MongoDB之使用explain和hint性能分析和优化
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：
MongoDB 的详细介绍：请点这里
MongoDB 的下载地址：请点这里