MongoDB之——性能优化

转载请注明出处：https://blog.csdn.net/l1028386804/article/details/80009221

如果 nscanned(扫描的记录数)远大于 nreturned(返回结果的记录数)的话，那么我们就要考虑通过加索引来优化记录定位了。reslen 如果过大，那么说明我们返回的结果集太大了，这时请查看 find 函数的第二个参数是否只写上了你需要的属性名。对于创建索引的建议是：如果很少读，那么尽量不要添加索引，因为索引越多，写操作会越慢。如果读量很大，那么创建索引还是比较划算的。
假设我们按照时间戳查询最近发表的 10 篇博客文章：

articles = db.posts.find().sort({ts:-1});
for (var i=0; i< 10; i++) {
	print(articles[i].getSummary());
}

1、优化方案 1: 创建索引

在查询条件的字段上，或者排序条件的字段上创建索引，可以显著提高执行效率：

db.posts.ensureIndex({ts:1});

2、优化方案 2: 限定返回结果条数

使用 limit()限定返回结果集的大小，可以减少 database server 的资源消耗，可以减少网络传输数据量。

articles = db.posts.find().sort({ts:-1}).limit(10);

3、优化方案 3: 只查询使用到的字段，而不查询所有字段

在本例中，博客日志记录内容可能非常大，而且还包括了评论内容（作为 embeded 文档）。所以只查询使用的字段，比查询所有字段效率更高：

articles = db.posts.find({}, {ts:1,title:1,author:1,abstract:1}).sort({ts:-1}).limit(10);

注意：如果只查询部分字段的话，不能用返回的对象直接更新数据库。下面的代码是错误的：

a_post = db.posts.findOne({}, Post.summaryFields);
a_post.x = 3;
db.posts.save(a_post);

4、优化方案 4: 采用 capped collection

capped Collections 比普通 Collections 的读写效率高。Capped Collections 是高效率的 Collection类型，它有如下特点：
1) 固定大小； Capped Collections 必须事先创建，并设置大小：
db.createCollection("mycoll", {capped:true, size:100000})
2) Capped Collections 可以 insert 和 update 操作；不能 delete 操作。只能用 drop（） 方法删除整个 Collection。
3) 默认基于 Insert 的次序排序的。如果查询时没有排序，则总是按照 insert 的顺序返回。
4) FIFO。如果超过了 Collection 的限定大小，则用 FIFO 算法，新记录将替代最先 insert 的记录。

5、优化方案 5: 采用 Server Side Code Execution

Server-Side Processing 类似于 SQL 数据库的存储过程，使用 Server-Side Processing 可以减小网络通讯的开销。

6、优化方案 6: Hint

一般情况下 MongoDB query optimizer 都工作良好，但有些情况下使用 hint()可以提高操作效率。 Hint 可以强制要求查询操作使用某个索引。例如，如果要查询多个字段的值，如果在其中一个字段上有索引，可以使用 hint：

db.collection.find({user:u, foo:d}).hint({user:1});

7、优化方案 7: 采用 Profiling

Profiling 功能肯定是会影响效率的，但是不太严重，原因是他使用的是 system.profile 来记录，而 system.profile 是一个 capped collection 这种 collection 在操作上有一些限制和特点，但是效率更高。