是MongoDB按照索引指针去磁盘上查找实际文档的次数。如果查询包含的查询条件不是索引的一部分，或者说要求返回不在索引内的字段，MongoDB就必须依次查找每个索引条目指向的文档。
"nscanned" : 23, #如果有使用索引，那么这个数字就是查找过的索引条目数量，如果本次查询是一次全表扫描，那么这个数字就代表检查过的文档数目
"nscannedObjectsAllPlans" : 46,
"nscannedAllPlans" : 46,
"scanAndOrder" : false, #MongoDB是否在内存中对结果集进行了排序
"indexOnly" : false, #MongoDB是否只使用索引就能完成此次查询
"nYields" : 1, #为了让写入请求能够顺利执行，本次查询暂停暂停的次数。如果有写入请求需求处理，查询会周期性的释放他们的锁，以便写入能够顺利执行
"nChunkSkips" : 0,
"millis" : 1530, #数据库执行本次查询所耗费的毫秒数。这个数字越小，说明效率越高
"indexBounds" : { #这个字段描述了索引的使用情况，给出了索引的遍历范围
"user\_id" : [
[
313830621,
313830621
]
],
"data\_time" : [
[
1443715200,
1443542400
]
]
},
"server" : "a7cecd4f9295:27017",
"filterSet" : false,
"stats" : {
"type" : "FETCH",
"works" : 25,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 23,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 1,
"alreadyHasObj" : 0,
"forcedFetches" : 0,
"matchTested" : 0,
"children" : [
{
"type" : "IXSCAN",#这里使用了索引
"works" : 23,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 23,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 1,
"keyPattern" : "{ user\_id: 1.0, data\_time: -1.0 }",
"boundsVerbose" : "field #0['user\_id']: [313830621.0, 313830621.0], field #1['data\_time']: [1443715200.0, 1443542400.0]",
"isMultiKey" : 0,
"yieldMovedCursor" : 0,
"dupsTested" : 0,
"dupsDropped" : 0,
"seenInvalidated" : 0,
"matchTested" : 0,
"keysExamined" : 23,
"children" : [ ]
}
]
}
}分析可参考上诉system.profile分析
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
数据库
云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建，轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量，更专注于业务发展，让企业一站式享受数据上云及分布式架构的技术红利！
腾讯云开发者
