mongodb优化查询

查询优化器

MongoDB的查询计划会将多个索引并行去执行，最先返回101的结果就是胜者，其他查询计划就会被终止，执行优胜的查询计划
这个查询计划将会被缓存，接下来相同的语句查询条件都会使用它

何时查询计划才会变

建立索引时
每执行1000次查询之后，查询优化器就会重新评估查询计划
较大的数据波动

explain 使用

db.getCollection('db_name').explain('executionStats').aggregate([....])
// 得到的结果
{
    "stages" : [ 
        {
            "$cursor" : {
                "query" : {
                    .....
                },
                "fields" : {
                    ......
                },
                "queryPlanner" : {
                    ......
                    },
                    "winningPlan" : {                  // 优胜的方案
                        "stage" : "FETCH",
                        "filter" : {
                            "$and" : [ 
                                {
                                    "is_deleted" : {
                                        "$eq" : 0.0
                                    }
                                }
                            ]
                        },
                        "inputStage" : {
                            "stage" : "IXSCAN",
                            "keyPattern" : {
                                "acc_opening_date" : 1
                            },
                            "indexName" : "acc_opening_date_1",
                            "isMultiKey" : false,
                            "multiKeyPaths" : {
                                "acc_opening_date" : []
                            },
                            "isUnique" : false,
                            "isSparse" : false,
                            "isPartial" : false,
                            "indexVersion" : 2,
                            "direction" : "forward",
                            "indexBounds" : {
                                "acc_opening_date" : [ 
                                    "[new Date(1493625600000), new Date(1609350406000)]"
                                ]
                            }
                        }
                    },
                    "rejectedPlans" : [    // 拒绝的方案
                        {
                            "stage" : "FETCH",
                            "filter" : {
                                "$and" : [ 
                                    {
                                        "is_deleted" : {
                                            "$eq" : 0.0
                                        }
                                    }, 
                                    {
                                        "acc_opening_date" : {
                                            "$lte" : ISODate("2020-12-30T17:46:46.000Z")
                                        }
                                    }, 
                                    {
                                        "acc_opening_date" : {
                                            "$gte" : ISODate("2017-05-01T08:00:00.000Z")
                                        }
                                    }
                                ]
                            },
                     
                        }, 
                        {
                            "stage" : "FETCH",
                            "filter" : {
                                "$and" : [ 
                                    {
                                        "acc_opening_date" : {
                                            "$lte" : ISODate("2020-12-30T17:46:46.000Z")
                                        }
                                    }, 
                                    {
                                        "acc_opening_date" : {
                                            "$gte" : ISODate("2017-05-01T08:00:00.000Z")
                                        }
                                    }
                                ]
                            },
                            "inputStage" : {
                                "stage" : "IXSCAN",  
                                "keyPattern" : {
                                    "is_deleted" : 1  //  is_deteted颗粒度这么大的索引不应该建立，难怪要被拒绝
                                },
                                "indexName" : "is_deleted_1",  
                                "isMultiKey" : false,
                                "multiKeyPaths" : {
                                    "is_deleted" : []
                                },
                                "isUnique" : false,
                                "isSparse" : false,
                                "isPartial" : false,
                                "indexVersion" : 2,
                                "direction" : "forward",
                                "indexBounds" : {
                                    "is_deleted" : [ 
                                        "[0.0, 0.0]"
                                    ]
                                }
                            }
                        }
                    ]
                },
                "executionStats" : {
                    "executionSuccess" : true,
                    "nReturned" : 1,     // 返回的结果数量
                    "executionTimeMillis" : 1,  // 运行的时间
                    "totalKeysExamined" : 1,  // 扫描的索引数量
                    "totalDocsExamined" : 1,  // 扫描的文档数量
                    "executionStages" : {
                        "stage" : "FETCH",                           //  step2: 用is_deleted字段从上一阶段的结果中过滤出相应结果
                        "filter" : {
                            "$and" : [ 
                                {
                                    "is_deleted" : {
                                        "$eq" : 0.0
                                    }
                                },
                            ]
                        },
                        "nReturned" : 1,
                        "executionTimeMillisEstimate" : 0,
                        "works" : 3,
                        "advanced" : 1,
                        "needTime" : 0,
                        "needYield" : 0,
                        "saveState" : 1,
                        "restoreState" : 1,
                        "isEOF" : 1,
                        "invalidates" : 0,
                        "docsExamined" : 1,
                        "alreadyHasObj" : 0,
                        "inputStage" : {
                            "stage" : "IXSCAN",                        //  step1: 用acc_opening_date字段索引搜索出相应结果
                            "nReturned" : 1,
                            "executionTimeMillisEstimate" : 0,
                            "works" : 2,
                            "advanced" : 1,
                            "needTime" : 0,
                            "needYield" : 0,
                            "saveState" : 1,
                            "restoreState" : 1,
                            "isEOF" : 1,
                            "invalidates" : 0,
                            "keyPattern" : {
                                "acc_opening_date" : 1                                    
                            },
                            "indexName" : "acc_opening_date_1",
                            "isMultiKey" : false,
                            "multiKeyPaths" : {
                                "acc_opening_date" : []
                            },
                            "isUnique" : false,
                            "isSparse" : false,
                            "isPartial" : false,
                            "indexVersion" : 2,
                            "direction" : "forward",
                            "indexBounds" : {
                                "acc_opening_date" : [ 
                                    "[new Date(1493625600000), new Date(1609350406000)]"
                                ]
                            },
                            "keysExamined" : 1,
                            "seeks" : 1,
                            "dupsTested" : 0,
                            "dupsDropped" : 0,
                            "seenInvalidated" : 0
                        }
                    }
                }
            }
        }, 
        {
            "$lookup" : {
                "from" : "clients",
                "as" : "clients",
                "localField" : "idp_user_id",
                "foreignField" : "idp_user_id",
                "unwinding" : {
                    "preserveNullAndEmptyArrays" : false
                }
            }
        }, 
        {
            "$project" : {
               ......
        }
    ],
    "ok" : 1.0,
    "operationTime" : Timestamp(1604133360, 3),
    "$clusterTime" : {
        "clusterTime" : Timestamp(1604133360, 3),
        "signature" : {
            "hash" : { "$binary" : "RbWJfLtWiuIthJ5C3oiKbGIt1iY=", "$type" : "00" },
            "keyId" : NumberLong(6854528299859705857)
        }
    }
}

查看方式：嵌套最内层往外的顺序看，不是从上到下。

原因：
explain 结果将查询计划以阶段树的形式呈现。
每个阶段将其结果传递给父节点，中间节点操作由子节点产生的文档或索引

索引使用情况解读

stage 主要分为以下几种：
COLLSACN: 全盘扫描
IXSACN: 索引扫描
FETCH: 根据前面节点扫描出的文档，进一步过滤抓取
SORT: 内存进行排序
SORT_KEY_GENERATOR: 获取每一个文档排序所用的键值
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
COUNTSCAN: count不使用index进行count
COUNT_SCACN: count使用index进行count
TEXT: 使用全文索引进行查询
SUBPLA：未使用到索引的$or查询
PROJECTION：限定返回字段

所以不希望看到explain分析出现如下的stage:

COLLSCAN
SORT
COUNTSCAN
SUBPLA

最好是如下的组合：

FETCH + IXSCAN
FETCH + IDHACK
LIMIT + ( FETCH + IXSCAN)
PROJECTION + IXSCAN
COUNT_SCAN

效率极低的操作符

$where和$exists：这两个操作符，完全不能使用索引。

$ne和$not: 通常来说取反和不等于,可以使用索引，但是效率极低，不是很有效，往往也会退化成扫描全表。

$nin: 不包含，这个操作符也总是会全表扫描

对于管道中的索引，也很容易出现意外，只有在管道最开始时的match sort可以使用到索引，一旦发生过project投射，group分组，lookup表关联，unwind打散等操作后，就完全无法使用索引。

aggregate优化

我认为的准则是尽可能先缩小文档大小（例如：$match,），然后再排序（ $sort, $limit, $skip），最后进行其他复杂操作（$lookup, $project, $group, $unwind）,因为这些操作打散后，完全无法使用索引.
最佳顺序： $match + $sort + $limit + ...

千万别忘了$lookup连表的字段，两张表一定要建立索引

优化案例1：limit提前缩小文档大小，减少内存计算

// 使用时间: 0.044 S
db.getCollection('clients').explain("executionStats").aggregate([ 
    { '$match': { is_deleted: 0 } },
    { '$sort': { gmt_create: -1 } }, 
    { '$lookup': 
        { from: 'client_infos', 
            localField: 'client_info_ids', 
            foreignField: '_id', as: 'client_infos' }
    }, 
    { '$lookup': 
        { from: 'accounts', 
        localField: 'account_id', 
        foreignField: '_id', as: 'account' } 
    }, 
    { '$unwind': '$account' }, 
    { '$skip': 0 }, 
    { '$limit': 10 }], {})

// 使用时间： 0.021s
db.getCollection('clients').explain("executionStats").aggregate([ 
    { '$match': { is_deleted: 0 } },
    { '$sort': { gmt_create: -1 } }, 
    { '$skip': 0 }, 
    { '$limit': 10 },
    { '$lookup': 
        { from: 'client_infos', 
            localField: 'client_info_ids', 
            foreignField: '_id', as: 'client_infos' }
    }, 
    { '$lookup': 
        { from: 'accounts', 
        localField: 'account_id', 
        foreignField: '_id', as: 'account' } 
    }, 
    { '$unwind': '$account' }, 
    ], {})

优化案例2：转换搜索的主表，使索引生效

// 使用时间: 3.64s
db.getCollection('clients').explain("executionStats").aggregate([ 
    { '$lookup': 
        { from: 'client_infos', 
            localField: 'client_info_ids', 
            foreignField: '_id', as: 'client_infos' }
    }, 
    { '$match': { 'client_infos.phone': 110 } },
    { '$lookup': 
        {
            from: 'accounts', 
            localField: 'account_id', 
            foreignField: '_id', 
            as: 'account',
        }
    }, 
    { '$unwind': '$account' },
    { '$skip': 0 }, 
    { '$limit': 10 }, 
    ], {})
    
// 使用时间：0.065s
db.getCollection('client_infos').aggregate([ 
    { '$match': { phone: 110, is_deleted: 0} },
    { '$skip': 0 }, 
    { '$limit': 10 }, 
    { '$lookup': 
        { from: 'clients', 
            localField: '_id', 
            foreignField: 'client_info_ids', as: 'clients' }
    }, 
    { '$unwind': '$clients' },
    { '$lookup': 
        { 
            from: 'accounts', 
            localField: 'clients.account_id', 
            foreignField: '_id', 
            as: 'account',
        }
    }, 
    { '$unwind': '$account' },
    ], {})

索引设计原则

索引字段颗粒度越小越好

颗粒度为结果集在原集合中所占的比例
颗粒度小的，例如身份证号等唯一性质的，索引扫描能够很快定位出位置
相反字段颗粒度大的，例如枚举，例如布尔值，索引定位出的位置不够精准，到头来还得大部分扫描，因为多了索引扫描，最后速度可能还不如全盘扫描。

字段更新频率小

索引的缺点之一就是修改时还需要维护索引，所以最好选择字段更新比较小的字段

适当冗余设计

aggregate连表查询。如果查询字段在副表中，就无法使用到索引，如果这种连表查询频率较高，可考虑冗余设计。如上诉案例2，可通过冗余phone的字段提高查询效率，以及增加代码通用性

索引数量控制

一个索引的字段超过7，8，需考虑合理性

查询优化原则

减少带宽

按需取字段，避免返回大字段

减少内存计算

减少中间存储，内存计算

减少磁盘IO

增加索引，避免全盘扫描，优化sql

参考文档：
https://zhuanlan.zhihu.com/p/77971681
https://docs.mongodb.com/manual/core/aggregation-pipeline/#aggregation-pipeline-operators-and-performance
https://docs.mongodb.com/manual/core/aggregation-pipeline-optimization/
https://jira.mongodb.org/browse/SERVER-28140
https://stackoverflow.com/questions/59811200/lookup-wont-use-indexes-in-second-match-how-can-we-scale

mongodb优化查询

查询优化器

explain 使用

效率极低的操作符

aggregate优化

索引设计原则

索引字段颗粒度越小越好

字段更新频率小

适当冗余设计

索引数量控制

查询优化原则

减少带宽

减少内存计算

减少磁盘IO

你可能感兴趣的:(mongodb优化查询)