MongoDB 查询分析-KeepStudy

MongoDB 查询分析

## explain()
>explain 操作提供了查询信息，使用索引及查询统计等。有利于我们对索引的优化。

#### explain有三种模式,分别是:
- **queryPlanner(默认) ：**queryPlanner模式下并不会去真正进行query语句查询，而是针对query语句进行执行计划分析并选出winning plan
- **executionStats ：**MongoDB运行查询优化器以选择获胜计划(winning plan)，执行获胜计划直至完成，并返回描述获胜计划执行情况的统计信息。
- **allPlansExecution:** queryPlanner和executionStats都返回。相当于 explain("allPlansExecution") = explain({})

#### queryPlanner返回一些重要字段的含义
- queryPlanner.namespace：查询的哪个表

- 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：最优计划执行的阶段,每个阶段都包含特定于该阶段的信息。例如，IXSCAN阶段将包括索引范围以及特定于索??引扫描的其他数据。如果一个阶段具有一个子阶段或多个子阶段，那么该阶段将具有inputStage或inputStages。

- queryPlanner.winningPlan.inputStage：描述子阶段的文档，该子阶段向其父级提供文档或索引键。如果父阶段只有一个孩子，则该字段存在。

- queryPlanner.winningPlan.inputStage.indexName：winning plan所选用的index,这里是根据_id来进行排序的，所以使用了_id的索引

- queryPlanner.winningPlan.inputStage.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.inputStage.isUnique：使用的索引是否是唯一索引，这里的_id是唯一索引

- queryPlanner.winningPlan.inputStage.isSparse：是否是稀疏索引

- queryPlanner.winningPlan.inputStage.isPartial：是否是部分索引

- queryPlanner.winningPlan.inputStage.direction：此query的查询顺序，默认是forward，由于使用了sort({_id:-1})显示backward

- queryPlanner.winningPlan.inputStage.indexBounds：winningplan所扫描的索引范围,由于这里使用的是sort({_id:-1}),对_id倒序排序,所以范围是[MaxKey,MinKey]。如果是正序,则是[MinKey,MaxKey]

- queryPlanner.rejectedPlans：拒绝的计划详细内容,各字段含义同winningPlan

#### executionStats的返回结果
- executionStats.executionSuccess：是否执行成功

- executionStats.nReturned：查询的返回条数

- executionStats.executionTimeMillis：选择查询计划和执行查询所需的总时间（以毫秒为单位）

- executionStats.totalKeysExamined：索引扫描次数

- executionStats.totalDocsExamined：document扫描次数

- executionStats.executionStages：以阶段树的形式详细说明获胜计划的完成执行情况；即一个阶段可以具有一个inputStage或多个inputStages。如上说明。

- executionStats.executionStages.inputStage.keysExamined：扫描了多少次索引

- executionStats.executionStages.inputStage.docsExamined：扫描了多少次文档，一般当stage是 COLLSCAN的时候会有这个值。

- exlexecutionStats.allPlansExecution：这里展示了所有查询计划的详细。(winningPlan + rejectPlans),字段含义和winningPlan中一致

#### 15种stage
1. COLLSCAN : 扫描整个集合,这个情况是最糟糕的
2. IXSCAN : 索引扫描(index scan)
3. FETCH : 根据索引返回的结果去检索文档
4. SHARD_MERGE : 将各个分片返回数据进行merge
5. SORT : 调用了sort方法,当出现这个阶段的时候你可以看到memUsage以及memLimit这两个字段
6. SORT_KEY_GENERATOR : 在内存中进行了排序
7. LIMIT ： 使用limit限制返回数
8. SKIP ： 使用skip进行跳过
9. IDHACK ： 针对_id进行查询
10. SHARDING_FILTER ：通过mongos对分片数据进行查询
11. COUNT: 利用db.coll.explain().count()之类进行count运算, 只要调用了count方法，那么 executionStats.executionStages.stage = COUNT
12. COUNT_SCAN : count使用Index进行count时的stage返回
13. COUNTSCAN : count不使用Index进行count时的stage返回。
14. TEXT : 使用全文索引进行查询时候的stage返回
15. PROJECTION : 限定返回字段时候stage的返回

- 不希望看到的(出现以下情况，就要注意了，问题可能就出现了)
COLLSCAN(全表扫描)
SORT但是没有相关的索引
超大的SKIP
SUBPLA在使用$or的时候没有命中索引
COUNTSCAN 执行count没有命中索引

## hint()
虽然MongoDB查询优化器一般工作的很不错，但是也可以使用hints来强迫MongoDB使用一个指定的索引。这种方法某些情形下会提升性能。 一个有索引的collection并且执行一个多字段的查询(一些字段已经索引了)。

如下查询实例指定了使用 gender 和 user_name 索引字段来查询：
```shell
db.users.find({gender:"M"},{user_name:1,_id:0}).hint({gender:1,user_name:1})
```
可以使用 explain() 函数来分析以上查询：
```shell
db.users.find({gender:"M"},{user_name:1,_id:0}).hint({gender:1,user_name:1}).explain()
```

顶部

MongoDB进阶

目录

相关推荐