mongodb查询语句时间范围_mongodb之慢查询分析

0  摘要

在MySQL中，慢查询日志是经常作为我们优化查询的依据，那在MongoDB中是否有类似的功能呢？答案是肯定的，那就是开启Profiling功能。该工具在运行的实例上收集有关MongoDB的写操作，游标，数据库命令等，可以在数据库级别开启该工具，也可以在实例级别开启。该工具会把收集到的所有都写入到system.profile集合中，该集合是一个capped collection。更多的信息见：http://docs.mongodb.org/manual/tutorial/manage-the-database-profiler/

1  慢查询分析流程

慢查询日志一般作为优化步骤里的第一步。通过慢查询日志，定位每一条语句的查询时间。比如超过了200ms，那么查询超过200ms的语句需要优化。然后它通过 .explain() 解析影响行数是不是过大，所以导致查询语句超过200ms。

所以优化步骤一般就是：

1.用慢查询日志(system.profile)找到超过200ms的语句

2.然后再通过.explain()解析影响行数，分析为什么超过200ms

3.决定是不是需要添加索引

2  开启慢查询

2.1  Profiling级别说明0：关闭，不收集任何数据。

1：收集慢查询数据，默认是100毫秒。

2：收集所有数据

2.2  开启Profiling和设置

1：通过mongo shell:#查看状态：级别和时间

PRIMARY> db.getProfilingStatus()

{ "was" : 1, "slowms" : 200 }

#查看级别

PRIMARY> db.getProfilingLevel()

1

#设置级别

PRIMARY> db.setProfilingLevel(2)

{ "was" : 1, "slowms" : 100, "ok" : 1 }

#设置级别和时间

PRIMARY> db.setProfilingLevel(1,200)

{ "was" : 2, "slowms" : 100, "ok" : 1 }

注意：

1  以上要操作要是在test集合下面的话，只对该集合里的操作有效，要是需要对整个实例有效，则需要在所有的集合下设置或则在开启的时候开启参数

2 每次设置之后返回给你的结果是修改之前的状态(包括级别、时间参数)。

2：不通过mongo shell:

在mongoDB启动的时候mongod --profile=1  --slowms=200

或则在配置文件里添加2行：profile = 1

slowms = 200

3：关闭Profiling# 关闭

PRIMARY> db.setProfilingLevel(0)

{ "was" : 1, "slowms" : 200, "ok" : 1 }

4：修改“慢查询日志”的大小#关闭Profiling

PRIMARY> db.setProfilingLevel(0)

{ "was" : 0, "slowms" : 200, "ok" : 1 }

#删除system.profile集合

PRIMARY> db.system.profile.drop()

true

#创建一个新的system.profile集合 --- 4M

PRIMARY> db.createCollection( "system.profile", { capped: true, size:4000000 } )

{ "ok" : 1 }

#重新开启Profiling

PRIMARY> db.setProfilingLevel(1)

{ "was" : 0, "slowms" : 200, "ok" : 1 }

注意：要改变Secondary的system.profile的大小，你必须停止Secondary，运行它作为一个独立的mongodb，然后再执行上述步骤。完成后，重新启动加入副本集。

2.3  Profile 效率

Profiling功能肯定是会影响效率的，但是不太严重，原因是他使用的是system.profile 来记录，而system.profile 是一个capped collection， 这种collection 在操作上有一些限制和特点，但是效率更高。

3慢查询(system.profile)分析

通过 db.system.profile.find() 查看当前所有的慢查询日志，下面的例子说明各个参数的含义，更多信息见：http://docs.mongodb.org/manual/reference /database-profiler/

3.1：参数含义  -- (这是一个query 类型的 慢查询){

"op" : "query",  #操作类型，有insert、query、update、remove、getmore、command

"ns" : "onroad.route_model", #操作的集合

"query" : {

"$query" : {

"user_id" : 314436841,

"data_time" : {

"$gte" : 1436198400

}

},

"$orderby" : {

"data_time" : 1

}

},

"ntoskip" : 0, #指定跳过skip()方法 的文档的数量。

"nscanned" : 2, #为了执行该操作，MongoDB在 index 中浏览的文档数。 一般来说，如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。

"nscannedObjects" : 1,  #为了执行该操作，MongoDB在 collection中浏览的文档数。

"keyUpdates" : 0, #索引更新的数量，改变一个索引键带有一个小的性能开销，因为数据库必须删除旧的key，并插入一个新的key到B-树索引

"numYield" : 1,  #该操作为了使其他操作完成而放弃的次数。通常来说，当他们需要访问还没有完全读入内存中的数据时，操作将放弃。这使得在MongoDB为了放弃操作进行数据读取的同时，还有数据在内存中的其他操作可以完成

"lockStats" : {  #锁信息，R：全局读锁；W：全局写锁；r：特定数据库的读锁；w：特定数据库的写锁

"timeLockedMicros" : {  #该操作获取一个级锁花费的时间。对于请求多个锁的操作，比如对 local 数据库锁来更新 oplog ，该值比该操作的总长要长(即 millis )

"r" : NumberLong(1089485),

"w" : NumberLong(0)

},

"timeAcquiringMicros" : {  #该操作等待获取一个级锁花费的时间。

"r" : NumberLong(102),

"w" : NumberLong(2)

}

},

"nreturned" : 1,  // 返回的文档数量

"responseLength" : 1669, // 返回字节长度，如果这个数字很大，考虑值返回所需字段

"millis" : 544, #消耗的时间(毫秒)

"execStats" : {  #一个文档,其中包含执行 查询 的操作，对于其他操作,这个值是一个空文件， system.profile.execStats 显示了就像树一样的统计结构，每个节点提供了在执行阶段的查询操作情况。

"type" : "LIMIT", ##使用limit限制返回数

"works" : 2,

"yields" : 1,

"unyields" : 1,

"invalidates" : 0,

"advanced" : 1,

"needTime" : 0,

"needFetch" : 0,

"isEOF" : 1,  #是否为文件结束符

"children" : [

{

"type" : "FETCH",  #根据索引去检索指定document

"works" : 1,

"yields" : 1,

"unyields" : 1,

"invalidates" : 0,

"advanced" : 1,

"needTime" : 0,

"needFetch" : 0,

"isEOF" : 0,

"alreadyHasObj" : 0,

"forcedFetches" : 0,

"matchTested" : 0,

"children" : [

{

"type" : "IXSCAN", #扫描索引键

"works" : 1,

"yields" : 1,

"unyields" : 1,

"invalidates" : 0,

"advanced" : 1,

"needTime" : 0,

"needFetch" : 0,

"isEOF" : 0,

"keyPattern" : "{ user_id: 1.0, data_time: -1.0 }",

"boundsVerbose" : "field #0['user_id']: [314436841, 314436841], field #1['data_time']: [1436198400, inf.0]",

"isMultiKey" : 0,

"yieldMovedCursor" : 0,

"dupsTested" : 0,

"dupsDropped" : 0,

"seenInvalidated" : 0,

"matchTested" : 0,

"keysExamined" : 2,

"children" : [ ]

}

]

}

]

},

"ts" : ISODate("2015-10-15T07:41:03.061Z"), #该命令在何时执行

"client" : "10.10.86.171", #链接ip或则主机

"allUsers" : [

{

"user" : "martin_v8",

"db" : "onroad"

}

],

"user" : "martin_v8@onroad"

}

3.2: 分析

如果发现millis值比较大，那么就需要作优化。

1  如果nscanned数很大，或者接近记录总数(文档数)，那么可能没有用到索引查询，而是全表扫描。

2  如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。

3.3  system.profile补充

‘type’的返回参数说明：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(与老版本的scanAndOrder:true一致)

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，我们最希望看到的组合有这些：Fetch+IDHACK

Fetch+ixscan

Limit+(Fetch+ixscan)

PROJECTION+ixscan

SHARDING_FILTER+ixscan

等

不希望看到包含如下的type：COLLSCAN(全表扫)，SORT(使用sort但是无index)，不合理的SKIP，SUBPLA(未用到index的$or)

对于count查询，希望看到的有：COUNT_SCAN

不希望看到的有:COUNTSCAN

4  性能(explain)分析

SECONDARY> db.route_model.find({ "user_id" : 313830621, "data_time" : { "$lte" : 1443715200, "$gte" : 1443542400 } }).explain()

{

"cursor" : "BtreeCursor user_id_1_data_time_-1",  #返回游标类型，有BasicCursor和BtreeCursor，后者意味着使用了索引。

"isMultiKey" : false,

"n" : 23, #返回的文档行数。

"nscannedObjects" : 23,  #这是MongoDB按照索引指针去磁盘上查找实际文档的次数。如果查询包含的查询条件不是索引的一部分，或者说要求返回不在索引内的字段，MongoDB就必须依次查找每个索引条目指向的文档。

"nscanned" : 23,  #如果有使用索引，那么这个数字就是查找过的索引条目数量，如果本次查询是一次全表扫描，那么这个数字就代表检查过的文档数目

"nscannedObjectsAllPlans" : 46,

"nscannedAllPlans" : 46,

"scanAndOrder" : false,  #MongoDB是否在内存中对结果集进行了排序

"indexOnly" : false, #MongoDB是否只使用索引就能完成此次查询

"nYields" : 1,  #为了让写入请求能够顺利执行，本次查询暂停暂停的次数。如果有写入请求需求处理，查询会周期性的释放他们的锁，以便写入能够顺利执行

"nChunkSkips" : 0,

"millis" : 1530,  #数据库执行本次查询所耗费的毫秒数。这个数字越小，说明效率越高

"indexBounds" : {  #这个字段描述了索引的使用情况，给出了索引的遍历范围

"user_id" : [

[

313830621,

313830621

]

],

"data_time" : [

[

1443715200,

1443542400

]

]

},

"server" : "a7cecd4f9295:27017",

"filterSet" : false,

"stats" : {

"type" : "FETCH",

"works" : 25,

"yields" : 1,

"unyields" : 1,

"invalidates" : 0,

"advanced" : 23,

"needTime" : 0,

"needFetch" : 0,

"isEOF" : 1,

"alreadyHasObj" : 0,

"forcedFetches" : 0,

"matchTested" : 0,

"children" : [

{

"type" : "IXSCAN",#这里使用了索引

"works" : 23,

"yields" : 1,

"unyields" : 1,

"invalidates" : 0,

"advanced" : 23,

"needTime" : 0,

"needFetch" : 0,

"isEOF" : 1,

"keyPattern" : "{ user_id: 1.0, data_time: -1.0 }",

"boundsVerbose" : "field #0['user_id']: [313830621.0, 313830621.0], field #1['data_time']: [1443715200.0, 1443542400.0]",

"isMultiKey" : 0,

"yieldMovedCursor" : 0,

"dupsTested" : 0,

"dupsDropped" : 0,

"seenInvalidated" : 0,

"matchTested" : 0,

"keysExamined" : 23,

"children" : [ ]

}

]

}

}

这里的分析类似于 system.profile

5日常使用的慢日志(system.profile)查询

#返回最近的10条记录db.system.profile.find().limit(10).sort({ ts : -1 }).pretty()

#返回所有的操作，除command类型的db.system.profile.find( { op: { $ne : ‘command‘ } }).pretty()

#返回特定集合db.system.profile.find( { ns : ‘mydb.test‘ } ).pretty()

#返回大于5毫秒慢的操作db.system.profile.find({ millis : { $gt : 5 } } ).pretty()

#从一个特定的时间范围内返回信息db.system.profile.find(

{

ts : {

$gt : new ISODate("2015-10-18T03:00:00Z"),

$lt : new ISODate("2015-10-19T03:40:00Z")

}

}

).pretty()

#特定时间，限制用户，按照消耗时间排序db.system.profile.find(

{

ts : {

$gt : newISODate("2015-10-12T03:00:00Z") ,

$lt : newISODate("2015-10-12T03:40:00Z")

}

},

{ user : 0 }

).sort( { millis : -1 } )

#查看最新的 Profile  记录：db.system.profile.find().sort({$natural:-1}).limit(1)

# 显示5个最近的事件show profile

6  对慢查询语句建索引

详细请见下一篇博文