玩转mongodb（五）：mongodb 3.0+ 查询性能分析

mongodb性能分析方法：explain()

为了演示的效果，我们先来创建一个有200万个文档的记录。（我自己的电脑耗了15分钟左右插入完成。如果你想插更多的文档也没问题，只要有耐心等就可以了。）

1 for(var i=0;i<2000000;i++){
2     db.person.insert({"name":"ryan"+i,"age":i});
3 }

MongoDB 3.0之后，explain的返回与使用方法与之前版本有了很大的变化，介于3.0之后的优秀特色和我们目前所使用给的是3.0.7版本，本文仅针对MongoDB 3.0+的explain进行讨论。3.0+的explain有三种模式，分别是：queryPlanner、executionStats、allPlansExecution。现实开发中，常用的是executionStats模式，主要分析这种模式。

给这个person集合创建age键的索引：db.person.createIndex({"age":1})

 1 {
 2     "queryPlanner" : {
 3         "plannerVersion" : 1,
 4         "namespace" : "personmap.person",
 5         "indexFilterSet" : false,
 6         "parsedQuery" : {
 7             "age" : {
 8                 "$lte" : 2000.0
 9             }
10         },
11         "winningPlan" : {
12             "stage" : "FETCH",
13             "inputStage" : {
14                 "stage" : "IXSCAN",
15                 "keyPattern" : {
16                     "age" : 1.0
17                 },
18                 "indexName" : "age_1",
19                 "isMultiKey" : false,
20                 "direction" : "forward",
21                 "indexBounds" : {
22                     "age" : [
23                         "[-1.#INF, 2000.0]"
24                     ]
25                 }
26             }
27         },
28         "rejectedPlans" : []
29     },
30     "executionStats" : {
31         "executionSuccess" : true,
32         "nReturned" : 2001,
33         "executionTimeMillis" : 143,
34         "totalKeysExamined" : 2001,
35         "totalDocsExamined" : 2001,
36         "executionStages" : {
37             "stage" : "FETCH",
38             "nReturned" : 2001,
39             "executionTimeMillisEstimate" : 0,
40             "works" : 2002,
41             "advanced" : 2001,
42             "needTime" : 0,
43             "needFetch" : 0,
44             "saveState" : 16,
45             "restoreState" : 16,
46             "isEOF" : 1,
47             "invalidates" : 0,
48             "docsExamined" : 2001,
49             "alreadyHasObj" : 0,
50             "inputStage" : {
51                 "stage" : "IXSCAN",
52                 "nReturned" : 2001,
53                 "executionTimeMillisEstimate" : 0,
54                 "works" : 2002,
55                 "advanced" : 2001,
56                 "needTime" : 0,
57                 "needFetch" : 0,
58                 "saveState" : 16,
59                 "restoreState" : 16,
60                 "isEOF" : 1,
61                 "invalidates" : 0,
62                 "keyPattern" : {
63                     "age" : 1.0
64                 },
65                 "indexName" : "age_1",
66                 "isMultiKey" : false,
67                 "direction" : "forward",
68                 "indexBounds" : {
69                     "age" : [
70                         "[-1.#INF, 2000.0]"
71                     ]
72                 },
73                 "keysExamined" : 2001,
74                 "dupsTested" : 0,
75                 "dupsDropped" : 0,
76                 "seenInvalidated" : 0,
77                 "matchTested" : 0
78             }
79         }
80     },
81     "serverInfo" : {
82         "host" : "qinxiongzhou",
83         "port" : 27017,
84         "version" : "3.0.7",
85         "gitVersion" : "6ce7cbe8c6b899552dadd907604559806aa2e9bd"
86     },
87     "ok" : 1.0
88 }

db.getCollection(‘person‘).find({"age":{"$lte":2000}}).explain("executionStats")

对queryPlanner分析

queryPlanner: queryPlanner的返回

queryPlanner.namespace:该值返回的是该query所查询的表

queryPlanner.indexFilterSet:针对该query是否有indexfilter

queryPlanner.winningPlan:查询优化器针对该query所返回的最优执行计划的详细内容。

queryPlanner.winningPlan.stage:最优执行计划的stage，这里返回是FETCH，可以理解为通过返回的index位置去检索具体的文档（stage有数个模式，将在后文中进行详解）。

queryPlanner.winningPlan.inputStage:用来描述子stage，并且为其父stage提供文档和索引关键字。

queryPlanner.winningPlan.stage的child stage，此处是IXSCAN，表示进行的是index scanning。

queryPlanner.winningPlan.keyPattern:所扫描的index内容，此处是did:1,status:1,modify_time: -1与scid : 1

queryPlanner.winningPlan.indexName：winning plan所选用的index。

queryPlanner.winningPlan.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。

queryPlanner.winningPlan.direction：此query的查询顺序，此处是forward，如果用了.sort({modify_time:-1})将显示backward。

queryPlanner.winningPlan.indexBounds:winningplan所扫描的索引范围,如果没有制定范围就是[MaxKey, MinKey]，这主要是直接定位到mongodb的chunck中去查找数据，加快数据读取。

queryPlanner.rejectedPlans：其他执行计划（非最优而被查询优化器reject的）的详细返回，其中具体信息与winningPlan的返回中意义相同，故不在此赘述。

对executionStats返回逐层分析

    第一层，executionTimeMillis

最为直观explain返回值是executionTimeMillis值，指的是我们这条语句的执行时间，这个值当然是希望越少越好。

其中有3个executionTimeMillis，分别是：

executionStats.executionTimeMillis

该query的整体查询时间。

executionStats.executionStages.executionTimeMillisEstimate

该查询根据index去检索document获得2001条数据的时间。

executionStats.executionStages.inputStage.executionTimeMillisEstimate

该查询扫描2001行index所用时间。

第二层，index与document扫描数与查询返回条目数

这个主要讨论3个返回项，nReturned、totalKeysExamined、totalDocsExamined，分别代表该条查询返回的条目、索引扫描条目、文档扫描条目。

这些都是直观地影响到executionTimeMillis，我们需要扫描的越少速度越快。

对于一个查询，我们最理想的状态是：

nReturned=totalKeysExamined=totalDocsExamined

第三层，stage状态分析

那么又是什么影响到了totalKeysExamined和totalDocsExamined？是stage的类型。类型列举如下：

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

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

对于普通查询，我希望看到stage的组合(查询的时候尽可能用上索引)：

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(全表扫描),SORT(使用sort但是无index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index进行count)