为了展示mongodb的性能分析方法，我们首先创建一个包含200万个文档的集合。（在我的电脑上，插入过程大约耗时15分钟。如果您想插入更多文档，只要有耐心等待即可。）
为了演示的效果，我们先来创建一个有200万个文档的记录。（我自己的电脑耗了15分钟左右插入完成。如果你想插更多的文档也没问题，只要有耐心等就可以了。）
下面是用于创建这些文档的JavaScript代码：
for(var i=0;i<2000000;i++){ db.person.insert({name:"person"+i,age:Math.floor(Math.random()*100)})}
在mongoDB 3.0及之后的版本中，explain()方法的返回值和使用方式与之前的版本有显著变化。鉴于3.0版本的优越特性和我们当前使用的是3.0.7版本，本文仅讨论mongoDB 3.0+版本的explain()方法。3.0+版本的explain()有三种模式：queryPlanner、executionStats和allPlansExecution。在实际开发中，常用的是executionStats模式，本文主要分析这种模式。
mongoDB 3.0之后，explain的返回与使用方法与之前版本有了很大的变化，介于3.0之后的优秀特色和我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，常用的是executionStats模式，主要分析这种模式。
接下来，我们为person集合中的age字段创建索引：
db.person.createIndex({"age":1})
然后，我们使用explain()方法来查看具体的执行计划：
db.getCollection('person').find({"age":{"$lte":2000}}).explain("executionStats")
对queryPlanner的分析
queryPlanner: queryPlanner的返回
queryPlanner.namespace：该值返回的是该查询所涉及的集合名称。
queryPlanner.namespace:该值返回的是该query所查询的表
queryPlanner.indexFilterSet：表示该查询是否有索引过滤器。
queryPlanner.indexFilterSet:针对该query是否有indexfilter
queryPlanner.winningPlan：查询优化器针对该查询返回的最优执行计划的详细信息。
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：最优执行计划的阶段，此处返回的是FETCH，可以理解为通过索引位置检索具体文档（stage有多种模式，将在后文中详细解释）。
queryPlanner.winningPlan.stage:最优执行计划的stage，这里返回是FETCH，可以理解为通过返回的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：用来描述子阶段，并为其父阶段提供文档和索引关键字。
queryPlanner.winningPlan.inputStage:用来描述子stage，并且为其父stage提供文档和索引关键字。
queryPlanner.winningPlan.stage的子阶段，此处是IXSCAN，表示进行的是索引扫描。
queryPlanner.winningPlan.stage的child stage，此处是IXSCAN，表示进行的是index scanning。
queryPlanner.winningPlan.keyPattern：所扫描的索引内容，此处是did:1,status:1,modify_time: -1和scid : 1。
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所选用的索引。
queryPlanner.winningPlan.indexName：winning plan所选用的index。
queryPlanner.winningPlan.isMultiKey：是否是Multikey，此处返回是false，如果索引建立在数组上，此处将是true。
queryPlanner.winningPlan.isMultiKey是否是Multikey，此处返回是false，如果索引建立在array上，此处将是true。
queryPlanner.winningPlan.direction：此查询的查询顺序，此处是forward，如果使用了.sort({modify_time:-1})将显示backward。
queryPlanner.winningPlan.direction：此query的查询顺序，此处是forward，如果用了.sort({modify_time:-1})将显示backward。
queryPlanner.winningPlan.indexBounds：winning plan所扫描的索引范围，如果没有指定范围就是[MaxKey, MinKey]，这主要是直接定位到mongoDB的chunk中去查找数据，加快数据读取。
queryPlanner.winningPlan.indexBounds:winningplan所扫描的索引范围,如果没有制定范围就是[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：其他执行计划（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，故不再赘述。
queryPlanner.rejectedPlans：其他执行计划（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
最直观的explain返回值是executionTimeMillis值，表示这条语句的执行时间，当然希望这个值越小越好。
最为直观explain返回值是executionTimeMillis值，指的是我们这条语句的执行时间，这个值当然是希望越少越好。
其中有3个executionTimeMillis，分别是：
executionStats.executionTimeMillis该query的整体查询时间。
executionStats.executionStages.executionTimeMillisEstimate：该查询根据索引去检索文档获得2001条数据的时间。
executionStats.executionStages.executionTimeMillisEstimate该查询根据index去检索document获得2001条数据的时间。
executionStats.executionStages.inputStage.executionTimeMillisEstimate：该查询扫描2001行索引所用时间。
executionStats.executionStages.inputStage.executionTimeMillisEstimate该查询扫描2001行index所用时间。
第二层，索引与文档扫描数与查询返回条目数
主要讨论3个返回项，nReturned、totalKeysExamined、totalDocsExamined，分别代表该查询返回的条目、索引扫描条目、文档扫描条目。
这个主要讨论3个返回项，nReturned、totalKeysExamined、totalDocsExamined，分别代表该条查询返回的条目、索引扫描条目、文档扫描条目。
这些都是直接影响到executionTimeMillis，我们需要扫描的越少速度越快。
这些都是直观地影响到executionTimeMillis，我们需要扫描的越少速度越快。
对于一个查询，我们最理想的状态是：nReturned=totalKeysExamined=totalDocsExamined。
对于一个查询，我们最理想的状态是：nReturned=totalKeysExamined=totalDocsExamined
第三层，stage状态分析
那么是什么影响到了totalKeysExamined和totalDocsExamined？是stage的类型。类型列举如下：
那么又是什么影响到了totalKeysExamined和totalDocsExamined？是stage的类型。类型列举如下：
COLLSCAN：全表扫描
COLLSCAN：全表扫描
IXSCAN：索引扫描
IXSCAN：索引扫描
FETCH：根据索引去检索指定文档
FETCH：根据索引去检索指定document
SHARD_MERGE：将各个分片返回数据进行合并
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
SORT：表明在内存中进行了排序
LIMIT：使用limit限制返回数
LIMIT：使用limit限制返回数
SKIP：使用skip进行跳过
SKIP：使用skip进行跳过
IDHACK：针对_id进行查询
IDHACK：针对_id进行查询
SHARDING_FILTER：通过mongos对分片数据进行查询
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
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
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
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
SUBPLA：未使用到索引的$or查询的stage返回
TEXT：使用全文索引进行查询时候的stage返回
TEXT：使用全文索引进行查询时候的stage返回
PROJECTION：限定返回字段时候stage的返回
PROJECTION：限定返回字段时候stage的返回
对于普通查询，我希望看到stage的组合（查询的时候尽可能用上索引）：
对于普通查询，我希望看到stage的组合(查询的时候尽可能用上索引)：
Fetch+IDHACK
Fetch+IDHACK
Fetch+ixscan
Fetch+ixscan
Limit+（Fetch+ixscan）
Limit+（Fetch+ixscan）
PROJECTION+ixscan
PROJECTION+ixscan
SHARDING_FILTER+ixscan
SHARDING_FITER+ixscan
COUNT_SCAN
COUNT_SCAN
不希望看到包含如下的stage：
不希望看到包含如下的stage：
COLLSCAN（全表扫描），SORT（使用sort但是无index），不合理的SKIP，SUBPLA（未用到index的$or），COUNTSCAN（不使用index进行count）
COLLSCAN(全表扫描),SORT(使用sort但是无index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index进行count)
以上就是玩转mongoDB（五）：mongoDB 3.0+ 查询性能分析的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/21527.html
微信扫一扫 
支付宝扫一扫 
