小火柴的蓝色理想 阅读(29) 评论(0)

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*,则表示复制集操作
  query/s : 每秒的查询操作次数
  update/s : 每秒的更新操作次数
  delete/s : 每秒的删除操作次数
  getmore/s: 每秒查询cursor(游标)时的getmore操作数
  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: 执行读操作的活跃客户端数量
  aw: 执行写操作的活客户端数量。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,即不记录任何操作;1代表记录慢命令(默认值为100ms),即记录运行时间超过100ms的操作;2代表全部,即记录任何操作

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】

  操作被记录到system.profile集合中

  通过db.system.profile.find() 查看当前的监控日志

op:操作类型
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、当前正在进行的操作等

 

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document
SHARD_MERGE:将各个分片返回数据进行merge
SORT: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SKIP
SUBPLA(未用到index的$or) COUNTSCAN(不使用index进行count)