前面的話
本文將詳細介紹MongoDB數(shù)據(jù)庫索引構(gòu)建情況分析
概述
創(chuàng)建索引可以加快索引相關(guān)的查詢，但是會增加磁盤空間的消耗，降低寫入性能。這時，就需要評判當前索引的構(gòu)建情況是否合理。有4種方法可以使用
1、mongostat工具
2、profile集合介紹
3、日志
4、explain分析
mongostat
mongostat是mongodb自帶的狀態(tài)檢測工具，在命令行下使用。它會間隔固定時間獲取mongodb的當前運行狀態(tài)，并輸出。如果發(fā)現(xiàn)數(shù)據(jù)庫突然變慢或者有其他問題的話，首先就要考慮采用mongostat來查看mongo的狀態(tài)
mongostat是查看mongodb運行狀態(tài)的程序，使用方式如下
mongostat -h ip:port
【字段說明】
insert/s : 每秒插入數(shù)據(jù)庫的對象數(shù)量，如果是slave，則數(shù)值前有*,則表示復制集操作 query/s : 每秒的查詢操作次數(shù) update/s : 每秒的更新操作次數(shù) delete/s : 每秒的刪除操作次數(shù) getmore/s: 每秒查詢cursor(游標)時的getmore操作數(shù) command: 每秒執(zhí)行的命令數(shù)，在主從系統(tǒng)中會顯示兩個值(例如 3|0)，分別代表 本地|復制 命令 dirty: 臟數(shù)據(jù)字節(jié)的緩存百分比 used:正在使用中的緩存百分比 flushes:checkpoint的觸發(fā)次數(shù)在一個輪詢間隔期間。一般都是0，間斷性會是1， 通過計算兩個1之間的間隔時間，可以大致了解多長時間flush一次。flush開銷是很大的，如果頻繁的flush，可能就要找找原因了 vsize： 虛擬內(nèi)存使用量，單位MB res: 物理內(nèi)存使用量，單位MB。 res會慢慢的上升，如果res經(jīng)常突然下降，要查看下是否有別的程序狂吃內(nèi)存 qr: 客戶端等待從MongoDB實例讀數(shù)據(jù)的隊列長度 qw：客戶端等待從MongoDB實例寫入數(shù)據(jù)的隊列長度 ar: 執(zhí)行讀操作的活躍客戶端數(shù)量 aw: 執(zhí)行寫操作的活客戶端數(shù)量。如果ar或aw數(shù)值很大，那么就是DB被堵住了，DB的處理速度不及請求速度。查看是否有開銷很大的慢查詢。如果查詢一切正常，確實是負載很大，就需要加機器了 netIn:MongoDB實例的網(wǎng)絡進流量 netOut：MongoDB實例的網(wǎng)絡出流量 conn: 打開連接的總數(shù)，是qr,qw,ar,aw的總和 time:當前時間
【實例】
插入100000條數(shù)據(jù)，并打開mongostat查詢mongodb運行狀態(tài)
由下圖看出，插入值insert值在插入數(shù)據(jù)時大量增加，在插入完畢后變成0。flush兩個1之間的間隔時間很長，說明性能還不錯；res在慢慢上升，沒有出現(xiàn)突然下降的情況，說明沒有其他的程序大量占用內(nèi)容的情況；qrw及arw數(shù)據(jù)很小，說明數(shù)據(jù)庫讀寫狀態(tài)正常，負載較小?？傮w而言，mongodb數(shù)據(jù)庫運行狀態(tài)良好
profile
mongodb可以通過profile來監(jiān)控數(shù)據(jù)，進行優(yōu)化
【級別】
首先，要查看當前是否開啟profile功能
使用下面的命令會返回level等級，值為0|1|2，0代表關(guān)閉，即不記錄任何操作；1代表記錄慢命令(默認值為100ms)，即記錄運行時間超過100ms的操作；2代表全部，即記錄任何操作
db.getProfilingLevel()
使用下面的命令可以設置level等級
db.setProfilingLevel()
如下圖所示，默認地，profile關(guān)閉。使用setProfilingLevel()方法以50ms慢命令的方式開啟profile
【狀態(tài)】
操作被記錄到system.profile集合中
通過db.system.profile.find() 查看當前的監(jiān)控日志
op:操作類型 ns:命名空間 query:查詢字符串 responseLength:返回長度 ts:時間 mills:執(zhí)行耗時
【使用】
在系統(tǒng)中開啟profile之后，如果profile記錄的數(shù)據(jù)非常大，會比較明顯的降低系統(tǒng)的性能。因此，profile的使用場景一般是新系統(tǒng)上線之前的測試階段，以及剛上線時的觀察階段，查看數(shù)據(jù)庫的設計及應用程序的使用是否正常。如果profile記錄了大量的字段，需要調(diào)整系統(tǒng)附在、調(diào)整索引等，減小它的大小
日志
在配置日志文件時，可以使用verbose參數(shù)來配置日志詳細程度，參數(shù)值從'v'到'vvvvv'，'v'越多，詳細度越高
日志會記錄mongodb的運行狀態(tài)，包括連接時間、當前正在進行的操作等
explain
MongoDB 提供了一個 explain 命令讓我們獲知系統(tǒng)如何處理查詢請求。利用 explain 命令，可以很好地觀察系統(tǒng)如何使用索引來加快檢索，同時可以針對性優(yōu)化索引
explain有三種模式，分別是：queryPlanner、executionStats、allPlansExecution。現(xiàn)實開發(fā)中，常用的是executionStats模式
首先，插入10萬條數(shù)據(jù)
在time字段上建立索引
接著，尋找time范圍在100和200之間的文檔，并使用explain()
結(jié)果分為queryPlanner、executionStats和serverInfo三個部分。接下來，將分別對這三個部分的結(jié)果進行詳細分析
【queryPlanner】
queryPlanner.plannerVersion: 版本
queryPlanner.namespace: 查詢的表
queryPlanner.indexFilterSet: 針對該query是否有indexfilter
queryPlanner.parsedQuery: 查詢條件
queryPlanner.winningPlan: 查詢優(yōu)化器針對該query所返回的最優(yōu)執(zhí)行計劃的詳細內(nèi)容
queryPlanner.winningPlan.stage: 最優(yōu)執(zhí)行計劃的stage
queryPlanner.winningPlan.inputStage: 用來描述子stage，并且為其父stage提供文檔和索引關(guān)鍵字。
queryPlanner.winningPlan.inputstage.stage，此處是IXSCAN，表示進行的是index scanning
queryPlanner.winningPlan.inputstage.keyPattern: 索引鍵值對
queryPlanner.winningPlan.inputstage.indexName：索引名稱
queryPlanner.winningPlan.inputstage.isMultiKey: 是否是Multikey，此處返回是false，如果索引建立在array上，此處將是true
queryPlanner.winningPlan.inputstage.direction：查詢順序，此處是forward，如果用了.sort({time:-1})將顯示backward
queryPlanner.winningPlan.inputstage.indexBounds: 所掃描的索引范圍
queryPlanner.rejectedPlans：其他執(zhí)行計劃
【executionStats】
executionStats.executionSuccess: 是否成功
executionStats.nReturned: 查詢返回條目個數(shù)
executionStats.totalKeysExamined: 索引掃描條目個數(shù)
executionStats.totalDocsExamined: 文檔掃描條目個數(shù)
executionStats.executionStages.stage: 掃描類型
executionStats.executionTimeMillis: 整體查詢時間
executionStats.executionStages.executionTimeMillisEstimate: 根據(jù)索引檢索文檔獲得數(shù)據(jù)的時間
executionStats.executionStages.inputStage.executionTimeMillisEstimate: 掃描索引所用時間
【serverInfo】
serverInfo.host: 主機名
serverInfo.port: 端口
serverInfo.version: 版本
serverInfo.gitVersion: git版本
【性能分析】
1、執(zhí)行時間
executionTimeMillis值越小越好
2、條目數(shù)量
最理想的狀態(tài)是： nReturned=totalKeysExamined=totalDocsExamined
3、stage類型
stage的類型列舉如下：
COLLSCAN：全表掃描 IXSCAN：索引掃描 FETCH：根據(jù)索引去檢索指定document SHARD_MERGE：將各個分片返回數(shù)據(jù)進行merge SORT：表明在內(nèi)存中進行了排序 LIMIT：使用limit限制返回數(shù) SKIP：使用skip進行跳過 IDHACK：針對_id進行查詢 SHARDING_FILTER：通過mongos對分片數(shù)據(jù)進行查詢 COUNT：利用db.coll.explain().count()之類進行count運算 COUNTSCAN：count不使用Index進行count時的stage返回 COUNT_SCAN：count使用了Index進行count時的stage返回 SUBPLA：未使用到索引的$or查詢的stage返回 TEXT：使用全文索引進行查詢時候的stage返回 PROJECTION：限定返回字段時候stage的返回
不希望看到包含如下的stage：
COLLSCAN(全表掃描) SORT(使用sort但是無index) 不合理的SKIP SUBPLA(未用到index的$or) COUNTSCAN(不使用index進行count)
以上這篇基于MongoDB數(shù)據(jù)庫索引構(gòu)建情況全面分析就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
