mongodb explain解析

mongodb性能分析方法：explain()

    为了演示的效果，咱们先来建立一个有200万个文档的记录。（我本身的电脑耗了15分钟左右插入完成。若是你想插更多的文档也没问题，只要有耐心等就能够了。）

1 for(var i=0;i<2000000;i++){
2     db.person.insert({"name":"ryan"+i,"age":i});
3 }

 

    MongoDB 3.0以后，explain的返回与使用方法与以前版本有了很大的变化，介于3.0以后的优秀特点和咱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，经常使用的是executionStats模式，主要分析这种模式。

    给这个person集合建立age键的索引：db.person.createIndex({"age":1})

 db.getCollection('person').find({"age":{"$lte":2000}}).explain("executionStats")

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，能够理解为经过返回的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，而且为其父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是不是Multikey，此处返回是false，若是索引创建在array上，此处将是true。

    queryPlanner.winningPlan.direction：此query的查询顺序，此处是forward，若是用了.sort({modify_time:-1})将显示backward。

    queryPlanner.winningPlan.indexBounds:winningplan所扫描的索引范围,若是没有制定范围就是[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：其余执行计划（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，指的是咱们这条语句的执行时间，这个值固然是但愿越少越好。

    其中有3个executionTimeMillis，分别是：

    executionStats.executionTimeMillis

    该query的总体查询时间。

    executionStats.executionStages.executionTimeMillisEstimate

    该查询根据index去检索document得到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，分别表明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，咱们须要扫描的越少速度越快。

    对于一个查询，咱们最理想的状态是：

    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。类型列举以下：

    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：代表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：经过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，我但愿看到stage的组合(查询的时候尽量用上索引)：

    Fetch+IDHACK

    Fetch+ixscan

    Limit+（Fetch+ixscan）

    PROJECTION+ixscan

    SHARDING_FITER+ixscan

    COUNT_SCAN

    不但愿看到包含以下的stage：

    COLLSCAN(全表扫描),SORT(使用sort可是无index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index进行count)