mongodb之使用explain和hint性能分析和优化

　　当你第一眼看到explain和hint的时候，第一个反应就是mysql中所谓的这两个关键词，确实可以看出，这个就是在mysql中借鉴过来的，既然是借鉴

过来的，我想大家都知道这两个关键字的用处，话不多说，速速观看~~~

一：explain演示

1.  构建数据

为了方便演示，我需要create ten data to inventory，而且还是要在no index 的情况下，比如下面这样：

 db.inventory.insertMany([
 { "_id" : , "item" : "f1", type: "food", quantity:  },
 { "_id" : , "item" : "f2", type: "food", quantity:  },
 { "_id" : , "item" : "p1", type: "paper", quantity:  },
 { "_id" : , "item" : "p2", type: "paper", quantity:  },
 { "_id" : , "item" : "f3", type: "food", quantity:  },
 { "_id" : , "item" : "t1", type: "toys", quantity:  },
 { "_id" : , "item" : "a1", type: "apparel", quantity:  },
 { "_id" : , "item" : "a2", type: "apparel", quantity:  },
 { "_id" : , "item" : "t2", type: "toys", quantity:  },
 { "_id" : , "item" : "f4", type: "food", quantity:  }]);

2. 无索引查询

db.inventory.find(
   { quantity: { $gte: , $lte:  } }
).explain("executionStats")

从上图中，我们看到了三个圈圈，这些都是我们在find中非常重要的信息，具体信息解释如下：

<1>COLLSCAN

这个是什么意思呢？ 如果你仔细一看，应该知道就是CollectionScan，就是所谓的“集合扫描”，对不对，看到集合扫描是不是就可以直接map到

数据库中的table scan/heap scan呢？？？ 是的，这个就是所谓的性能最烂最无奈的由来。

<2> nReturned

这个很简单，就是所谓的numReturned，就是说最后返回的num个数，从图中可以看到，就是最终返回了三条。。。

<3> docsExamined

那这个是什么意思呢？？就是documentsExamined，检查了10个documents。。。而从返回上面的nReturned。。。

ok，那从上面三个信息中，我们可以得出，原来我examine 10 条数据，最终才返回3条，说明做了7条数据scan的无用功，那么这个时候问题就来了，

如何减少examine的documents。。。

完整的plans如下：

/* 1 */
{
    "queryPlanner" : {
        "plannerVersion" : ,
        "namespace" : "datamip.inventory",
        "indexFilterSet" : false,
        "parsedQuery" : {
            "$and" : [
                {
                    "quantity" : {
                        "$lte" : 200.0
                    }
                },
                {
                    "quantity" : {
                        "$gte" : 100.0
                    }
                }
            ]
        },
        "winningPlan" : {
            "stage" : "COLLSCAN",
            "filter" : {
                "$and" : [
                    {
                        "quantity" : {
                            "$lte" : 200.0
                        }
                    },
                    {
                        "quantity" : {
                            "$gte" : 100.0
                        }
                    }
                ]
            },
            "direction" : "forward"
        },
        "rejectedPlans" : []
    },
    "executionStats" : {
        "executionSuccess" : true,
        "nReturned" : ,
        "executionTimeMillis" : ,
        "totalKeysExamined" : ,
        "totalDocsExamined" : ,
        "executionStages" : {
            "stage" : "COLLSCAN",
            "filter" : {
                "$and" : [
                    {
                        "quantity" : {
                            "$lte" : 200.0
                        }
                    },
                    {
                        "quantity" : {
                            "$gte" : 100.0
                        }
                    }
                ]
            },
            "nReturned" : ,
            "executionTimeMillisEstimate" : ,
            "works" : ,
            "advanced" : ,
            "needTime" : ,
            "needYield" : ,
            "saveState" : ,
            "restoreState" : ,
            "isEOF" : ,
            "invalidates" : ,
            "direction" : "forward",
            "docsExamined" :
        }
    },
    "serverInfo" : {
        "host" : "localhost.localdomain",
        "port" : ,
        "version" : "3.2.8",
        "gitVersion" : "ed70e33130c977bda0024c125b56d159573dbaf0"
    },
    "ok" : 1.0
}

3. 使用single field 加速查找

知道前因后果之后，我们就可以进行针对性的建立索引，比如在quality字段之上，如下：

db.inventory.createIndex({ quantity: })

db.inventory.find(
   { quantity: { $gte: , $lte:  } }
).explain("executionStats")

好了，这时候就有意思了，当我们执行完createindex之后，再次explain，4个重要的parameters就漂下来了：

<1> IXSCAN

这个时候再也不是所谓的COLLSCAN了，而是IndexScan，这就说明我们已经命中索引了。

<2> nReturned,totalDocsExamined，totalKeysExamined

从图中可以看到三个参数都是3，这就说明我们的mongodb查看了3个key，3个document，返回3个文档，这个就是所谓的高性能所在，对吧。

二：hint演示

说到hint，我想大家也是知道的，很好玩的一个东西，就是用来force mongodb to excute special index，对吧，为了方便演示，我们做两组复合索

引，比如这次我们在quality和type上构建一下：

building完成之后，我们故意这一个这样的查询，针对quantity是一个范围，而type是一个定值的情况下，我们force mongodb去使用quantity开头

的复合索引，从而强制mongodb give up 那个以{type:1,quantity:1}的复合索引，很有意思哦，比如下图：

从图中，可以看到，我们检查了6个keys，而从最终找到了2个文档，现在我们就知道了，2和6之间还是有不足的地方等待我们去优化了，对吧，下面

我们不hint来看一下mongodb的最优的plan是怎么样的。

再看上面的图，你应该明白了，mongodb果然执行了那个最优的plan，是不是很好玩，好了，本篇就说到这里，希望对你有帮助~