主頁 > 後端開發 > 索引優化、優化，你又是一個好MongoDB！！！博學谷狂野架構師

索引優化、優化，你又是一個好MongoDB！！！博學谷狂野架構師

2023-04-12 07:35:37 後端開發

MongoDB索引優化

img

  • 作者: 博學谷狂野架構師
  • GitHub：GitHub地址 （有我精心準備的130本電子書PDF）

只分享干貨、不吹水，讓我們一起加油！??

索引簡介

索引通常能夠極大的提高查詢的效率，如果沒有索引，MongoDB在讀取資料時必須掃描集合中的每個檔案并選取那些符合查詢條件的記錄，

什么是索引

索引最常用的比喻就是書籍的目錄，查詢索引就像查詢一本書的目錄，本質上目錄是將書中一小部分內容資訊（比如題目）和內容的位置資訊（頁碼）共同構成，而由于資訊量小（只有題目），所以我們可以很快找到我們想要的資訊片段，再根據頁碼找到相應的內容，同樣索引也是只保留某個域的一部分資訊（建立了索引的field的資訊），以及對應的檔案的位置資訊，

假設我們有如下檔案（每行的資料在MongoDB中是存在于一個Document當中）

姓名 id 部門 city score
張三 2 xxx Beijing 90
李四 1 xxx Shanghai 70
王五 3 xxx guangzhou 60

索引的作用

假如我們想找id為2的document(即張三的記錄)，如果沒有索引，我們就需要掃描整個資料表，然后找出所有為2的document，當資料表中有大量documents的時候，這個時間就會非常長（從磁盤上查找資料還涉及大量的IO操作)，建立索引后會有什么變化呢？MongoDB會將id資料拿出來建立索引資料，如下

索引值 位置
1 pos2
2 pos1
3 pos3

索引的作業原理

這樣我們就可以通過掃描這個小表找到document對應的位置，

查找程序示意圖如下：

img

索引為什么這么快

為什么這樣速度會快呢？這主要有幾方面的因素

  1. 索引資料通過B樹來存盤，從而使得搜索的時間復雜度為O(logdN)級別的(d是B樹的度, 通常d的值比較大，比如大于100)，比原先O(N)的復雜度大幅下降，這個差距是驚人的，以一個實際例子來看，假設d=100，N=1億，那么O(logdN) = 8, 而O(N)是1億，是的，這就是演算法的威力，
  2. 索引本身是在高速快取當中，相比磁盤IO操作會有大幅的性能提升，（需要注意的是，有的時候資料量非常大的時候，索引資料也會非常大，當大到超出記憶體容量的時候，會導致部分索引資料存盤在磁盤上，這會導致磁盤IO的開銷大幅增加，從而影響性能，所以務必要保證有足夠的記憶體能容下所有的索引資料）

當然，事物總有其兩面性，在提升查詢速度的同時，由于要建立索引，所以寫入操作時就需要額外的添加索引的操作，這必然會影響寫入的性能，所以當有大量寫操作而讀操作比較少的時候，且對讀操作性能不需要考慮的時候，就不適合建立索引，當然，目前大多數互聯網應用都是讀操作遠大于寫操作，因此建立索引很多時候是非常劃算和必要的操作，

查看索引

索引是提高查詢查詢效率最有效的手段，索引是一種特殊的資料結構，索引以易于遍歷的形式存盤了資料的部分內容（如：一個特定的欄位或一組欄位值），索引會按一定規則對存盤值進行排序，而且索引的存盤位置在記憶體中，所在從索引中檢索資料會非常快，如果沒有索引，MongoDB必須掃描集合中的每一個檔案，這種掃描的效率非常低，尤其是在資料量較大時，

默認主鍵索引

在創建集合期間，MongoDB 在_id]欄位上 創建唯一索引,該索引可防止客戶端插入兩個具有相同值的檔案，您不能將此索引放在欄位上，

查看索引

查看集合索引

要回傳集合中所有索引的串列可以使用db.collection.getIndexes()查看現有索引

COPYdb.zips.getIndexes();

查看zips集合的所有索引，我們看到有一個默認的_id_索引，并且是一個升序索引

image-20210421104210510

查看資料庫

若要列出資料庫中所有集合的所有索引，則需在 MongoDB 的 Shell 客戶端中進行以下操作：

COPYdb.getCollectionNames().forEach(function(collection){
    indexes = db[collection].getIndexes();
    print("Indexes for [" + collection + "]:" );
    printjson(indexes);
});

這樣可以列出本資料庫的所有集合的索引

image-20210421105500546

索引常用操作

創建索引

MongoDB使用 createIndex() 方法來創建索引，

注意在 3.0.0 版本前創建索引方法為 db.collection.ensureIndex()，之后的版本使用了 db.collection.createIndex() 方法，ensureIndex() 還能用，但只是 createIndex() 的別名，

語法

createIndex()方法基本語法格式如下所示：

COPYdb.collection.createIndex(keys, options)

語法中 Key 值為你要創建的索引欄位，1 為指定按升序創建索引，如果你想按降序來創建索引指定為 -1 即可，

COPYdb.zips.createIndex({"pop":1})

這樣就根據pop欄位創建了一個升序索引

image-20210421153251472

索引引數

createIndex() 接收可選引數，可選引數串列如下

Parameter Type Description
background Boolean 建索引程序會阻塞其它資料庫操作，background可指定以后臺方式創建索引，即增加 “background” 可選引數， “background” 默認值為false，
unique Boolean 建立的索引是否唯一，指定為true創建唯一索引，默認值為false.
name string 索引的名稱，如果未指定，MongoDB的通過連接索引的欄位名和排序順序生成一個索引名稱，
dropDups Boolean 3.0+版本已廢棄，在建立唯一索引時是否洗掉重復記錄,指定 true 創建唯一索引，默認值為 false.
sparse Boolean 對檔案中不存在的欄位資料不啟用索引；這個引數需要特別注意，如果設定為true的話，在索引欄位中不會查詢出不包含對應欄位的檔案.，默認值為 false.
expireAfterSeconds integer 指定一個以秒為單位的數值，完成 TTL設定，設定集合的生存時間，
v index version 索引的版本號，默認的索引版本取決于mongod創建索引時運行的版本，
weights document 索引權重值，數值在 1 到 99,999 之間，表示該索引相對于其他索引欄位的得分權重，
default_language string 對于文本索引，該引數決定了停用詞及詞干和詞器的規則的串列， 默認為英語
language_override string 對于文本索引，該引數指定了包含在檔案中的欄位名，語言覆寫默認的language，默認值為 language.
示例

創建一個名稱是pop_union_index的索引，按照pop欄位降序，并且在10秒后洗掉

COPYdb.zips.createIndex(
   {
      "pop":-1
   },
   {
      "name":"pop_union_index",
      "expireAfterSeconds":10
      }
)

這樣我們就創建了一個索引

image-20210421153738275

洗掉索引

MongoDB 提供的兩種從集合中洗掉索引的方法如下：

根據name洗掉

可以根據索引的名字進行索引洗掉

COPYdb.zips.dropIndex("loc_2d")

這樣我們就把一個索引洗掉了

image-20210421152445676

根據欄位洗掉

還可以根據欄位進行洗掉

COPYdb.zips.dropIndex ({ "pop" : 1 })

洗掉集合中pop欄位升序的索引，這樣就把這個索引洗掉了

image-20210421152708745

洗掉所有索引

db.collection.dropIndexes()可以把集合所有索引洗掉

COPYdb.zips.dropIndexes()`

這樣就把非默認的主鍵索引意外的索引索引洗掉了

image-20210421152855308

MongoDB索引型別

單鍵索引

MongoDB為檔案集合中任何欄位上的索引提供了完整的支持 ，默認情況下，所有集合在_id欄位上都有一個索引，應用程式和用戶可以添加其他索引來支持重要的查詢和操作，

image-20210507172343173

這個是最簡單最常用的索引型別，比如我們上邊的例子，為id建立一個單獨的索引就是此種型別，

創建索引

我們創建一個pop人數升序的索引

COPYdb.zips.createIndex({'pop': 1})

其中{'pop': 1}中的1表示升序，如果想設定倒序索引的話使用 {'pop': -1}可

image-20210421110833338

查看執行計劃

可以在查詢中使用執行計劃查看索引是否生效

COPYdb.zips.find({"pop":{$gt:10000}}).explain();

我們發現索引已經生效了

image-20210421114408602

復合索引

復合索引(Compound Indexes)指一個索引包含多個欄位，用法和單鍵索引基本一致，使用復合索引時要注意欄位的順序，如下添加一個name和age的復合索引，name正序，age倒序，document首先按照name正序排序，然后name相同的document按age進行倒序排序，mongoDB中一個復合索引最多可以包含32個欄位，符合索引的原理如下圖所示：

image-20210507172449911

上圖查詢索引的時候會先查詢userid，再查詢score，然后就可以找到對應的檔案，

創建索引

我們創建一個以CUSHMAN升序，state降序的符合索引

COPYdb.zips.createIndex({"city": 1,"state":-1})

這樣我們就把索引創建了

image-20210421114900552

查看執行計劃
COPYdb.zips.find({"city":"CUSHMAN","state":"NY"}).explain();

我們看到我們的查詢走了索引

image-20210421150129125

對于復合索引需要注意以下幾點：

最左前綴法則

在MySQL中走前綴法則生效，在mongodb中查詢同樣生效

COPYdb.zips.find({"city":"CUSHMAN"}).explain();

我們只查詢最走側索引列的時候，索引是生效的

image-20210421150419876

但是如果我們查詢不加入最左側索引列

COPYdb.zips.find({"state":"NY"}).explain();

我們發現索引未生效，走了全表掃描

image-20210421150530311

地理索引

地理索引包含兩種地理型別，如果需要計算的地理資料表示為類似于地球的球形表面上的坐標，則可以使用 2dsphere 索引，

通常可以按照坐標軸、經度、緯度的方式把位置資料存盤為 GeoJSON 物件，GeoJSON 的坐標參考系使用的是 wgs84 資料，如果需要計算距離（在一個歐幾里得平面上），通常可以按照正常坐標對的形式存盤位置資料，可使用 2d 索引，

創建平面地理索引

如果查找的地方是小范圍的可以使用平面索引

COPYdb.zips.createIndex({"loc":"2d"})

image-20210421151631589

創建球面地理索引

如果是大范圍的，需要考慮地球弧度的情況下如果使用平面坐標可能不準確，就需要使用球面索引

COPYdb.zips.createIndex({"loc":"2dsphere"})

image-20210421152004535

常用索引屬性

唯一索引

唯一索引(unique indexes)用于為collection添加唯一約束，即強制要求collection中的索引欄位沒有重復值，添加唯一索引的語法：

COPYdb.zips.createIndex({"_id":1,"city":1},{unique:true,name:"id_union_index"})

這樣我們就創建了一個根據ID以及city的唯一索引

image-20210421154955276

區域索引

區域索引(Partial Indexes)顧名思義，只對collection的一部分添加索引，創建索引的時候，根據過濾條件判斷是否對document添加索引，對于沒有添加索引的檔案查找時采用的全表掃描，對添加了索引的檔案查找時使用索引，

創建索引
COPYdb.zips.createIndex(
   {
      pop:1
   },
   {
      partialFilterExpression: 
      {
         pop:
         {
            $gt: 10000 
         }
      }
   }
)

這樣就創建了區域索引

image-20210421154406993

查看執行計劃

根據索引特性 ，我們知道，只有查找的人數大于10000，才會走索引

COPYdb.zips.find({"pop":9999}).explain()

我們看到，查詢10000以內的資料不走索引

image-20210421154704291

如果查找的條件大于10000就會走索引

COPYdb.zips.find({"pop":99999}).explain()

image-20210421154854174

執行計劃

MongoDB中的explain()函式可以幫助我們查看查詢相關的資訊，這有助于我們快速查找到搜索瓶頸進而解決它，本文我們就來看看explain()的一些用法及其查詢結果的含義，

整體來說，explain()的用法和sort()、limit()用法差不多，不同的是explain()必須放在最后面，

基本用法

先來看一個基本用法：

COPYdb.zips.find({"pop":99999}).explain()

直接跟在find()函式后面，表示查看find()函式的執行計劃，結果如下：

COPY{
        "queryPlanner" : {
                "plannerVersion" : 1,
                "namespace" : "zips-db.zips",
                "indexFilterSet" : false,
                "parsedQuery" : {
                        "pop" : {
                                "$eq" : 99999
                        }
                },
                "queryHash" : "891A44E4",
                "planCacheKey" : "2D13A19E",
                "winningPlan" : {
                        "stage" : "FETCH",
                        "inputStage" : {
                                "stage" : "IXSCAN",
                                "keyPattern" : {
                                        "pop" : 1
                                },
                                "indexName" : "pop_1",
                                "isMultiKey" : false,
                                "multiKeyPaths" : {
                                        "pop" : [ ]
                                },
                                "isUnique" : false,
                                "isSparse" : false,
                                "isPartial" : true,
                                "indexVersion" : 2,
                                "direction" : "forward",
                                "indexBounds" : {
                                        "pop" : [
                                                "[99999.0, 99999.0]"
                                        ]
                                }
                        }
                },
                "rejectedPlans" : [ ]
        },
        "serverInfo" : {
                "host" : "localhost",
                "port" : 27017,
                "version" : "4.4.5",
                "gitVersion" : "ff5cb77101b052fa02da43b8538093486cf9b3f7"
        },
        "ok" : 1
}

回傳結果包含兩大塊資訊，一個是 queryPlanner，即查詢計劃，還有一個是 serverInfo，即MongoDB服務的一些資訊，

引數解釋

那么這里涉及到的引數比較多，我們來一一看一下：

引數 含義
plannerVersion 查詢計劃版本
namespace 要查詢的集合
indexFilterSet 是否使用索引
parsedQuery 查詢條件，此處為x=1
winningPlan 最佳執行計劃
stage 查詢方式，常見的有COLLSCAN/全表掃描、IXSCAN/索引掃描、FETCH/根據索引去檢索檔案、SHARD_MERGE/合并分片結果、IDHACK/針對_id進行查詢
filter 過濾條件
direction 搜索方向
rejectedPlans 拒絕的執行計劃
serverInfo MongoDB服務器資訊

添加不同引數

explain() 也接收不同的引數，通過設定不同引數我們可以查看更詳細的查詢計劃，

queryPlanner

是默認引數，添加queryPlanner引數的查詢結果就是我們勺ò復到的查詢結果，so，這里不再贅述，

executionStats

會回傳最佳執行計劃的一些統計資訊，如下：

COPYdb.zips.find({"pop":99999}).explain("executionStats")

我們發現增加了一個executionStats的欄位列的資訊

COPY{
        "queryPlanner" : {
                "plannerVersion" : 1,
                "namespace" : "zips-db.zips",
                "indexFilterSet" : false,
                "parsedQuery" : {
                        "pop" : {
                                "$eq" : 99999
                        }
                },
                "winningPlan" : {
                        "stage" : "FETCH",
                        "inputStage" : {
                                "stage" : "IXSCAN",
                                "keyPattern" : {
                                        "pop" : 1
                                },
                                "indexName" : "pop_1",
                                "isMultiKey" : false,
                                "multiKeyPaths" : {
                                        "pop" : [ ]
                                },
                                "isUnique" : false,
                                "isSparse" : false,
                                "isPartial" : true,
                                "indexVersion" : 2,
                                "direction" : "forward",
                                "indexBounds" : {
                                        "pop" : [
                                                "[99999.0, 99999.0]"
                                        ]
                                }
                        }
                },
                "rejectedPlans" : [ ]
        },
        "executionStats" : {
                "executionSuccess" : true,
                "nReturned" : 0,
                "executionTimeMillis" : 1,
                "totalKeysExamined" : 0,
                "totalDocsExamined" : 0,
                "executionStages" : {
                        "stage" : "FETCH",
                        "nReturned" : 0,
                        "executionTimeMillisEstimate" : 0,
                        "works" : 1,
                        "advanced" : 0,
                        "needTime" : 0,
                        "needYield" : 0,
                        "saveState" : 0,
                        "restoreState" : 0,
                        "isEOF" : 1,
                        "docsExamined" : 0,
                        "alreadyHasObj" : 0,
                        "inputStage" : {
                                "stage" : "IXSCAN",
                                "nReturned" : 0,
                                "executionTimeMillisEstimate" : 0,
                                "works" : 1,
                                "advanced" : 0,
                                "needTime" : 0,
                                "needYield" : 0,
                                "saveState" : 0,
                                "restoreState" : 0,
                                "isEOF" : 1,
                                "keyPattern" : {
                                        "pop" : 1
                                },
                                "indexName" : "pop_1",
                                "isMultiKey" : false,
                                "multiKeyPaths" : {
                                        "pop" : [ ]
                                },
                                "isUnique" : false,
                                "isSparse" : false,
                                "isPartial" : true,
                                "indexVersion" : 2,
                                "direction" : "forward",
                                "indexBounds" : {
                                        "pop" : [
                                                "[99999.0, 99999.0]"
                                        ]
                                },
                                "keysExamined" : 0,
                                "seeks" : 1,
                                "dupsTested" : 0,
                                "dupsDropped" : 0
                        }
                }
        },
        "serverInfo" : {
                "host" : "localhost",
                "port" : 27017,
                "version" : "4.4.5",
                "gitVersion" : "ff5cb77101b052fa02da43b8538093486cf9b3f7"
        },
        "ok" : 1
}

這里除了我們上文介紹到的一些引數之外，還多了executionStats引數，含義如下：

引數 含義
executionSuccess 是否執行成功
nReturned 回傳的結果數
executionTimeMillis 執行耗時
totalKeysExamined 索引掃描次數
totalDocsExamined 檔案掃描次數
executionStages 這個分類下描述執行的狀態
stage 掃描方式，具體可選值與上文的相同
nReturned 查詢結果數量
executionTimeMillisEstimate 預估耗時
works 作業單元數，一個查詢會分解成小的作業單元
advanced 優先回傳的結果數
docsExamined 檔案檢查數目，與totalDocsExamined一致

allPlansExecution：用來獲取所有執行計劃，結果引數基本與上文相同，這里就不再細說了，

慢查詢

在MySQL中，慢查詢日志是經常作為我們優化查詢的依據，那在MongoDB中是否有類似的功能呢？答案是肯定的，那就是開啟Profiling功能，該工具在運行的實體上收集有關MongoDB的寫操作，游標，資料庫命令等，可以在資料庫級別開啟該工具，也可以在實體級別開啟，該工具會把收集到的所有都寫入到system.profile集合中，該集合是一個capped collection，

慢查詢分析流程

慢查詢日志一般作為優化步驟里的第一步，通過慢查詢日志，定位每一條陳述句的查詢時間，比如超過了200ms，那么查詢超過200ms的陳述句需要優化，然后它通過 .explain() 決議影響行數是不是過大，所以導致查詢陳述句超過200ms，

所以優化步驟一般就是：

  1. 用慢查詢日志（system.profile）找到超過200ms的陳述句
  2. 然后再通過.explain()決議影響行數，分析為什么超過200ms
  3. 決定是不是需要添加索引

開啟慢查詢

Profiling級別說明
COPY0：關閉，不收集任何資料，
1：收集慢查詢資料，默認是100毫秒，
2：收集所有資料
針對資料庫設定

登錄需要開啟慢查詢的資料庫

COPYuse zips-db

查看慢查詢狀態

COPYdb.getProfilingStatus()

設定慢查詢級別

COPYdb.setProfilingLevel(2)

image-20210507173942330

如果不需要收集所有慢日志，只需要收集小于100ms的慢日志可以使用如下命令

COPYdb.setProfilingLevel(1,200)

注意：

  • 以上要操作要是在test集合下面的話，只對該集合里的操作有效，要是需要對整個實體有效，則需要在所有的集合下設定或則在開啟的時候開啟引數
  • 每次設定之后回傳給你的結果是修改之前的狀態（包括級別、時間引數），
全域設定

在mongoDB啟動的時候加入如下引數

COPYmongod --profile=1  --slowms=200

或則在組態檔里添加2行：

COPYprofile = 1
slowms = 200

這樣就可以針對所有資料庫進行監控慢日志了

關閉Profiling

使用如下命令可以關閉慢日志

COPYdb.setProfilingLevel(0)

image-20210507174338080

Profile 效率

Profiling功能肯定是會影響效率的，但是不太嚴重，原因是他使用的是system.profile 來記錄，而system.profile 是一個capped collection， 這種collection 在操作上有一些限制和特點，但是效率更高，

慢查詢分析

通過 db.system.profile.find() 查看當前所有的慢查詢日志

COPYdb.system.profile.find()

image-20210507174746188

引數含義
COPY{
"op" : "query",  #操作型別，有insert、query、update、remove、getmore、command   
"ns" : "onroad.route_model", #操作的集合
"query" : {
"$query" : {
"user_id" : 314436841,
"data_time" : {
"$gte" : 1436198400
}
},
"$orderby" : {
"data_time" : 1
}
},
"ntoskip" : 0, #指定跳過skip()方法 的檔案的數量，
"nscanned" : 2, #為了執行該操作，MongoDB在 index 中瀏覽的檔案數， 一般來說，如果 nscanned 值高于 nreturned 的值，說明資料庫為了找到目標檔案掃描了很多檔案，這時可以考慮創建索引來提高效率，
"nscannedObjects" : 1,  #為了執行該操作，MongoDB在 collection中瀏覽的檔案數，
"keyUpdates" : 0, #索引更新的數量，改變一個索引鍵帶有一個小的性能開銷，因為資料庫必須洗掉舊的key，并插入一個新的key到B-樹索引
"numYield" : 1,  #該操作為了使其他操作完成而放棄的次數，通常來說，當他們需要訪問還沒有完全讀入記憶體中的資料時，操作將放棄，這使得在MongoDB為了放棄操作進行資料讀取的同時，還有資料在記憶體中的其他操作可以完成
"lockStats" : {  #鎖資訊，R：全域讀鎖；W：全域寫鎖；r：特定資料庫的讀鎖；w：特定資料庫的寫鎖
"timeLockedMicros" : {  #該操作獲取一個級鎖花費的時間，對于請求多個鎖的操作，比如對 local 資料庫鎖來更新 oplog ，該值比該操作的總長要長（即 millis ）
"r" : NumberLong(1089485),
"w" : NumberLong(0)
},
"timeAcquiringMicros" : {  #該操作等待獲取一個級鎖花費的時間，
"r" : NumberLong(102),
"w" : NumberLong(2)
}
},
"nreturned" : 1,  // 回傳的檔案數量
"responseLength" : 1669, // 回傳位元組長度，如果這個數字很大，考慮值回傳所需欄位
"millis" : 544, #消耗的時間（毫秒）
"execStats" : {  #一個檔案,其中包含執行 查詢 的操作，對于其他操作,這個值是一個空檔案， system.profile.execStats 顯示了就像樹一樣的統計結構，每個節點提供了在執行階段的查詢操作情況，
"type" : "LIMIT", ##使用limit限制回傳數  
"works" : 2,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 1,  #是否為檔案結束符
"children" : [
{
"type" : "FETCH",  #根據索引去檢索指定document
"works" : 1,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 0,
"alreadyHasObj" : 0,
"forcedFetches" : 0,
"matchTested" : 0,
"children" : [
{
"type" : "IXSCAN", #掃描索引鍵
"works" : 1,
"yields" : 1,
"unyields" : 1,
"invalidates" : 0,
"advanced" : 1,
"needTime" : 0,
"needFetch" : 0,
"isEOF" : 0,
"keyPattern" : "{ user_id: 1.0, data_time: -1.0 }",
"boundsVerbose" : "field #0['user_id']: [314436841, 314436841], field #1['data_time']: [1436198400, inf.0]",
"isMultiKey" : 0,
"yieldMovedCursor" : 0,
"dupsTested" : 0,
"dupsDropped" : 0,
"seenInvalidated" : 0,
"matchTested" : 0,
"keysExamined" : 2,
"children" : [ ]
}
]
}
]
},
"ts" : ISODate("2015-10-15T07:41:03.061Z"), #該命令在何時執行
"client" : "10.10.86.171", #鏈接ip或則主機
"allUsers" : [
{
"user" : "martin_v8",
"db" : "onroad"
}
],
"user" : "martin_v8@onroad"
}
分析

如果發現 millis 值比較大，那么就需要作優化，

  1. 如果nscanned數很大，或者接近記錄總數（檔案數），那么可能沒有用到索引查詢，而是全表掃描，
  2. 如果 nscanned 值高于 nreturned 的值，說明資料庫為了找到目標檔案掃描了很多檔案，這時可以考慮創建索引來提高效率，
system.profile補充

‘type’的回傳引數說明

COPYCOLLSCAN #全表掃描
IXSCAN #索引掃描
FETCH #根據索引去檢索指定document
SHARD_MERGE #將各個分片回傳資料進行merge
SORT #表明在記憶體中進行了排序（與老版本的scanAndOrder:true一致）
LIMIT #使用limit限制回傳數
SKIP #使用skip進行跳過
IDHACK #針對_id進行查詢
SHARDING_FILTER #通過mongos對分片資料進行查詢
COUNT #利用db.coll.explain().count()之類進行count運算
COUNTSCAN #count不使用Index進行count時的stage回傳
COUNT_SCAN #count使用了Index進行count時的stage回傳
SUBPLA #未使用到索引的$or查詢的stage回傳
TEXT #使用全文索引進行查詢時候的stage回傳
PROJECTION #限定回傳欄位時候stage的回傳

對于普通查詢，我們最希望看到的組合有這些

COPYFetch+IDHACK
Fetch+ixscan
Limit+（Fetch+ixscan）
PROJECTION+ixscan
SHARDING_FILTER+ixscan
等

不希望看到包含如下的type

COPYCOLLSCAN（全表掃），SORT（使用sort但是無index），不合理的SKIP，SUBPLA（未用到index的$or）

最后說一句(求關注，別白嫖我)

如果這篇文章對您有所幫助，或者有所啟發的話，幫忙掃描下發二維碼關注一下，您的支持是我堅持寫作最大的動力，

求一鍵三連：點贊、轉發、在看，

本文由傳智教育博學谷狂野架構師教研團隊發布，

如果本文對您有幫助，歡迎關注和點贊；如果您有任何建議也可留言評論或私信，您的支持是我堅持創作的動力，

轉載請注明出處！

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/549734.html

標籤：其他

上一篇：Python property、setter、deleter

下一篇：Go語言入門5（map哈希表）

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態，例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1：當函式不可能拋出例外或不能接受拋出例外時，使用noexcept 理由 如果不打算拋出例外的話，程式就會認為無法處理這種錯誤，并且應當盡早終止，如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接：https://codeforces.com/problemset/problem/1400/E 來源：Codeforces 思路：給你一個陣列，現在你可以進行兩種操作，操作1：將一段沒有 0 的區間進行減一的操作，操作2：將 i 位置上的元素歸零。最終問：將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯，就附帶了一個自己的翻譯版本 思考 這一題，它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數，這里就不慢慢介紹了。但是，重讀題，我們突然發現反向質數都是 $7$ 位，而將它反過來后的數字卻是 $6$ 位數，這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記：C++中的 const 變數詳解，教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中，會分配記憶體（也就是說可以通過地址間接修改變數的值）。測驗代碼如下： 運行結果： 2、全域const變數存放在只讀資料段（不能通過地址修改，會發生寫入錯誤）， 默認為外部聯編，可以給其他源檔案使用（需要用extern關鍵字修飾） 運行結果： ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中，添加資源 2. 點擊新添加的資源，復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案，編輯，使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索，點擊查找全部，然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h，在其中預先定義好宏 ID（不清楚其實ID值應該設定多少，可以先新建一個相同的資源項，再在這個資源的ID值的基礎上遞增即可） 2. 在資源視圖中選中專案資源，按F7編輯資源檔案，按 ID 型別 相對路徑的形式添加 資源。（別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記：關于C++的參考型別，專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考，也叫別名。 參考就是給一個變數名取一個變數名，方便我們間接地使用這個變數。我們可以給一個變數創建N個參考，這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間，占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名，但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++：初學者完整指南

    眾所周知，C ++的學習曲線陡峭，但是花時間學習這種語言將為您的職業帶來奇跡，并使您與其他開發人員區分開。您會更輕松地學習新語言，形成真正的解決問題的技能，并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣（即清晰一致的編碼風格，在撰寫代碼時注釋代碼，并限制類內部的可見性），并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標（smart pointers）是一類資料結構，是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標（pointer）是一個包含記憶體地址的變數的通用概念。這個地址參考，或 ” 指向”（points at）一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身，參考傳遞（如果傳遞的值需要實體化到堆里）如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如： 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號：Hunter后端 原文鏈接：Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類，Extract() 和 Trunc() Extract() 函式作用是提取日期，比如我們可以提取一個日期欄位的年份，月份，日等資料 Trunc() 的作用則是截取，比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM？ JVM，全稱Java Virtual Machine（Java虛擬機），是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊，使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息！

    更新完微信服務號的模板訊息之后，我又趕緊把微信小程式的訂閱訊息給實作了！之前我一直以為微信小程式也是要企業才能申請，沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類： 位元組緩沖流：BufferedInputStream，BufferedOutputStream 字符緩沖流：BufferedReader，BufferedWriter 緩沖流的基本原理，是在創建流物件時，會創建一個內置的默認大小的緩沖區陣列，通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說，人太懶了，現在基本都不喜歡寫筆記了，但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的，寫的注釋挺全的，應該直接看得懂，就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景：視頻分段傳輸、視頻多段傳輸（理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發，從基本到高級概念，包括簡介，UWP，第一個應用程式，商店，XAML控制元件，資料系結，XAML性能，自適應設計，自適應UI，自適應代碼，檔案管理，SQLite資料庫，應用程式到應用程式通信，應用程式本地化，應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more

Copyright © 2010-2020 有解無憂