mongodb的监控与性能优化

一.mongodb的监控

mongostat是mongdb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果你发现数据库突然变慢或者有其他问题的话，你第一手的操作就考虑采用mongostat来查看mongo的状态。

它的输出有以下几列：

• inserts/s 每秒插入次数
• query/s 每秒查询次数
• update/s 每秒更新次数
• delete/s 每秒删除次数
• getmore/s 每秒执行getmore次数
• command/s每秒的命令数，比以上插入、查找、更新、删除的综合还多，还统计了别的命令
• flushs/s 每秒执行fsync将数据写入硬盘的次数。
• mapped/s 所有的被mmap的数据量，单位是MB，
• vsize 虚拟内存使用量，单位MB
• res 物理内存使用量，单位MB
• faults/s每秒访问失败数（只有Linux有），数据被交换出物理内存，放到swap。不要超过100，否则就是机器内存太小，造成频繁swap写入。此时要升级内存或者扩展
• locked % 被锁的时间百分比，尽量控制在50%以下吧
• idx miss %索引不命中所占百分比。如果太高的话就要考虑索引是不是少了
• q t|r|w当Mongodb接收到太多的命令而数据库被锁住无法执行完成，它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度，都为0的话表示mongo毫无压力。高并发时，一般队列值会升高。
• conn 当前连接数
• time 时间戳

二.mongodb的优化

mongodb可以通过profile来监控数据，进行优化。

查看当前是否开启profile功能用命令

db.getProfilingLevel() 返回level等级，值为0|1|2，分别代表意思：0代表关闭，1代表记录慢命令，2代表全部

开始profile功能为

db.setProfilingLevel(level); #level等级，值同上

level为1的时候，慢命令默认值为100ms，更改为db.setProfilingLevel(level,slowms)如db.setProfilingLevel(1,50)这样就更改为50毫秒

通过db.system.profile.find()查看当前的监控日志。

如：

Js代码

1. > db.system.profile.find({millis:{$gt:500}})
2. { "ts" : ISODate("2011-07-23T02:50:13.941Z"), "info" : "query order.order reslen:11022 nscanned:672230 \nquery: { status: 1.0 } nreturned:101 bytes:11006 640ms", "millis" : 640 }
3. { "ts" : ISODate("2011-07-23T02:51:00.096Z"), "info" : "query order.order reslen:11146 nscanned:672302 \nquery: { status: 1.0, user.uid: { $gt: 1663199.0 } } nreturned:101 bytes:11130 647ms", "millis" : 647 }

这里值的含义是

ts：命令执行时间

info：命令的内容

query：代表查询

order.order： 代表查询的库与集合

reslen：返回的结果集大小，byte数

nscanned：扫描记录数量

nquery：后面是查询条件

nreturned：返回记录数及用时

millis：所花时间

 

如果发现时间比较长，那么就需要作优化。

比如nscanned数很大，或者接近记录总数，那么可能没有用到索引查询。

reslen很大，有可能返回没必要的字段。

nreturned很大，那么有可能查询的时候没有加限制。

官网:http://www.mongodb.org/display/DOCS/Database+Profiler

mongo可以通过db.serverStatus()查看mongod的运行状态

Js代码

1. > db.serverStatus()
2. {
3.          "host" : "baobao-laptop",#主机名
4.          "version" : "1.8.2",#版本号
5.          "process" : "mongod",#进程名
6.          "uptime" : 15549,#运行时间
7.          "uptimeEstimate" : 15351,
8.          "localTime" : ISODate("2011-07-23T06:07:31.220Z"),当前时间
9.          "globalLock" : {
10.                  "totalTime" : 15548525410,#总运行时间（ns）
11.                  "lockTime" : 89206633, #总的锁时间（ns）
12.                  "ratio" : 0.005737305027178137,#锁比值
13.                  "currentQueue" : {
14.                          "total" : 0,#当前需要执行的队列
15.                          "readers" : 0,#读队列
16.                          "writers" : 0#写队列
17.                  },
18.                   "activeClients" : {
19.                             "total" : 0,#当前客户端执行的链接数
20.                             "readers" : 0,#读链接数
21.                              "writers" : 0#写链接数
22.                    }
23.           },
24.           "mem" : {#内存情况
25.           "bits" : 32,#32位系统
26.           "resident" : 337,#占有物理内存数
27.           "virtual" : 599,#占有虚拟内存
28.           "supported" : true,#是否支持扩展内存
29.           "mapped" : 512
30.  },
31.  "connections" : {
32.           "current" : 2,#当前链接数
33.           "available" : 817#可用链接数
34.  },
35.  "extra_info" : {
36.           "note" : "fields vary by platform",
37.           "heap_usage_bytes" : 159008,#堆使用情况字节
38.           "page_faults" : 907 #页面故作
39.  },
40.  "indexCounters" : {
41.           "btree" : {
42.                    "accesses" : 59963, #索引被访问数
43.                    "hits" : 59963, #所以命中数
44.                    "misses" : 0,#索引偏差数
45.                    "resets" : 0,#复位数
46.                    "missRatio" : 0#未命中率
47.           }
48.  },
49.  "backgroundFlushing" : {
50.           "flushes" : 259, #刷新次数
51.           "total_ms" : 3395, #刷新总花费时长
52.           "average_ms" : 13.108108108108109, #平均时长
53.           "last_ms" : 1, #最后一次时长
54.           "last_finished" : ISODate("2011-07-23T06:07:22.725Z")#最后刷新时间
55.  },
56.  "cursors" : {
57.           "totalOpen" : 0,#打开游标数
58.           "clientCursors_size" : 0,#客户端游标大小
59.           "timedOut" : 16#超时时间
60.  },
61.  "network" : {
62.           "bytesIn" : 285676177,#输入数据（byte）
63.           "bytesOut" : 286564,#输出数据（byte）
64.           "numRequests" : 2012348#请求数
65.  },
66.  "opcounters" : {
67.           "insert" : 2010000, #插入操作数
68.           "query" : 51,#查询操作数
69.           "update" : 5,#更新操作数
70.           "delete" : 0,#删除操作数
71.           "getmore" : 0,#获取更多的操作数
72.           "command" : 148#其他命令操作数
73.  },
74.  "asserts" : {#各个断言的数量
75.           "regular" : 0,
76.           "warning" : 0,
77.           "msg" : 0,
78.           "user" : 2131,
79.           "rollovers" : 0
80.  },
81.  "writeBacksQueued" : false,
82.  "ok" : 1
83. }

indexCounters:btree:misses索引的不命中数，和hits的比例高就要考虑索引是否正确建立。

db.stats()查看某一个库的原先状况

Js代码

1. > db.stats()
2. {
3.           "db" : "order",#库名
4.           "collections" : 4,#集合数
5.           "objects" : 2011622,#记录数
6.           "avgObjSize" : 111.92214441878245,#每条记录的平均值
7.           "dataSize" : 225145048,#记录的总大小
8.           "storageSize" : 307323392,#预分配的存储空间
9.           "numExtents" : 21,#事件数
10.           "indexes" : 1,#索引数
11.           "indexSize" : 74187744,#所以大小
12.           "fileSize" : 1056702464,#文件大小
13.           "ok" : 1
14. }

 

查看集合记录用

Js代码

1. > db.order.stats()
2. {
3.           "ns" : "order.order",#命名空间
4.           "count" : 2010000,#记录数
5.           "size" : 225039600,#大小
6.           "avgObjSize" : 111.96,
7.           "storageSize" : 307186944,
8.           "numExtents" : 18,
9.           "nindexes" : 1,
10.           "lastExtentSize" : 56089856,
11.           "paddingFactor" : 1,
12.           "flags" : 1,
13.           "totalIndexSize" : 74187744,
14.           "indexSizes" : {
15.                    "_id_" : 74187744#索引为_id_的索引大小
16.              },
17.           "ok" : 1
18. }

 

mongostat命令查看运行中的实时统计，表示每秒实时执行的次数

mongodb还提供了一个机遇http的监控页面，可以访问http://ip:28017来查看，这个页面基本上是对上面的这些命令做了一下综合，所以这里不细述了。

二.mongodb的优化

根据上面这些监控手段，找到问题后，我们可以进行优化

上面找到了某一下慢的命令，现在我们可以通过执行计划跟踪一下，如

Js代码

1. > db.order.find({ "status": 1.0, "user.uid": { $gt: 2663199.0 } }).explain()
2. {
3.           "cursor" : "BasicCursor",#游标类型
4.           "nscanned" : 2010000,#扫描数量
5.           "nscannedObjects" : 2010000,#扫描对象
6.           "n" : 337800,#返回数据
7.           "millis" : 2838,#耗时
8.           "nYields" : 0,
9.           "nChunkSkips" : 0,
10.           "isMultiKey" : false,
11.           "indexOnly" : false,
12.           "indexBounds" : {#使用索引（这里没有）
13.           }
14. }

对于这样的，我们可以创建索引

可以通过 db.collection.ensureIndex({"字段名":1})来创建索引，1为升序，-1为降序，在已经有多数据的情况下，可用后台来执行，语句db.collection.ensureIndex({"字段名":1} , {backgroud:true})

获取索引用db.collection.getIndexes() 查看

这里我们创建一个user.uid的索引>db.order.ensureIndex({"user.uid":1})

创建后重新执行

Js代码

1. db.order.find({ "status": 1.0, "user.uid": { $gt: 2663199.0 } }).explain()
2. {
3.           "cursor" : "BtreeCursor user.uid_1",
4.           "nscanned" : 337800,
5.           "nscannedObjects" : 337800,
6.           "n" : 337800,
7.           "millis" : 1371,
8.           "nYields" : 0,
9.           "nChunkSkips" : 0,
10.           "isMultiKey" : false,
11.           "indexOnly" : false,
12.           "indexBounds" : {
13.                    "user.uid" : [
14.                              [
15.                                      2663199,
16.                                      1.7976931348623157e+308
17.                             ]
18.                    ]
19.           }
20. }

 

扫描数量减少，速度提高。mongodb的索引设计类似与关系数据库，按索引查找加快书读，但是多了会对写有压力，所以这里就不再叙述了。

 

2.其他优化可以用hint强制索引查找，返回只是需要的数据，对数据分页等。

db.currentOp()

Mongodb的命令一般很快就完成，但是在一台繁忙的机器或者有比较慢的命令时，你可以通过db.currentOp()获取当前正在执行的操作。

在没有负载的机器上，该命令基本上都是返回空的

 

1 > db.currentOp()

2 {  "inprog"  :[ ] }

 

以下是一个有负载的机器上得到的返回值样例：

 

1 {  "opid"  :  "shard3:466404288" ,  "active"  :  false ,  "waitingForLock"  : false , "op"  :  "query" ,  "ns"  :  "sd.usersEmails" ,  "query"  :{ }, "client_s"  : "10.121.13.8:34473" ,  "desc"  :  "conn"  },

 

字段名字都能自解释。如果你发现一个操作太长，把数据库卡死的话，可以用这个命令杀死他