MongoDB调优-查询优化-MongoDB Profiler

MongoDB查询优化-MongoDB Profiler

MongoDB Profiler 概述

官方文档：https://docs.mongodb.com/manual/tutorial/manage-the-database-profiler/index.html

熟悉 Mysql 的人应该知道，Mysql 是有个慢查询日志的，它能够帮助咱们进行优化咱们的 sql，并提升咱们系统的稳定性和流畅性。那么 MongoDB 中是否也有相似的功能吗? 是有的，它就是 Database Profiler(下面我直接称为慢查询了)，咱们能够经过设置 Database Profiler 来记录一些超过阈值的查询。而后咱们后期能够经过这些记录进行优化查询。

MongoDB 的 慢查询记录储存在 system.profile 里，默认状况下是关闭的，咱们能够在数据库级别上或者是节点级别上配置。

状态码	描述
0	关闭慢查询，默认状况下
1	超过阈值的查询收集
2	为全部数据库开启慢查询记录,收集全部的数据

经过 MongoDB shell 启用

#  为全部数据库开启慢查询记录
db.setProfilingLevel(2)
#  指定数据库，并指定阈值慢查询 ，超过20毫秒的查询被记录
use test
db.setProfilingLevel(1, { slowms: 20 })
#  随机采集慢查询的百分比值，sampleRate 值默认为1，表示都采集，0.42 表示采集42%的内容。
db.setProfilingLevel(1, { sampleRate: 0.42 }) 

# 查询慢查询级别和其它信息
db.getProfilingStatus()
# 仅返回慢查询级别
db.getProfilingLevel()
# 禁用慢查询
db.setProfilingLevel(0)

经过配置文件启用

在ini 配置文件 mongodb.conf 添加如下参数， profile参数是设置开启等级，slowms是设置阈值

profile = 1
slowms = 300

在 YAML配置 文件配置

operationProfiling:
   mode: <string>  # 默认为 off，可选值 off、slowOp(对应上面的等级 1)、all(对应上面的等级 2)
   slowOpThresholdMs: <int> # 阈值，默认值为100，单位毫秒
   slowOpSampleRate: <double> #  随机采集慢查询的百分比值，sampleRate 值默认为1，表示都采集，0.42 表示采集42%的内容

经常使用命令和示例

# 查询最近的10个慢查询日志
db.system.profile.find().limit(10).sort( { ts : -1 } ).pretty()

# 查询除命令类型为 ‘command’ 的日志
db.system.profile.find( { op: { $ne : 'command' } } ).pretty()

# 查询数据库为 mydb 集合为 test 的 日志
db.system.profile.find( { ns : 'mydb.test' } ).pretty()

# 查询 低于 5毫秒的日志
db.system.profile.find( { millis : { $gt : 5 } } ).pretty()

# 查询时间从 2012-12-09 3点整到 2012-12-09 3点40分之间的日志
db.system.profile.find({
  ts : {
    $gt: new ISODate("2012-12-09T03:00:00Z"),
    $lt: new ISODate("2012-12-09T03:40:00Z")
  }
}).pretty()

MongoDB慢日志解析

官方文档：https://docs.mongodb.com/manual/reference/database-profiler/index.html

{
   "op" : "query",   # 操做类型，值可为command、count、distinct、geoNear、getMore、group、insert、mapReduce、query、remove、update
   "ns" : "test.report", # 操做的数据库和集合
   "command" : {     # 命令
      "find" : "report",  # 操做的集合
      "filter" : { "a" : { "$lte" : 500 } }, # 查询条件
      "lsid" : {    
         "id" : UUID("5ccd5b81-b023-41f3-8959-bf99ed696ce9") #用户的会话id
      },
      "$db" : "test"  # 操做的数据库
   },
   "cursorid" : 33629063128,  # query和getmore 的游标id
   "keysExamined" : 101, # MongoDB为执行操做而扫描的索引键的数量
   "docsExamined" : 101, # MongoDB为了执行操做而扫描的集合中的文档数。
   "numYield" : 2, # 让步次数，操做时让其余的操做完成的次数。
   "nreturned" : 101, # 操做返回的文档数
   "queryHash" : "811451DD", # 查询的hash值
   "planCacheKey" : "759981BA", 
   "locks" : {  # 操做期间的锁和所的类型
      "Global" : {  #表示全局锁定
         "acquireCount" : { #锁定的次数
            "r" : NumberLong(3)  # 表示共享锁 
         }
      },
      "Database" : {   # 数据库锁
         "acquireCount" : { "r" : NumberLong(1) },
         "acquireWaitCount" : { "r" : NumberLong(1) },
         "timeAcquiringMicros" : { "r" : NumberLong(69130694) }
      },
      "Collection" : {  # 集合锁
         "acquireCount" : { "r" : NumberLong(1) }
      }
   },
   "storage" : { # 储存
      "data" : {
         "bytesRead" : NumberLong(14736), #操做 从磁盘放到缓存的数据的字节数
         "timeReadingMicros" : NumberLong(17) # 操做 花费在磁盘读取的时间，以微妙为单位
      }
   },
   "responseLength" : 1305014, # 操做返回结果的文档长度，单位为字节
   "protocol" : "op_msg", # 消息的协议
   "millis" : 69132, # 从 MongoDB 操做开始到结束耗费的时间
   "planSummary" : "IXSCAN { a: 1, _id: -1 }",  # 摘要
   "execStats" : {  # 操做执行过程当中的详细信息
      "stage" : "FETCH", # 操做形式 ，COLLSCAN 用于集合扫描，IXSCAN 用于扫描索引键，FETCH 用于检索文档
      "nReturned" : 101, # 返回的文档数量
      "executionTimeMillisEstimate" : 0,
      "works" : 101,
      "advanced" : 101,
      "needTime" : 0,
      "needYield" : 0,
      "saveState" : 3,
      "restoreState" : 2,
      "isEOF" : 0,
      "invalidates" : 0,
      "docsExamined" : 101,
      "alreadyHasObj" : 0,
      "inputStage" : {
         ...
      }
   },
   "ts" : ISODate("2019-01-14T16:57:33.450Z"), #操做的时间戳
   "client" : "127.0.0.1",  # 客户端的ip
   "appName" : "MongoDB Shell", #客户端应用标识符
   "allUsers" : [
      {
         "user" : "someuser", # 用户
         "db" : "admin"  # 验证的数据库
      }
   ],
   "user" : "someuser@admin"  # 通过验证的用户
}