基于MongoDB数据库索引构建情况全面分析

概述前面的话本文将详细介绍MongoDB数据库索引构建情况分析概述创建索引可以加快索引相关的查询，但是会增加磁盘空间的消耗，降低写入性能。这时，就需要评判当前索引的构建情况是否合理。有4种方法可以使用

前面的话

本文将详细介绍MongoDB数据库索引构建情况分析

概述

创建索引可以加快索引相关的查询，但是会增加磁盘空间的消耗，降低写入性能。这时，就需要评判当前索引的构建情况是否合理。有4种方法可以使用

1、mongostat工具

2、profile集合介绍

3、日志

4、explain分析

mongostat

mongostat是mongodb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果发现数据库突然变慢或者有其他问题的话，首先就要考虑采用mongostat来查看mongo的状态

mongostat是查看mongodb运行状态的程序，使用方式如下

mongostat -h ip:port

【字段说明】

insert/s : 每秒插入数据库的对象数量，如果是slave，则数值前有*,则表示复制集 *** 作query/s : 每秒的查询 *** 作次数update/s : 每秒的更新 *** 作次数delete/s : 每秒的删除 *** 作次数getmore/s: 每秒查询cursor(游标)时的getmore *** 作数command: 每秒执行的命令数，在主从系统中会显示两个值(例如 3|0)，分别代表 本地|复制 命令dirty: 脏数据字节的缓存百分比used:正在使用中的缓存百分比flushes:checkpoint的触发次数在一个轮询间隔期间。一般都是0，间断性会是1， 通过计算两个1之间的间隔时间，可以大致了解多长时间flush一次。flush开销是很大的，如果频繁的flush，可能就要找找原因了vsize： 虚拟内存使用量，单位MB res: 物理内存使用量，单位MB。 res会慢慢的上升，如果res经常突然下降，要查看下是否有别的程序狂吃内存qr: 客户端等待从MongoDB实例读数据的队列长度qw：客户端等待从MongoDB实例写入数据的队列长度ar: 执行读 *** 作的活跃客户端数量aw: 执行写 *** 作的活客户端数量。如果ar或aw数值很大，那么就是DB被堵住了，DB的处理速度不及请求速度。查看是否有开销很大的慢查询。如果查询一切正常，确实是负载很大，就需要加机器了netIn:MongoDB实例的网络进流量netout：MongoDB实例的网络出流量conn: 打开连接的总数，是qr,qw,ar,aw的总和time:当前时间

【实例】

插入100000条数据，并打开mongostat查询mongodb运行状态

由下图看出，插入值insert值在插入数据时大量增加，在插入完毕后变成0。flush两个1之间的间隔时间很长，说明性能还不错；res在慢慢上升，没有出现突然下降的情况，说明没有其他的程序大量占用内容的情况；qrw及arw数据很小，说明数据库读写状态正常，负载较小。总体而言，mongodb数据库运行状态良好

profile

mongodb可以通过profile来监控数据，进行优化

【级别】

首先，要查看当前是否开启profile功能

使用下面的命令会返回level等级，值为0|1|2，0代表关闭，即不记录任何 *** 作；1代表记录慢命令(默认值为100ms)，即记录运行时间超过100ms的 *** 作；2代表全部，即记录任何 *** 作

db.getProfilingLevel() 

使用下面的命令可以设置level等级

db.setProfilingLevel() 

如下图所示，默认地，profile关闭。使用setProfilingLevel()方法以50ms慢命令的方式开启profile

【状态】

*** 作被记录到system.profile集合中

通过db.system.profile.find() 查看当前的监控日志

op: *** 作类型ns:命名空间query:查询字符串responseLength:返回长度ts:时间mills:执行耗时

【使用】

在系统中开启profile之后，如果profile记录的数据非常大，会比较明显的降低系统的性能。因此，profile的使用场景一般是新系统上线之前的测试阶段，以及刚上线时的观察阶段，查看数据库的设计及应用程序的使用是否正常。如果profile记录了大量的字段，需要调整系统附在、调整索引等，减小它的大小

日志

在配置日志文件时，可以使用verbose参数来配置日志详细程度，参数值从'v'到'vvvvv'，'v'越多，详细度越高

日志会记录mongodb的运行状态，包括连接时间、当前正在进行的 *** 作等

explain

MongoDB 提供了一个 explain 命令让我们获知系统如何处理查询请求。利用 explain 命令，可以很好地观察系统如何使用索引来加快检索，同时可以针对性优化索引

explain有三种模式，分别是：queryPlanner、executionStats、allPlansExecution。现实开发中，常用的是executionStats模式

首先，插入10万条数据

在time字段上建立索引

接着，寻找time范围在100和200之间的文档，并使用explain()

结果分为queryPlanner、executionStats和serverInfo三个部分。接下来，将分别对这三个部分的结果进行详细分析

【queryPlanner】

queryPlanner.plannerVersion: 版本

queryPlanner.namespace: 查询的表

queryPlanner.indexFilterSet: 针对该query是否有indexfilter

queryPlanner.parsedquery: 查询条件

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stage

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.inputstage.stage，此处是IXSCAN，表示进行的是index scanning

queryPlanner.winningPlan.inputstage.keyPattern: 索引键值对

queryPlanner.winningPlan.inputstage.indexname：索引名称

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.direction：查询顺序，此处是forward，如果用了.sort({time:-1})将显示backward

queryPlanner.winningPlan.inputstage.indexBounds: 所扫描的索引范围

queryPlanner.rejectedplans：其他执行计划

【executionStats】

executionStats.executionSuccess: 是否成功

executionStats.nReturned: 查询返回条目个数

executionStats.totalKeysexamined: 索引扫描条目个数

executionStats.totalDocsexamined: 文档扫描条目个数

executionStats.executionStages.stage: 扫描类型

executionStats.executionTimeMillis: 整体查询时间

executionStats.executionStages.executionTimeMillisEstimate: 根据索引检索文档获得数据的时间

executionStats.executionStages.inputStage.executionTimeMillisEstimate: 扫描索引所用时间

【serverInfo】

serverInfo.host: 主机名

serverInfo.port: 端口

serverInfo.version: 版本

serverInfo.gitVersion: git版本

【性能分析】

1、执行时间

executionTimeMillis值越小越好

2、条目数量

最理想的状态是： nReturned=totalKeysexamined=totalDocsexamined

3、stage类型

stage的类型列举如下：

ColLSCAN：全表扫描IXSCAN：索引扫描FETCH：根据索引去检索指定documentSHARD_MERGE：将各个分片返回数据进行mergeSORT：表明在内存中进行了排序liMIT：使用limit限制返回数SKIP：使用skip进行跳过IDHack：针对_ID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PROJECTION：限定返回字段时候stage的返回

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SKIPSUBPLA(未用到index的$or)COUNTSCAN(不使用index进行count)

以上这篇基于MongoDB数据库索引构建情况全面分析就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程小技巧。

您可能感兴趣的文章:MongoDB索引使用详解@H_767_301@MongoDB的基础查询和索引 *** 作方法总结@H_767_301@MongoDB性能篇之创建索引，组合索引，唯一索引，删除索引和explain执行计划@H_767_301@MongoDB中创建索引需要注意的事项@H_767_301@pymongo给mongodb创建索引的简单实现方法@H_767_301@MongoDB查询字段没有创建索引导致的连接超时异常解案例分享@H_767_301@MongoDB学习笔记(六) MongoDB索引用法和效率分析@H_767_301@mongodb处理中文索引与查找字符串详解@H_767_301@pymongo为mongodb数据库添加索引的方法@H_767_301@MongoDB数据库中索引(index)详解@H_767_301@Mongodb索引的优化@H_767_301@MongoDB入门教程之索引 *** 作浅析@H_767_301@MongoDB教程之索引介绍@H_767_301@MongoDB的索引@H_767_301@MongoDB数据库中索引和explain的使用教程@H_767_301@mongodb索引知识_动力节点Java学院整理@H_767_301@MongoDB TTL索引的实例详解@H_767_301@关于MongoDB索引管理－索引的创建、查看、删除 *** 作详解@H_767_301@ 总结

以上是内存溢出为你收集整理的基于MongoDB数据库索引构建情况全面分析全部内容，希望文章能够帮你解决基于MongoDB数据库索引构建情况全面分析所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。