a亚洲精品_精品国产91乱码一区二区三区_亚洲精品在线免费观看视频_欧美日韩亚洲国产综合_久久久久久久久久久成人_在线区

首頁 > 數(shù)據(jù)庫 > MongoDB > 正文

mongodb查詢耗時(shí)的方法是什么?

2024-09-07 00:22:26
字體:
供稿:網(wǎng)友
       文本主要給大家介紹的是關(guān)于MongoDB查詢耗時(shí)的方法,小編覺得比較實(shí)用,因此分享給大家作參考,需要的朋友可以參考參考,下面就跟隨小編一起看看吧。
 
       準(zhǔn)備
 
       在此之前,我們先在我們的數(shù)據(jù)庫中插入10萬條數(shù)據(jù)。數(shù)據(jù)的格式是這樣的:
 
{
 "name":"your name",
 "age":22,
 "gender":"male",
 "grade":2
}
       explain
 
       explain方法是用來查看db.collecion.find()的一些查詢信息的。例如:
 
db.collectionName.find().explain()
       explain方法有個(gè)可選的參數(shù)verbose,是個(gè)字符串,他表示的是verbose的模式。一共分為3種模式:
 
       queryPlanner:默認(rèn)參數(shù),詳細(xì)說明查詢優(yōu)化器選擇的計(jì)劃并列出被拒絕的計(jì)劃。例如:
db.students.find({grade:1}).explain()
 
 
       executionStats:MongoDB運(yùn)行查詢優(yōu)化器選擇獲勝的計(jì)劃,執(zhí)行計(jì)劃,完成并返回成功,統(tǒng)計(jì)描述的勝利計(jì)劃的執(zhí)行。例如:
db.students.find({grade:1}).explain("executionStats")
 
       allPlansExecution:MongoDB返回描述獲獎計(jì)劃的執(zhí)行以及對其他候選人統(tǒng)計(jì)計(jì)劃選擇方案時(shí)捕獲的統(tǒng)計(jì)。
       我們的目的是要記錄執(zhí)行find方法的耗時(shí)時(shí)間,所以用executionStats模式就可以了。
 
       返回的結(jié)果也是只關(guān)注executionStats就可以了,如下圖:
 
 
nReturned:表示該查詢條件下返回的文檔數(shù)量。
executionTimeMills:表示執(zhí)行時(shí)間,單位毫秒
totalDocsExamined:表示該集合總共文檔數(shù)。
       其他的屬性在這里就不多說了,記錄耗時(shí)我們只取executionTimeMills.
 
       Profiling
 
       上面提到的方法好像是只適用find方法,對于一些聚合查詢之類的查詢方法就無法統(tǒng)計(jì)耗時(shí)時(shí)間了。這里再介紹一個(gè)profiling方法記錄查詢耗時(shí)時(shí)間。
 
       開啟 Profiling 功能
 
       有兩種方式可以控制 Profiling 的開關(guān)和級別,第一種是直接在啟動參數(shù)里直接進(jìn)行設(shè)置。
啟動MongoDB時(shí)加上-Cprofile=級別 即可。
也可以在客戶端調(diào)用db.setProfilingLevel(級別)命令來實(shí)時(shí)配置。可以通過db.getProfilingLevel()命令來獲取當(dāng)前的Profile級別。
       例如:
 
db.setProfilingLevel(2)
db.getProfilingLevel()
 
 
       Profiling一共分為3個(gè)級別:
0 - 不開啟。
1 - 記錄慢命令 (默認(rèn)為>100ms)
3 - 記錄所有命令
       Profile 記錄在級別1時(shí)會記錄慢命令,那么這個(gè)慢的定義是什么?上面我們說到其默認(rèn)為100ms,當(dāng)然有默認(rèn)就有設(shè)置,其設(shè)置方法和級別一樣有兩種,一種是通過添 加-Cslowms啟動參數(shù)配置。第二種是調(diào)用db.setProfilingLevel時(shí)加上第二個(gè)參數(shù):
 
db.setProfilingLevel( level , slowms)
db.setProfilingLevel( 1 , 10 );
       查詢 Profiling 記錄
 
       開啟profiling功能后,系統(tǒng)會把相關(guān)命令詳細(xì)信息記錄到當(dāng)前數(shù)據(jù)庫的system.profile集合里。查詢方法也是跟普通的集合查詢一樣。
 
db.system.profile.find()
 
 
       其中,mills就是命令耗時(shí)記錄。
       由于我們設(shè)置的級別是2,所以所有命令都有記錄,現(xiàn)在我們把他改為級別1,且只記錄耗時(shí)20毫秒以上的記錄:
 
 db.setProfilingLevel( 1 , 20)
 
 
       然后我們再執(zhí)行一下聚合查詢,查看下耗時(shí)時(shí)間:
 
db.students.aggregate( {$group:{_id:"$grade",avgAge:{$avg:"$age"}}} )
 
 
db.system.profile.find().pretty()
 
       可以看出,我們的這聚合查詢耗時(shí)70毫秒。
 
       profile 部分字段解釋
 
op:操作類型
ns:被查的集合
commond:命令的內(nèi)容
docsExamined:掃描文檔數(shù)
nreturned:返回記錄數(shù)
millis:耗時(shí)時(shí)間,單位毫秒
ts:命令執(zhí)行時(shí)間
responseLength:返回內(nèi)容長度
       下面介紹幾個(gè)常用的查詢命令:
 
       列出執(zhí)行時(shí)間長于某一限度(例如:20ms)的 Profile 記錄.
db.system.profile.find({millis:{$gt:50}})
 
 
       查看最新的 3條Profile 記錄:
db.system.profile.find().sort({$natural:-1}).limit(3)
 
 
       查看關(guān)于某個(gè)collection的相關(guān)慢查詢操作:
db.system.profile.find({ns:'mydb.students'})
       MongoDB 查詢優(yōu)化
 
  docsExamined(掃描的記錄數(shù))遠(yuǎn)大于nreturned(返回結(jié)果的記錄數(shù))的話,那么我們就要考慮通過加索引來優(yōu)化記錄定位了。
  responseLength 如果過大,那么說明我們返回的結(jié)果集太大了,這時(shí)請查看find函數(shù)的第二個(gè)參數(shù)是否只寫上了你需要的屬性名。(類似 于MySQL中不要總是select)
  對于創(chuàng)建索引的建議是:如果很少讀,那么盡量不要添加索引,因?yàn)樗饕蕉啵瑢懖僮鲿铰H绻x量很大,那么創(chuàng)建索引還是比較劃算的。
 
       Profiler 的效率
 
  Profiling 功能肯定是會影響效率的,但是不太嚴(yán)重,原因是他使用的是system.profile 來記錄,而system.profile 是一個(gè)capped collection 這種collection 在操作上有一些限制和特點(diǎn),但是效率更高。

(編輯:武林網(wǎng))

發(fā)表評論 共有條評論
用戶名: 密碼:
驗(yàn)證碼: 匿名發(fā)表
主站蜘蛛池模板: 免费观看成人毛片 | 极品白嫩少妇无套内谢 | 97国产一区二区精品久久呦 | 国产精品视频久久 | 亚洲视频手机在线 | 中文字幕 欧美 日韩 | 亚洲精品二区三区 | 伊人网国产 | av在线一区二区 | av在线免费观看网站 | 欧美成人在线影院 | 热99re久久免费视精品频软件 | 亚洲色图综合网 | 欧洲精品一区二区 | 亚洲免费在线视频 | 国产一区二区三区精品久久久 | 黄色毛片免费看 | 综合一区二区三区 | 毛片毛片毛片 | 国产成人aaa | 午夜国产精品视频 | 日韩欧美在线播放 | 毛片毛片毛片毛片毛片毛片毛片毛片毛片毛片 | 亚洲激情在线播放 | av黄色在线 | 精品国产一区二区在线 | 亚洲国产成人在线 | 婷婷网址 | 黄色网址av| 欧美一级片在线观看 | 国产极品久久 | 91免费观看| 精品视频一区二区 | 亚洲精品一区二区三区 | av资源中文在线天堂 | 最新日韩av网址 | 国产精品激情偷乱一区二区∴ | 九九热有精品 | 国产视频网 | 国产成人免费视频网站高清观看视频 | 色综合久久久 |