分析查询性能

最新推荐文章于 2023-08-11 16:15:46 发布
最新推荐文章于 2023-08-11 16:15:46 发布
阅读量380 收藏
点赞数
分类专栏： MongoDB中文手册（4.2版本） 文章标签： nosql mongodb 数据库
原文链接：https://docs.mongodb.com/manual/tutorial/analyze-query-plan/
版权

目录


进入MongoDB中文手册（4.2版本）目录

1 Mongo Shell命令

cursor.explain(“executionStats”) 和db.collection.explain(“executionStats”)方法提供了有关查询的性能统计信息。这些统计信息可用于衡量查询是否以及如何使用索引。
db.collection.explain()提供有关其他操作执行的信息，例如db.collection.update()。请参见其详情。

1.1 评估查询的性能

考虑包含以下文档的inventory集合：

{ "_id" : 1, "item" : "f1", type: "food", quantity: 500 }
{ "_id" : 2, "item" : "f2", type: "food", quantity: 100 }
{ "_id" : 3, "item" : "p1", type: "paper", quantity: 200 }
{ "_id" : 4, "item" : "p2", type: "paper", quantity: 150 }
{ "_id" : 5, "item" : "f3", type: "food", quantity: 300 }
{ "_id" : 6, "item" : "t1", type: "toys", quantity: 500 }
{ "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 }
{ "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 }
{ "_id" : 9, "item" : "t2", type: "toys", quantity: 50 }
{ "_id" : 10, "item" : "f4", type: "food", quantity: 75 }

1.1.1 无索引的查询

以下查询检索值介于100和200之间的quantity字段的文档 ：

db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } )

该查询返回以下文档：

{ "_id" : 2, "item" : "f2", "type" : "food", "quantity" : 100 }
{ "_id" : 3, "item" : "p1", "type" : "paper", "quantity" : 200 }
{ "_id" : 4, "item" : "p2", "type" : "paper", "quantity" : 150 }

要查看所选的查询计划，请将cursor.explain(“executionStats”) 游标方法链接到find命令的末尾：

db.inventory.find(
   { quantity: { $gte: 100, $lte: 200 } }
).explain("executionStats")

explain() 返回以下结果：

{
   "queryPlanner" : {
         "plannerVersion" : 1,
         ...
         "winningPlan" : {
            "stage" : "COLLSCAN",
            ...
         }
   },
   "executionStats" : {
      "executionSuccess" : true,
      "nReturned" : 3,
      "executionTimeMillis" : 0,
      "totalKeysExamined" : 0,
      "totalDocsExamined" : 10,
      "executionStages" : {
         "stage" : "COLLSCAN",
         ...
      },
      ...
   },
   ...
}
  • queryPlanner.winningPlan.stage显示 COLLSCAN，表示这是集合扫描。
    集合扫描表明， mongod必须逐个文档扫描整个集合文档以识别结果。这通常是一项很大开销的操作，并且可能导致查询缓慢。
  • executionStats.nReturned显示3，表示查询匹配并返回三个文档。
  • executionStats.totalKeysExamined显示0，表示这是查询未使用索引。
  • executionStats.totalDocsExamined显示10，表示MongoDB必须扫描十个文档（即集合中的所有文档）才能找到三个匹配的文档。

匹配文档数和已检查文档数之间的差异可能建议，可以通过使用索引来提高查询的效率。

1.1.2 有索引的查询

要支持对quantity字段的查询，请在该字段上添加一个索引 quantity：

db.inventory.createIndex( { quantity: 1 } )

要查看查询计划统计信息，请使用以下 explain(“executionStats”)方法：

db.inventory.find(
   { quantity: { $gte: 100, $lte: 200 } }
).explain("executionStats")

explain()方法返回以下结果：

{
   "queryPlanner" : {
         "plannerVersion" : 1,
         ...
         "winningPlan" : {
               "stage" : "FETCH",
               "inputStage" : {
                  "stage" : "IXSCAN",
                  "keyPattern" : {
                     "quantity" : 1
                  },
                  ...
               }
         },
         "rejectedPlans" : [ ]
   },
   "executionStats" : {
         "executionSuccess" : true,
         "nReturned" : 3,
         "executionTimeMillis" : 0,
         "totalKeysExamined" : 3,
         "totalDocsExamined" : 3,
         "executionStages" : {
            ...
         },
         ...
   },
   ...
}
  • queryPlanner.winningPlan.inputStage.stage显示 IXSCAN，表示使用了索引。
  • executionStats.nReturned 显示3，表示查询匹配并返回三个文档。
  • executionStats.totalKeysExamined显示3，表示MongoDB扫描了三个索引条目。检查的键数与返回的文档数相匹配，这意味着mongod只需检查索引键即可返回结果。mongod没有扫描所有的文件，只有三个匹配文档被放入内存中。这是一次非常有效的查询。
  • executionStats.totalDocsExamined显示3，表示MongoDB扫描了三个文档。

没有索引，查询将扫描整个集合的10个文档并返回3个匹配的文档。该查询还必须扫描每个文档的整体，可能会将它们放到内存中。这导致这次查询操作开销很大且查询缓慢。
当使用索引运行时，查询会扫描3个索引条目和3个文档并返回3个匹配的文档，因此是一次非常高效的查询。

1.2 比较索引的性能

若要手动比较使用多个索引的查询的性能，可以将hint() 方法与explain() 方法结合使用。
考虑以下查询：

db.inventory.find( {
   quantity: {
      $gte: 100, $lte: 300
   },
   type: "food"
} )

查询返回以下文档：

{ "_id" : 2, "item" : "f2", "type" : "food", "quantity" : 100 }
{ "_id" : 5, "item" : "f3", "type" : "food", "quantity" : 300 }

要支持查询，请添加复合索引。对于复合索引，字段的顺序很重要。
例如，添加以下两个复合索引。第一个索引按quantity字段顺序排序，然后按 type字段排序。第二个索引按顺序排序type，然后按quantity字段排序。

db.inventory.createIndex( { quantity: 1, type: 1 } )
db.inventory.createIndex( { type: 1, quantity: 1 } )

评估第一个索引对查询的影响：

db.inventory.find(
   { quantity: { $gte: 100, $lte: 300 }, type: "food" }
).hint({ quantity: 1, type: 1 }).explain("executionStats")

explain()方法返回以下输出：

{
   "queryPlanner" : {
      ...
      "winningPlan" : {
         "stage" : "FETCH",
         "inputStage" : {
            "stage" : "IXSCAN",
            "keyPattern" : {
               "quantity" : 1,
               "type" : 1
            },
            ...
            }
         }
      },
      "rejectedPlans" : [ ]
   },
   "executionStats" : {
      "executionSuccess" : true,
      "nReturned" : 2,
      "executionTimeMillis" : 0,
      "totalKeysExamined" : 5,
      "totalDocsExamined" : 2,
      "executionStages" : {
      ...
      }
   },
   ...
}

MongoDB扫描了5个索引键（executionStats.totalKeysExamined）并返回2个匹配的文档（executionStats.nReturned）。
评估第二个索引对查询的影响：

db.inventory.find(
   { quantity: { $gte: 100, $lte: 300 }, type: "food" }
).hint({ type: 1, quantity: 1 }).explain("executionStats")

explain()方法返回以下输出：

{
   "queryPlanner" : {
      ...
      "winningPlan" : {
         "stage" : "FETCH",
         "inputStage" : {
            "stage" : "IXSCAN",
            "keyPattern" : {
               "type" : 1,
               "quantity" : 1
            },
            ...
         }
      },
      "rejectedPlans" : [ ]
   },
   "executionStats" : {
      "executionSuccess" : true,
      "nReturned" : 2,
      "executionTimeMillis" : 0,
      "totalKeysExamined" : 2,
      "totalDocsExamined" : 2,
      "executionStages" : {
         ...
      }
   },
   ...
}

MongoDB扫描了2个索引键（executionStats.totalKeysExamined）并返回2个匹配的文档（executionStats.nReturned）。
对于此示例查询，复合索引{ type: 1, quantity: 1 }比复合索引{ quantity: 1, type: 1 }效率更高。

2 Mongo Compass(图像管理工具)

MongoDB Compass提供了一个“解释计划(Explain Plan)” 选项卡，该选项卡显示有关查询性能的统计信息。这些统计信息可用于衡量查询是否以及如何使用索引。

2.1 评估查询的性能

考虑包含以下文档的inventory集合：

{ "_id" : 1, "item" : "f1", type: "food", quantity: 500 }
{ "_id" : 2, "item" : "f2", type: "food", quantity: 100 }
{ "_id" : 3, "item" : "p1", type: "paper", quantity: 200 }
{ "_id" : 4, "item" : "p2", type: "paper", quantity: 150 }
{ "_id" : 5, "item" : "f3", type: "food", quantity: 300 }
{ "_id" : 6, "item" : "t1", type: "toys", quantity: 500 }
{ "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 }
{ "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 }
{ "_id" : 9, "item" : "t2", type: "toys", quantity: 50 }
{ "_id" : 10, "item" : "f4", type: "food", quantity: 75 }

这些文档在MongoDB Compass中的显示如下：
在这里插入图片描述

2.1.1 无索引的查询

以下查询检索值介于100和200之间的quantity字段的文档 ：
将以下过滤器复制到“Compass”查询栏中，然后单击“ 查找/Find”：

{ quantity: { $gte: 100, $lte: 200 } }

该查询返回以下文档：
在这里插入图片描述
要查看所选的查询计划：

  • 点击test.inventory集合的“ Explain Plan”选项卡 。
  • 点击Explain。

MongoDB Compass显示查询计划，如下所示：
在这里插入图片描述

注意
因为在本教程中我们使用的数据集很小，所以即使我们没有使用索引，“ 实际查询执行时间(Actual Query Execution Time)”也会显示0秒。

在更大的数据集中，索引查询与非索引查询之间的查询执行时间差异会更大。

虚拟数(Visual Tree)

  • 查询性能概要（Query Performance Summary）显示查询的执行统计：
    • “返回的文档(Documents Returned)”显示3，表示查询匹配并返回三个文档。
    • “ 已检查索引键(Index Keys Examined)”显示0表示此查询未使用索引。
    • 已检查的文档(Documents Examined)显示10，表明MongoDB必须扫描十个文档（即集合中的所有文档）才能找到三个匹配的文档。
  • 在“ 查询性能概要（Query Performance Summary）”下，MongoDB Compass显示COLLSCAN查询阶段，表示该查询使用了集合扫描。
    集合扫描表明， mongod必须逐个文档扫描整个集合文档以识别结果。这通常是一项很大开销的操作，并且可能导致查询缓慢。

原始JSON(Raw JSON)
也可以通过单击查询栏下方的Raw JSON以原始JSON格式展示explain的详细信息：
在这里插入图片描述
匹配文档数和已检查文档数之间的差异可能建议，可以通过使用索引来提高查询的效率。

2.1.2 有索引的查询

要支持对该quantity字段的查询，请在该字段上添加一个索引 quantity：

  • 单击test.inventory集合的“ 索引(Indexes )”选项卡 。
  • 点击创建索引(Create Index)。
  • 从 选择一个字段名称（Select a field name）的下拉框选择quantity。
  • 从类型下拉列表中选择1 (asc)。
  • 点击创建(Create)。
    在这里插入图片描述

注意
将索引名称字段保留为空白会导致MongoDB Compass为索引创建默认名称。

现在，您可以在“ 索引(Indexes )”选项卡中查看新创建的 索引：
在这里插入图片描述
返回到inventory集合的“ 解释计划(Explain Plan)”选项卡， 然后从上一步重新运行查询：
在这里插入图片描述
虚拟数(Visual Tree)

  • 查询性能概要（Query Performance Summary）显示查询的执行统计：
    • “返回的文档(Documents Returned)”显示3，表示查询匹配并返回三个文档。
    • “ 已检查索引键(Index Keys Examined)”显示3，MongoDB扫描了三个索引条目。检查的键数与返回的文档数相匹配，这意味着mongod只需检查索引键即可返回结果。mongod没有扫描所有的文件，只有三个匹配文档被放入内存中。这是一次非常有效的查询。
    • 已检查的文档(Documents Examined)显示3，表明MongoDB扫描了三个文档。
  • 在“ 查询性能概要（Query Performance Summary）”下，MongoDB Compass显示FETCH 和IXSCAN查询阶段， IXSCAN表示mongod在执行FETCH阶段和检索文档之前使用索引查询。

原始JSON(Raw JSON)
也可以通过单击查询栏下方的Raw JSON以原始JSON格式展示explain的详细信息：
在这里插入图片描述
没有索引，查询将扫描整个集合的10个文档并返回3个匹配的文档。该查询还必须扫描每个文档的整体，可能会将它们放到内存中。这导致这次查询操作开销很大且查询缓慢。
当使用索引运行时，查询会扫描3个索引条目和3个文档并返回3个匹配的文档，因此是一次非常高效的查询。

也可以看看

进入MongoDB中文手册（4.2版本）目录

zxwjx
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
性能测试结果分析
04-16
举例2， 某公司为其170000名员工设计了一个薪酬系统，员工可进入该系统查询自己的薪酬信息，但并不是每个人都会用这个系统，假设只有50%的人会定期用该系统，这些人里面有70%是在每个月的最后一周使用一次该系统，...
MongoDB索引和explain 分析
rzpy_qifengxiaoyue的博客
10-10 350
1. 索引管理 创建索引并在后台运行 db.COLLECTION_NAME.createIndex({"字段":排序方式}, {background: true}); 获取针对某个集合的索引 db.COLLECTION_NAME.getIndexes() 索引的大小 db.COLLECTION_NAME.totalIndexSize() 索引的重建 db.COLLECTION_NAME.reIndex() 索引的删除 db.COLLECTION_NAME.dropIndex("INDEX-NAME"
mongodb基本操作及使用
KEELON的博客
09-02 669
​ MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引 ​
MongoDB查询性能分析—— explain 操作返回结果详解
热门推荐
学习,你不是一个人在战斗 ～ 961302305（QQ,微信）
11-11 2万+
MongoDB 提供 db.collection.explain(), cursort.explain() 及 explain 命令获取查询计划及查询计划执行统计信息。 explain 结果将查询计划以阶段树的形式呈现。 每个阶段将其结果（文档或索引键）传递给父节点。 叶节点访问集合或索引。 中间节点操纵由子节点产生的文档或索引键。 根节点是MongoDB从中派生结果集的最后阶段。 阶段操作描述...
mongoDB索引总结
csdncjh的博客
12-22 1091
MongoDB使用的存储引擎是WiredTiger，其中索引构建使用的是 B+ tree。
MongoDB 查询分析
m0_37062111的博客
02-16 422
MongoDB 查询分析可以确保我们所建立的索引是否有效，是查询语句性能分析的重要工具。MongoDB 查询分析常用函数有：explain()
[211119] MongoDB#索引详解
善假于物
12-21 531
[211119] MongoDB#索引详解 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dUzaLiPK-1640066761963)(https://docs.mongodb.com/manual/images/index-for-sort.bakedsvg.svg)] 索引的相关术语 什么是查询覆盖（covered query）? ：所需字段都在索引中，无需额外字段的，直接在索引表中就返回数据。 什么是索引扫描（IXSCAN）? ：扫描索引表。（性能更高） 什么是集合.
MongoDB索引操作和执行计划Explain()详解
harlan的博客
08-11 1389
Mongodb索引创建查看删除，Mongodb执行计划explain()说明和使用。
mongodb慢日志
weixin_45312551的博客
11-03 3082
mongodb慢日志简单记录，慢日志的开启关闭、状态查询、参数分析等；
详解MongoDB索引优化
博学谷狂野架构师的博客
10-10 721
一、索引简介 索引通常能够极大的提高查询的效率，如果没有索引，MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录。 1.1 概念 索引最常用的比喻就是书籍的目录，查询索引就像查询一本书的目录。本质上目录是将书中一小部分内容信息（比如题目）和内容的位置信息（页码）共同构成，而由于信息量小（只有题目），所以我们可以很快找到我们想要的信息片段，再根据页码找到相应的内容。同样索引也是只保留某个域的一部分信息（建立了索引的field的信息），以及对应的文档的位置信息。 假设我们有如下
Sql Server 查询性能优化之走出索引的误区分析
09-11
很多朋友可能都正在犯下面所说的性能优化误区了，有需要的朋友可以参考一下Sql Server查询性能优化之走出索引的误区
.NET Orm性能测试分析
01-20
OrmBenchmark 这个项目主要是为了测试主要的Orm对于 SqlServer 数据库的查询并将数据转换成所需 POCO 对象的耗时情况（好吧，实际上不完全orm，更像是SqlMapper …） 测试结果: .NetFramework 4.6 有预热 ....
帆软报表查询性能sql分析插件
06-20
帆软报表查询性能sql分析插件、可优化sql，显示sql查询快慢，每个单元格的计算时间
MySQL性能分析及explain的使用说明
09-11
本文我们主要介绍了MySQL性能分析以及explain的使用，包括：组合索引、慢查询分析、MYISAM和INNODB的锁定、MYSQL的事务配置项等，希望能够对您有所帮助。
MongoDB索引Index
小城我家
09-25 702
什么是索引 索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储结构，它是某个表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单。索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。索引目标是提高数据库的查询效率，没有索引的话，查询会进行全表扫描（scan every document in a collection）,数据量大时严重降低了查询效率。默认情况下Mongo在一个集合（collection）创建时，自动地对集合的_id创建了唯一索引 索引
MongoDB
weixin_44761056的博客
04-09 880
MongoDB MongoDB简介 **MongoDB:**是一个高效的非关系型数据库（不支持表关系：只能操作单表） 它属于NOSQL数据库中的文档型数据库 MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。 MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的，它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。 MongoDB最大的特点是它支持的查
关于MongoDB使用regex查询COLLSCAN反而比IXSCAN快的问题
Lestat.Z.的博客
04-22 2004
问题描述 今天做了一个POC测试，使用regex来查询满足条件的记录。 MongoDB中的记录格式如下： { shoplist: "FAMILY MART:STARTBUCKS:SEVEN ELEVEN:LAWSON" client_id: "1234568789" } 使用的查询语句(python)如下： client['my_db']['shop'].find( { "$or": ...
浅析MongoDB
longtime的博客
09-16 582
在2010年, NoSql在国内掀起了一阵热潮, 其中风头最劲的莫过于MongoDB了;对于大数据量, 高并发, 弱事务的互联网场景, MongoDB则是很好地应用之地。
mysql 性能分析工具
最新发布
09-16
1. MySQL 自带的性能分析工具：MySQL 提供了一些内置的性能分析工具，包括 EXPLAIN、SHOW PROFILES、SHOW STATUS、SHOW PROCESSLIST 等，用于分析查询语句的执行计划、查询性能和数据库状态等。 2. MySQL Workbench...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值