基于MongoDB数据库索引构建情况全面分析(mongodb使用案例)

推荐整理分享基于MongoDB数据库索引构建情况全面分析(mongodb使用案例)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:mongodb数据库基本操作,mongodb 设计数据模型,基于mongodb的数据分析,基于mongodb的数据分析,mongodb使用案例,mongodb 设计数据模型,mongodb数据处理,基于mongodb的数据分析,内容如对您有帮助，希望把文章链接给更多的朋友！

前面的话

本文将详细介绍MongoDB数据库索引构建情况分析

概述

创建索引可以加快索引相关的查询，但是会增加磁盘空间的消耗，降低写入性能。这时，就需要评判当前索引的构建情况是否合理。有4种方法可以使用

1、mongostat工具

2、profile集合介绍

3、日志

4、explain分析

mongostat

mongostat是mongodb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果发现数据库突然变慢或者有其他问题的话，首先就要考虑采用mongostat来查看mongo的状态

mongostat是查看mongodb运行状态的程序，使用方式如下

mongostat -h ip:port

【字段说明】

【实例】

插入条数据，并打开mongostat查询mongodb运行状态

由下图看出，插入值insert值在插入数据时大量增加，在插入完毕后变成0。flush两个1之间的间隔时间很长，说明性能还不错；res在慢慢上升，没有出现突然下降的情况，说明没有其他的程序大量占用内容的情况；qrw及arw数据很小，说明数据库读写状态正常，负载较小。总体而言，mongodb数据库运行状态良好

profile

mongodb可以通过profile来监控数据，进行优化

【级别】

首先，要查看当前是否开启profile功能

使用下面的命令会返回level等级，值为0|1|2，0代表关闭，即不记录任何操作；1代表记录慢命令(默认值为ms)，即记录运行时间超过ms的操作；2代表全部，即记录任何操作

使用下面的命令可以设置level等级

如下图所示，默认地，profile关闭。使用setProfilingLevel()方法以ms慢命令的方式开启profile

【状态】

操作被记录到system.profile集合中

通过db.system.profile.find() 查看当前的监控日志

【使用】

在系统中开启profile之后，如果profile记录的数据非常大，会比较明显的降低系统的性能。因此，profile的使用场景一般是新系统上线之前的测试阶段，以及刚上线时的观察阶段，查看数据库的设计及应用程序的使用是否正常。如果profile记录了大量的字段，需要调整系统附在、调整索引等，减小它的大小

日志

在配置日志文件时，可以使用verbose参数来配置日志详细程度，参数值从'v'到'vvvvv'，'v'越多，详细度越高

日志会记录mongodb的运行状态，包括连接时间、当前正在进行的操作等

explain

MongoDB 提供了一个 explain 命令让我们获知系统如何处理查询请求。利用 explain 命令，可以很好地观察系统如何使用索引来加快检索，同时可以针对性优化索引

explain有三种模式，分别是：queryPlanner、executionStats、allPlansExecution。现实开发中，常用的是executionStats模式

首先，插入万条数据

在time字段上建立索引

接着，寻找time范围在和之间的文档，并使用explain()

结果分为queryPlanner、executionStats和serverInfo三个部分。接下来，将分别对这三个部分的结果进行详细分析

【queryPlanner】

queryPlanner.plannerVersion: 版本

queryPlanner.namespace: 查询的表

queryPlanner.indexFilterSet: 针对该query是否有indexfilter

queryPlanner.parsedQuery: 查询条件

queryPlanner.winningPlan: 查询优化器针对该query所返回的最优执行计划的详细内容

queryPlanner.winningPlan.stage: 最优执行计划的stage

queryPlanner.winningPlan.inputStage: 用来描述子stage，并且为其父stage提供文档和索引关键字。

queryPlanner.winningPlan.inputstage.stage，此处是IXSCAN，表示进行的是index scanning

queryPlanner.winningPlan.inputstage.keyPattern: 索引键值对

queryPlanner.winningPlan.inputstage.indexName：索引名称

queryPlanner.winningPlan.inputstage.isMultiKey: 是否是Multikey，此处返回是false，如果索引建立在array上，此处将是true

queryPlanner.winningPlan.inputstage.direction：查询顺序，此处是forward，如果用了.sort({time:-1})将显示backward

queryPlanner.winningPlan.inputstage.indexBounds: 所扫描的索引范围

queryPlanner.rejectedPlans：其他执行计划

【executionStats】

executionStats.executionSuccess: 是否成功

executionStats.nReturned: 查询返回条目个数

executionStats.totalKeysExamined: 索引扫描条目个数

executionStats.totalDocsExamined: 文档扫描条目个数

executionStats.executionStages.stage: 扫描类型

executionStats.executionTimeMillis: 整体查询时间

executionStats.executionStages.executionTimeMillisEstimate: 根据索引检索文档获得数据的时间

executionStats.executionStages.inputStage.executionTimeMillisEstimate: 扫描索引所用时间

【serverInfo】

serverInfo.host: 主机名

serverInfo.port: 端口

serverInfo.version: 版本

serverInfo.gitVersion: git版本

【性能分析】

1、执行时间

executionTimeMillis值越小越好

2、条目数量

最理想的状态是： nReturned=totalKeysExamined=totalDocsExamined

3、stage类型

stage的类型列举如下：

不希望看到包含如下的stage：

以上这篇基于MongoDB数据库索引构建情况全面分析就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持积木网。

Mongodb实现的关联表查询功能【population方法】 本文实例讲述了Mongodb实现的关联表查询功能。分享给大家供大家参考，具体如下：PopulationMongoDB是非关联数据库。但是有时候我们还是想引用其它的文

解决MongoDB 排序超过内存限制的问题 对集合执行一个大排序操作（如聚合），出现以下错误：（测试版本：MongoDB3.0.6）db.bigdata.aggregate({$group:{_id:"$range",total:{$sum:1}}},{$sort:{total:-1}});#...aggregat

在Linux服务器中配置mongodb环境的步骤 1、到mongodb官网下载一个合适的linux环境安装包如下图，放到本地的某个角落，要记得位置哦~2、然后你需要有一个服务器，并进入sshroot@你的IP//回车输