mongodb效能分析方法：explain()

為了示範的效果，我們先來建立一個有200萬個文檔的記錄。（我自己的電腦耗了15分鐘左右插入完成。如果你想插更多的文檔也沒問題，只要有耐心等就可以了。）

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

 

    MongoDB 3.0之後，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之後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集合建立age鍵的索引：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" : 1.017                 },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" : 1.064                 },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" : 078             }79         }80     },81     "serverInfo" : {82         "host" : "qinxiongzhou",83         "port" : 27017,84         "version" : "3.0.7",85         "gitVersion" : "6ce7cbe8c6b899552dadd907604559806aa2e9bd"86     },87     "ok" : 1.088 }

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:查詢最佳化工具針對該query所返回的最優執行計畫的詳細內容。

    queryPlanner.winningPlan.stage:最優執行計畫的stage，這裡返回是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，將在後文中進行詳解）。

    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所掃描的索引範圍,如果沒有制定範圍就是[MaxKey, MinKey]，這主要是直接定位到mongodb的chunck中去尋找資料，加快資料讀取。

    queryPlanner.rejectedPlans：其他執行計畫（非最優而被查詢最佳化工具reject的）的詳細返回，其中具體資訊與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傳回值是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條資料的時間。

    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

    那麼又是什麼影響到了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：將各個分區返回資料進行merge

    SORT：表明在記憶體中進行了排序

    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對分區資料進行查詢

    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：限定返回欄位時候stage的返回

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

    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) 周欽雄技術分享

來源:https://www.cnblogs.com/zhouqinxiong/p/5554779.html