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()