不管是在关系型还是非关系型数据库中，查询语句的优化在数据库的的优化中占了很大比例。在Oracle中，通过性能视图，可以获取TOPSQL，而在Mysql、PG、Mongodb这些稍小型的数据库中，均只能通过设置慢查询阈值的方式，获取慢SQL。在Mysql中，慢日志有独立的慢日志文件，而PG和Mongo中慢日志都是输出到数据库的运行日志里面。在Mongodb中，数据库在输出慢日志的同时会显示语句执行时的执行计划。
Mongodb慢日志通过如下参数设置：
operationProfiling:
mode: slowOp --表示抓取慢查询
slowOpThresholdMs: 200 --抓取执行时间超过200ms的查询
也可以在实例启动后，在数据库层动态的设置慢查询阈值db.setProfilingLevel(1,{ slowms: 200 })。
设置之后，在当前数据库中会产生一个名为system.profile的集合，该集合是一个capped集合，固定大小为1MB，当超过1MB后，会自动覆盖旧数据。使用showprofile可以显示最近的5条慢查询记录以及语句的执行计划。
同时，在配置了慢查询阈值后，mongodb会在运行日志中打印出慢日志，如下： 8e126deb942317dd49c), syncId: "173758523", resourceId: "1115439752", type: "ml_song_material", originalStatus: "1", doneStatus: "0", lastModifiedTime: new Date(1601140961092) }, multi: false, upsert: true } planSummary: IDHACK keysEx amined:1 docsExamined:1 nMatched:1 nModified:1 keysInserted:3 keysDeleted:3 numYields:1 locks:{ Global: { acquireCount: { r: 4, w: 4 } }, Database: { acquireCount: { w: 4 } }, Collection: { acquireCount: { w: 3 } }, oplog: { acquireCo unt: { w: 1 } } } 221ms 2020-09-27T01:22:41.310+ |
由于在Mongodb中没有绑定变量的概念，所以当业务大量执行慢查询时，system.profile集合中存不了多少数据，且可能大都是不同变量的相同语句，同时在数据库运行日志中会出现慢查询刷屏的现象。在这种情况下，建议使用mtools工具的mloginfo对慢查询进行分析和过滤，结果如下：
该工具会按照查询条件进行分组统计，相当于oracle的绑定变量，输出结果直观明了。
基本在所有的数据库中，都可以使用explain查看语句的执行计划，Mongodb也不例外，其用法为db.collectionname.find({field_name:***}).explain();
例如：
同时也可以使用
db.collectionname.explain().find({field_name:***}).其中，explain支持如下3种模式：
db.Text.explain("queryPlanner").find({"txtId":"5855"});--只生成执行计划，默认模式
db.Text.explain("executionStats").find({"txtId":"5855"});--生成执行计划并执行，显示被拒绝的执行计划，同时显示执行的统计信息
db.Text.explain("allPlansExecution").find({"txtId":"5855"});--包含以上两种模式，并且显示在生成执行计划时被拒绝的执行计划的统计信息，有点类似Oracle10053 event.
对于update和delete等写操作，在explain()时会被执行，但是结果不会应用到数据库。
示例（此处不描述输出的各行信息的意思）：
Mongodb的执行计划包括全表扫描（COLLSCAN）、索引扫描（IXSCAN）、分片合并（SHARD_MERGE）、_ID过滤（IDHACK），因为_ID列上有一个特殊的唯一索引，所以一般情况下来说如果语句的执行计划是IDHACK，无疑该执行计划是最优的。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/130125.html
摘要：优志愿张海鹏宋体背景宋体每年月下旬到月下旬期间是高考填志愿的高峰期，也是优志愿后端面临大流量高并发请求的业务高峰期。对于优志愿读多写少的场景及其业务高峰期，用户可以按需增删节点，更好地实现读取性能的扩展。 随着用户规模的增长，数据库的压力也在成倍增加。面对大流量、高并发，UCloud MongoDB 做到了高效，并展现出了更好的性能体验。 —— 优志愿 CTO 张海鹏 背景...
我的专栏地址：我的segmentfault,欢迎浏览 一、执行计划介绍 MongoDB 3.0之后，explain的返回与使用方法与之前版本有了不少变化，介于3.0之后的优秀特色，本文仅针对MongoDB 3.0+的explain进行讨论。现版本explain有三种模式，分别如下： queryPlanner executionStats allPlansExecution 其中 qu...
摘要：正是存在问题，促使我们考虑引入数据库审核平台。的确，与很多互联网公司相比，数据库数十套的估摸并不是太大但与互联网类公司不同，类似宜信这类金融类公司对数据库的依赖性更大，大量的应用是重数据库类的，且其使用复杂程度也远比互联网类的复杂。 作者：韩锋 出处：DBAplus社群分享 Themis开源地址：https://github.com/CreditEaseDBA 拓展阅读：宜信开源|数...
摘要：整体来说，通过查看执行计划，分析查询性能情况，可以帮助我们更好的分析和优化，必要的时候可以创建索引，提升查询性能。 一、概述 MongoDB中的explain()函数可以帮助我们查看查询相关的信息，查询分析可以确保我们创建的索引是否有效，是查询语句性能分析的重要工具。 二、explain()基本用法 explain()的用法是必须放在最后面，语法如下： db.collecton.fin...
阅读 1356·2023-01-11 13:20
阅读 1707·2023-01-11 13:20
阅读 1215·2023-01-11 13:20
阅读 1906·2023-01-11 13:20
阅读 4165·2023-01-11 13:20
阅读 2757·2023-01-11 13:20
阅读 1402·2023-01-11 13:20
阅读 3671·2023-01-11 13:20
