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})
![](https://i-blog.csdnimg.cn/blog_migrate/8f900a89c6347c561fdf2122f13be562.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/961ddebeb323a10fe0623af514929fc1.gif)
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 }
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)