MongoDB使用profile分析慢查詢的步驟
在MongoDB中，如果發(fā)生了慢查詢，我們?nèi)绾蔚玫竭@些慢查詢的語(yǔ)句，并優(yōu)化呢？今天來(lái)看這塊兒的一些心得。
01 如何收集慢查詢？
在MongoDB中，通?？梢蚤_(kāi)啟profile來(lái)收集慢日志，查看當(dāng)前profile狀態(tài)的語(yǔ)句如下：
test1:PRIMARY> db.getProfilingStatus()
{
"was" : 2,
"slowms" : 0,
"sampleRate" : 1,
"$gleStats" : {
"lastOpTime" : Timestamp(0, 0),
"electionId" : ObjectId("7fffffff0000000000000005")
},
"lastCommittedOpTime" : Timestamp(1619186976, 2),
"$configServerState" : {
"opTime" : {
"ts" : Timestamp(1619186976, 1),
"t" : NumberLong(2)
}
},
"$clusterTime" : {
"clusterTime" : Timestamp(1619186976, 2),
"signature" : {
"hash" : BinData(0,"zvwFpgc0KFxieMpj7mBPdrOnonI="),
"keyId" : NumberLong("6904838687771590657")
}
},
"operationTime" : Timestamp(1619186976, 2)
}
這里我們可以看到2個(gè)關(guān)鍵參數(shù)，分別是was和slowms，其中：
was=0,代表不記錄任何的語(yǔ)句；
was=1,代表記錄執(zhí)行時(shí)間超過(guò)slowms的語(yǔ)句
was=2,代表記錄所有的語(yǔ)句
slowms代表語(yǔ)句的閾值，單位是ms
上圖中的結(jié)果代表我們的實(shí)例會(huì)收集所有的查詢語(yǔ)句。profile收集的查詢語(yǔ)句結(jié)果存放在admin數(shù)據(jù)庫(kù)中的system.profile集合中，可以通過(guò)下面的方法進(jìn)行訪問(wèn)：
test1:PRIMARY> use admin
switched to db admin
test1:PRIMARY> db.system.profile.find({'op':'query'},{'op':1,'ns':1,'millis':1,'ts':1})
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:14.815Z") }
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.139Z") }
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.141Z") }
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.239Z") }
{ "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.155Z") }
{ "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.192Z") }
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.225Z") }
{ "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.273Z") }
{ "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.276Z") }
02 system.profile慢查詢集合分析
admin數(shù)據(jù)庫(kù)中的system.profile是一個(gè)固定集合，保存著超過(guò)設(shè)置的慢查詢的結(jié)果。我們來(lái)看里面的一條慢查詢。
利用下面的方法，來(lái)拿到一條數(shù)據(jù)，并對(duì)其中的關(guān)鍵字段進(jìn)行注釋說(shuō)明：
test1:PRIMARY> db.system.profile.findOne({'op':'query'})
{
"op" : "query", # 操作類型
"ns" : "admin.system.users", # 命名空間
"command" : {
"find" : "system.users",
"filter" : {
"_id" : "admin.root" # 過(guò)濾的字段
},
"limit" : 1,
"singleBatch" : true,
"lsid" : {
"id" : UUID("a6034f5e-77c1-4b19-9669-60e1253edf4b")
},
"$readPreference" : {
"mode" : "secondaryPreferred"
},
"$db" : "admin"
},
"keysExamined" : 1, # 掃描的索引數(shù)
"docsExamined" : 1, # 掃描的行數(shù)
"cursorExhausted" : true,
"numYield" : 0,
"nreturned" : 1, # 返回的值的行數(shù)
"locks" : {
xxxx # 鎖信息
},
"flowControl" : {
},
"storage" : {
},
"responseLength" : 647,
"protocol" : "op_query",
"millis" : 0, # 這個(gè)查詢的執(zhí)行時(shí)間，因?yàn)槲覀冊(cè)O(shè)置的profilestatus是0，因此所有操作都被記錄了。
"planSummary" : "IDHACK", # 針對(duì)_id進(jìn)行查詢
"execStats" : { # 查詢執(zhí)行狀態(tài)
"stage" : "IDHACK",
"nReturned" : 1,
"executionTimeMillisEstimate" : 0,
"works" : 2,
"advanced" : 1,
"needTime" : 0,
"needYield" : 0,
"saveState" : 0,
"restoreState" : 0,
"isEOF" : 1,
"keysExamined" : 1,
"docsExamined" : 1
},
"ts" : ISODate("2020-08-27T07:22:14.815Z"),
"client" : "xx.xx.xx.xx", # 查詢的客戶端IP地址
"allUsers" : [ # 所有的用戶信息
{
"user" : "root",
"db" : "admin"
}
],
"user" : "root@admin" # 使用的用戶信息
}
03 慢查詢分析利器---explain
通常情況下，我們可以使用MongoDB的explain語(yǔ)法來(lái)分析一個(gè)語(yǔ)句的查詢性能，包含是否用到索引、掃描行數(shù)等信息，explain語(yǔ)法的基本用法:
后置寫法
db.system.profile.find({'op':'query'}).explain()
前置寫法
db.system.profile.explain().find({'op':'query'})
其中，explain可以放在查詢語(yǔ)句的后面或者前面，當(dāng)然find語(yǔ)法也可以是update、remove、insert
explain語(yǔ)法的輸出分為3種不同的詳細(xì)程度，分別如下：
三種清晰度模式，清晰度越高，則輸出的信息越全，默認(rèn)情況下是queryPlanner：
1、queryPlanner模式(默認(rèn))
db.products.explain().count( { quantity: { $gt: 50 } } )2、executionStats模式
db.products.explain("executionStats").count( { quantity: { $gt: 50 } } )3、allPlansExecution模式
db.products.explain("allPlansExecution").count( { quantity: { $gt: 50 } } )
其中，allPlansExecution模式輸出的信息最多。
下面是一個(gè)explain語(yǔ)法的輸出內(nèi)容，查詢的SQL如下：
db.getCollection('files').find(
{"cTime":{
"$gte":ISODate("2021-04-18"),
"$lt":ISODate("2021-04-19")
}}).limit(1000).explain("allPlansExecution")
輸出的結(jié)果如下：
{
"queryPlanner" : { # 代表查詢的執(zhí)行計(jì)劃
"plannerVersion" : 1, # 版本號(hào)
"namespace" : "fs.files", # 查詢的命名空間，也就是集合名稱
"indexFilterSet" : false, # 是否使用了索引過(guò)濾，注意，它并不能判定是否使用了索引
"parsedQuery" : { # 查詢語(yǔ)法解析樹(shù)
"$and" : [
{
"cTime" : {
"$lt" : ISODate("2021-04-19T00:00:00Z")
}
},
{
"cTime" : {
"$gte" : ISODate("2021-04-18T00:00:00Z")
}
}
]
},
"winningPlan" : { # 最終選擇的查詢計(jì)劃
"stage" : "LIMIT", # 查詢的階段，很重要，下面詳細(xì)介紹
"limitAmount" : 1000, # 查詢結(jié)果的limit值
"inputStage" : {
"stage" : "FETCH",
"inputStage" : {
"stage" : "IXSCAN", # 代表索引掃描
"keyPattern" : {
"cTime" : 1
},
"indexName" : "cTime_1", # 索引名稱
"isMultiKey" : false, # 下面4個(gè)字段都是索引類型分析
"isUnique" : false,
"isSparse" : false,
"isPartial" : false,
"indexVersion" : 1,
"direction" : "forward",
"indexBounds" : {
"cTime" : [
"[new Date(1618704000000), new Date(1618790400000))"
]
}
}
}
},
"rejectedPlans" : [ ] # 候選的沒(méi)被選中的查詢計(jì)劃
},
"serverInfo" : {
"host" : "xxxx",
"port" : 24999,
"version" : "3.2.8",
"gitVersion" : "ed70e33130c977bda0024c125b56d159573dbaf0"
},
"ok" : 1
}
首先解釋下stage的幾個(gè)階段：
- COLLSCAN---全表掃描
- IXSCAN---索引掃描
- FETCH---根據(jù)索引去檢索文檔
- SHARD_MERGE---合并分片結(jié)果
- IDHACK---針對(duì)id進(jìn)行查詢
- LIMIT---執(zhí)行l(wèi)imit
了解了這些stage的階段之后，我們可以看到，一個(gè)查詢的過(guò)程是一層一層解析的，所以可以看到，stage這個(gè)字段有嵌套的情況。winningPlan中的執(zhí)行計(jì)劃也是按照一層一層的順序去執(zhí)行：
1、先執(zhí)行最內(nèi)層的索引掃描(IXSCAN)；
2、再執(zhí)行外面的FETCH，根據(jù)索引去拿文檔
3、執(zhí)行最后一步的limit，取指定數(shù)目個(gè)結(jié)果返回給客戶端
以上就是MongoDB profile分析慢查詢的示例的詳細(xì)內(nèi)容，更多關(guān)于MongoDB profile分析慢查詢的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
MongoDB在Windows系統(tǒng)和Linux系統(tǒng)中實(shí)現(xiàn)自動(dòng)定時(shí)備份的操作步驟
要在Windows系統(tǒng)中實(shí)現(xiàn)自動(dòng)定時(shí)備份MongoDB數(shù)據(jù)庫(kù)，可以使用Windows任務(wù)計(jì)劃程序和MongoDB自帶的mongodump工具，這篇文章主要介紹了MongoDB在Windows系統(tǒng)和Linux系統(tǒng)中實(shí)現(xiàn)自動(dòng)定時(shí)備份的操作步驟,需要的朋友可以參考下2023-12-12
本文主要介紹了mongodb本地連接失敗的問(wèn)題解決，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-07-07
淺析Mongodb性能優(yōu)化的相關(guān)問(wèn)題
數(shù)據(jù)庫(kù)性能對(duì)軟件整體性能的影響是不言而喻的，那么，當(dāng)我們使用MongoDB時(shí)改如何提高數(shù)據(jù)庫(kù)性能呢？這篇文章通過(guò)范式化與反范式化、填充因子的使用和索引的使用三個(gè)方面來(lái)談了談Mongodb性能優(yōu)化的相關(guān)問(wèn)題，有需要的朋友們下面來(lái)一起看看吧。2016-10-10
使用mongodb實(shí)現(xiàn)簡(jiǎn)單的讀寫操作
這篇文章主要給大家介紹了如何使用mongodb實(shí)現(xiàn)簡(jiǎn)單的讀寫操作,本文適合初學(xué)者,特別是剛剛安裝了mongodb數(shù)據(jù)庫(kù)的朋友,或在atlas剛拿到免費(fèi)集群的朋友,文中有詳細(xì)的代碼示例供大家參考,需要的朋友可以參考下2023-12-12
MongoDB 是由C++語(yǔ)言編寫的，是一個(gè)基于分布式文件存儲(chǔ)的開(kāi)源數(shù)據(jù)庫(kù)系統(tǒng)。本文給大家介紹了mongodb的安裝教程，非常不錯(cuò)，具有參考借鑒價(jià)值，感興趣的朋友一起看看吧2016-11-11
這篇文章介紹了MongoDB集合的增刪改查管理，文中通過(guò)示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-07-07
MongoDB是一個(gè)是一個(gè)基于分布式文件存儲(chǔ)的數(shù)據(jù)庫(kù),下面這篇文章主要給大家介紹了關(guān)于MongoDB卸載安裝的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-04-04
MongoDB查詢字段沒(méi)有創(chuàng)建索引導(dǎo)致的連接超時(shí)異常解案例分享
這篇文章主要介紹了MongoDB查詢字段沒(méi)有創(chuàng)建索引導(dǎo)致的連接超時(shí)異常解案例分享,本文是生產(chǎn)環(huán)境下總結(jié)而來(lái),需要的朋友可以參考下2014-10-10
這篇文章主要介紹了十個(gè)提高M(jìn)ongoDB安全性的配置技巧,需要的朋友可以參考下2014-10-10
這篇文章主要介紹了linux 使用docker安裝mongodb方法,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-11-11