Analiza zapytań MongoDB

Zapytanie MongoDB i analizy w celu zapewnienia skuteczności naszego proponowanego indeksu jest ważnym narzędziem do analizy wydajności zapytań.

Analiza zapytań MongoDB powszechnie stosowane funkcje: wyjaśnić () i hint ().

Użyj wyjaśnić ()

wyjaśnienia działania dostarcza informacji na zapytanie, należy wybrać statystyki indeksów i zapytań. Pomóż nam zoptymalizować indeksu.

Następnie utwórz Gender Index i użytkowników nazwa_użytkownika w kolekcji:

>db.users.ensureIndex({gender:1,user_name:1})
</p>
<p>现在在查询语句中使用 explain ：</p>
<pre>
>db.users.find({gender:"M"},{user_name:1,_id:0}).explain()

Przede wyjaśnić () kwerenda zwraca następujące wyniki:

{
   "cursor" : "BtreeCursor gender_1_user_name_1",
   "isMultiKey" : false,
   "n" : 1,
   "nscannedObjects" : 0,
   "nscanned" : 1,
   "nscannedObjectsAllPlans" : 0,
   "nscannedAllPlans" : 1,
   "scanAndOrder" : false,
   "indexOnly" : true,
   "nYields" : 0,
   "nChunkSkips" : 0,
   "millis" : 0,
   "indexBounds" : {
      "gender" : [
         [
            "M",
            "M"
         ]
      ],
      "user_name" : [
         [
            {
               "$minElement" : 1
            },
            {
               "$maxElement" : 1
            }
         ]
      ]
   }
}

Teraz patrzymy na polu zestaw wyników:

• indexOnly: Pole to jest prawda, że używamy indeksu.
• Kursor: Ponieważ ta kwerenda używa indeksu indeksy MongoDB są przechowywane w strukturze B-drzewa, a więc jest również stosowany typ BtreeCursor kursora. Jeśli użytkownik nie korzysta z indeksu, typ kursora BasicCursor. Ten klucz będzie podać nazwę indeksu, którego używasz, można zobaczyć pod nazwą system.indexes ustawić w bieżącej bazie danych (tworzone automatycznie, ponieważ informacje przechowywane indeks ten będzie mowa nieco), aby uzyskać więcej informacji Index ,
• n: liczba dokumentów zwracanych przez bieżące zapytanie.
• nscanned / nscannedObjects: Badanie wykazało, że obecna łączna liczba skanowanych dokumentów w kolekcji, naszym celem jest, aby tę wartość i zwraca liczbę dokumentów im bliżej tym lepiej.
• millis: aktualny czas, liczba milisekund potrzebnych zapytania.
• indexBounds: obecne wykorzystanie specyficznych Indeks zapytania.

Użyj podpowiedzi ()

Podczas MongoDB optymalizator kwerendy zazwyczaj działa bardzo dobrze, ale można również użyć wskazówek MongoDB zmusić do korzystania z określonego indeksu.

Takie podejście przyczyni się do poprawy wydajności w niektórych przypadkach. Indeks kolekcji i wykonywać kwerendy więcej niż jedno pole (niektóre pola zostały zindeksowane).

Przykłady użyć następującej kwerendy określa dziedziny, płci oraz indeks nazwa_użytkownika do zapytania:

>db.users.find({gender:"M"},{user_name:1,_id:0}).hint({gender:1,user_name:1})

Można użyć funkcji wyjaśnić (), aby przeanalizować powyższe zapytanie:

>db.users.find({gender:"M"},{user_name:1,_id:0}).hint({gender:1,user_name:1}).explain()