0 摘要
在MySQL中，慢查询日志是经常作为我们优化查询的依据，那在MongoDB中是否有类似的功能呢？答案是肯定的，那就是开启Profiling功能。该工具在运行的实例上收集有关MongoDB的写操作，游标，数据库命令等，可以在数据库级别开启该工具，也可以在实例级别开启。该工具会把收集到的所有都写入到system.profile集合中，该集合是一个capped collection。更多的信息见：http://docs.mongodb.org/manual/tutorial/manage-the-database-profiler/
1 慢查询分析流程
慢查询日志一般作为优化步骤里的第一步。通过慢查询日志，定位每一条语句的查询时间。比如超过了200ms，那么查询超过200ms的语句需要优化。然后它通过 .explain() 解析影响行数是不是过大，所以导致查询语句超过200ms。
所以优化步骤一般就是：
1.用慢查询日志（system.profile）找到超过200ms的语句
2.然后再通过.explain()解析影响行数，分析为什么超过200ms
3.决定是不是需要添加索引
2 开启慢查询
2.1 Profiling级别说明
| 1 2 3 | 0：关闭，不收集任何数据。1：收集慢查询数据，默认是100毫秒。2：收集所有数据 |
2.2 开启Profiling和设置
1：通过mongo shell:
需要进入server
mongo 而不是路由器mongoos
| 1 2 3 4 5 6 7 8 9 10 11 12 | #查看状态：级别和时间PRIMARY> db.getProfilingStatus(){ "was" : 1, "slowms" : 200 }#查看级别PRIMARY> db.getProfilingLevel()1#设置级别PRIMARY> db.setProfilingLevel(2){ "was" : 1, "slowms" : 100, "ok" : 1 }#设置级别和时间PRIMARY> db.setProfilingLevel(1,200){ "was" : 2, "slowms" : 100, "ok" : 1 } |
注意：
1 以上要操作要是在test集合下面的话，只对该集合里的操作有效，要是需要对整个实例有效，则需要在所有的集合下设置或则在开启的时候开启参数
2 每次设置之后返回给你的结果是修改之前的状态（包括级别、时间参数）。
2：不通过mongo shell:
在mongoDB启动的时候
| 1 | mongod --profile=1 --slowms=200 |
或则在配置文件里添加2行：
| 1 2 | profile = 1slowms = 200 |
3：关闭Profiling
| 1 2 3 | # 关闭PRIMARY> db.setProfilingLevel(0){ "was" : 1, "slowms" : 200, "ok" : 1 } |
4：修改“慢查询日志”的大小
| 1 2 3 4 5 6 7 8 9 10 11 12 | #关闭ProfilingPRIMARY> db.setProfilingLevel(0){ "was" : 0, "slowms" : 200, "ok" : 1 }#删除system.profile集合PRIMARY> db.system.profile.drop()true#创建一个新的system.profile集合 --- 4MPRIMARY> db.createCollection( "system.profile", { capped: true, size:4000000 } ){ "ok" : 1 }#重新开启ProfilingPRIMARY> db.setProfilingLevel(1){ "was" : 0, "slowms" : 200, "ok" : 1 } |
注意：要改变Secondary的system.profile的大小，你必须停止Secondary，运行它作为一个独立的mongodb，然后再执行上述步骤。完成后，重新启动加入副本集。
2.3 Profile 效率
Profiling功能肯定是会影响效率的，但是不太严重，原因是他使用的是system.profile 来记录，而system.profile 是一个capped collection， 这种collection 在操作上有一些限制和特点，但是效率更高。
3 慢查询(system.profile)分析
通过 db.system.profile.find() 查看当前所有的慢查询日志，下面的例子说明各个参数的含义，更多信息见：http://docs.mongodb.org/manual/reference /database-profiler/
3.1：参数含义 -- (这是一个query 类型的 慢查询)
{"op" : "query", #操作类型，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, #指定跳过skip()方法 的文档的数量。"nscanned" : 2, #为了执行该操作，MongoDB在 index 中浏览的文档数。 一般来说，如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。"nscannedObjects" : 1, #为了执行该操作，MongoDB在 collection中浏览的文档数。"keyUpdates" : 0, #索引更新的数量，改变一个索引键带有一个小的性能开销，因为数据库必须删除旧的key，并插入一个新的key到B-树索引"numYield" : 1, #该操作为了使其他操作完成而放弃的次数。通常来说，当他们需要访问还没有完全读入内存中的数据时，操作将放弃。这使得在MongoDB为了放弃操作进行数据读取的同时，还有数据在内存中的其他操作可以完成"lockStats" : { #锁信息，R：全局读锁；W：全局写锁；r：特定数据库的读锁；w：特定数据库的写锁"timeLockedMicros" : { #该操作获取一个级锁花费的时间。对于请求多个锁的操作，比如对 local 数据库锁来更新 oplog ，该值比该操作的总长要长（即 millis ）"r" : NumberLong(1089485),"w" : NumberLong(0)},"timeAcquiringMicros" : { #该操作等待获取一个级锁花费的时间。"r" : NumberLong(102),"w" : NumberLong(2)}},"nreturned" : 1, // 返回的文档数量"responseLength" : 1669, // 返回字节长度，如果这个数字很大，考虑值返回所需字段"millis" : 544, #消耗的时间（毫秒）"execStats" : { #一个文档,其中包含执行 查询 的操作，对于其他操作,这个值是一个空文件， system.profile.execStats 显示了就像树一样的统计结构，每个节点提供了在执行阶段的查询操作情况。"type" : "LIMIT", ##使用limit限制返回数 "works" : 2,"yields" : 1,"unyields" : 1,"invalidates" : 0,"advanced" : 1,"needTime" : 0,"needFetch" : 0,"isEOF" : 1, #是否为文件结束符"children" : [{"type" : "FETCH", #根据索引去检索指定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", #扫描索引键"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"), #该命令在何时执行"client" : "10.10.86.171", #链接ip或则主机"allUsers" : [{"user" : "martin_v8","db" : "onroad"}],"user" : "martin_v8@onroad"
}
3.2: 分析
如果发现 millis 值比较大，那么就需要作优化。
1 如果nscanned数很大，或者接近记录总数（文档数），那么可能没有用到索引查询，而是全表扫描。
2 如果 nscanned 值高于 nreturned 的值，说明数据库为了找到目标文档扫描了很多文档。这时可以考虑创建索引来提高效率。
3.3 system.profile补充
‘type’的返回参数说明：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | COLLSCAN #全表扫描IXSCAN #索引扫描FETCH #根据索引去检索指定documentSHARD_MERGE #将各个分片返回数据进行mergeSORT #表明在内存中进行了排序（与老版本的scanAndOrder:true一致）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 |
对于普通查询，我们最希望看到的组合有这些：
| 1 2 3 4 5 6 | Fetch+IDHACKFetch+ixscanLimit+（Fetch+ixscan）PROJECTION+ixscanSHARDING_FILTER+ixscan等 |
不希望看到包含如下的type：
| 1 | COLLSCAN（全表扫），SORT（使用sort但是无index），不合理的SKIP，SUBPLA（未用到index的$or） |
对于count查询，希望看到的有：
| 1 | COUNT_SCAN |
不希望看到的有:
| 1 | COUNTSCAN |
4 性能（explain）分析
SECONDARY> db.route_model.find({ "user_id" : 313830621, "data_time" : { "$lte" : 1443715200, "$gte" : 1443542400 } }).explain()
{"cursor" : "BtreeCursor user_id_1_data_time_-1", #返回游标类型，有BasicCursor和BtreeCursor，后者意味着使用了索引。"isMultiKey" : false,"n" : 23, #返回的文档行数。"nscannedObjects" : 23, #这是MongoDB按照索引指针去磁盘上查找实际文档的次数。如果查询包含的查询条件不是索引的一部分，或者说要求返回不在索引内的字段，MongoDB就必须依次查找每个索引条目指向的文档。"nscanned" : 23, #如果有使用索引，那么这个数字就是查找过的索引条目数量，如果本次查询是一次全表扫描，那么这个数字就代表检查过的文档数目"nscannedObjectsAllPlans" : 46,"nscannedAllPlans" : 46,"scanAndOrder" : false, #MongoDB是否在内存中对结果集进行了排序"indexOnly" : false, #MongoDB是否只使用索引就能完成此次查询"nYields" : 1, #为了让写入请求能够顺利执行，本次查询暂停暂停的次数。如果有写入请求需求处理，查询会周期性的释放他们的锁，以便写入能够顺利执行"nChunkSkips" : 0,"millis" : 1530, #数据库执行本次查询所耗费的毫秒数。这个数字越小，说明效率越高"indexBounds" : { #这个字段描述了索引的使用情况，给出了索引的遍历范围"user_id" : [[313830621,313830621]],"data_time" : [[1443715200,1443542400]]},"server" : "a7cecd4f9295:27017","filterSet" : false,"stats" : {"type" : "FETCH","works" : 25,"yields" : 1,"unyields" : 1,"invalidates" : 0,"advanced" : 23,"needTime" : 0,"needFetch" : 0,"isEOF" : 1,"alreadyHasObj" : 0,"forcedFetches" : 0,"matchTested" : 0,"children" : [{"type" : "IXSCAN",#这里使用了索引"works" : 23,"yields" : 1,"unyields" : 1,"invalidates" : 0,"advanced" : 23,"needTime" : 0,"needFetch" : 0,"isEOF" : 1,"keyPattern" : "{ user_id: 1.0, data_time: -1.0 }","boundsVerbose" : "field #0['user_id']: [313830621.0, 313830621.0], field #1['data_time']: [1443715200.0, 1443542400.0]","isMultiKey" : 0,"yieldMovedCursor" : 0,"dupsTested" : 0,"dupsDropped" : 0,"seenInvalidated" : 0,"matchTested" : 0,"keysExamined" : 23,"children" : [ ]}]}
} 详细解释 : https://docs.mongodb.org/manual/reference/database-profiler/
这里的分析类似于 system.profile
5 日常使用的慢日志（system.profile）查询
#返回最近的10条记录
| 1 | db.system.profile.find().limit(10).sort({ ts : -1 }).pretty() |
#返回所有的操作，除command类型的
| 1 | db.system.profile.find( { op: { $ne : ‘command‘ } }).pretty() |
#返回特定集合
| 1 | db.system.profile.find( { ns : ‘mydb.test‘ } ).pretty() |
#返回大于5毫秒慢的操作
| 1 | db.system.profile.find({ millis : { $gt : 5 } } ).pretty() |
#从一个特定的时间范围内返回信息
| 1 2 3 4 5 6 7 8 | db.system.profile.find( { ts : { $gt : new ISODate("2015-10-18T03:00:00Z"), $lt : new ISODate("2015-10-19T03:40:00Z") } } ).pretty() |
#特定时间，限制用户，按照消耗时间排序
| 1 2 3 4 5 6 7 8 9 | db.system.profile.find( { ts : { $gt : newISODate("2015-10-12T03:00:00Z") , $lt : newISODate("2015-10-12T03:40:00Z") } }, { user : 0 } ).sort( { millis : -1 } ) |
#查看最新的 Profile 记录：
| 1 | db.system.profile.find().sort({$natural:-1}).limit(1) |
# 显示5个最近的事件
| 1 | show profile |
6 对慢查询语句建索引
详细请见下一篇博文
)
