mongoDB 性能优化

前言

  如果您觉得有用的话，记得给博主点个赞，评论，收藏一键三连啊，写作不易啊^ _ ^。
  而且听说点赞的人每天的运气都不会太差，实在白嫖的话，那欢迎常来啊!!!

---

mongoDB 性能优化

1. explain方法来查看查询的执行计划

使用explain方法来查看查询的执行计划。explain方法提供了关于查询性能的详细信息，包括查询使用的索引、文档的扫描数量等。

db.collection.find(query).explain("executionStats")
1

executionStats参数告诉MongoDB只返回执行统计信息。
示例:

执行上述查询后，MongoDB会返回一个包含执行计划信息的文档。你可以查看该文档来分析查询的性能。

• plannerVersion: 查询规划器的版本。
• namespace: 查询的命名空间（数据库和集合）。
• executionSuccess: 指示查询是否成功执行。
• nReturned: 返回的文档数量。
• executionTimeMillis: 查询的执行时间（以毫秒为单位）。

• winningPlan，它提供了MongoDB选择的执行计划的详细信息，包括使用的索引、扫描的文档数量等。
  winningPlan是MongoDB查询执行计划中的一个关键部分，它描述了MongoDB选择的执行计划，包括使用的索引、查询策略等。分析winningPlan可以帮助你了解MongoDB是如何执行查询的，以便更好地优化查询性能。
  以下是一些常见的要点，可以帮助你分析winningPlan：

1. 查询的阶段（Stage）： winningPlan中的stage字段描述了MongoDB执行查询的主要阶段。常见的阶段包括COLLSCAN（集合扫描）、IXSCAN（索引扫描）、FETCH（从索引中获取文档）等。了解查询的主要阶段有助于确定查询性能的瓶颈。
2. 索引使用： 如果winningPlan中的阶段是IXSCAN，表示MongoDB正在使用一个或多个索引来执行查询。你可以查看winningPlan中的inputStage字段，以了解使用的具体索引。优化索引的选择和使用可以显著提高查询性能。
3. 筛选条件： winningPlan中的filter字段描述了用于筛选文档的条件。这可以帮助你确定MongoDB是否有效地使用索引来减少文档扫描的数量。
4. 索引覆盖： 如果winningPlan中的阶段是FETCH，表示MongoDB在索引扫描后需要额外的步骤来获取文档。优化查询性能的一种方式是尽量让索引覆盖查询，即索引本身包含了查询所需的字段，而无需额外获取文档。
5. 文档数量： winningPlan中通常包括有关查询返回的文档数量的信息，如nReturned。这对于评估查询的效率和性能至关重要。
6. 排序和限制： 如果查询中包括排序和限制条件，winningPlan中也会包含这些信息。排序和限制条件可能会影响查询性能，特别是如果没有适当的索引支持。
7. 索引覆盖： 查询计划中的 indexOnly 指示是否使用了索引覆盖，即查询结果是否可以完全从索引中获取，而无需额外的文档检索。索引覆盖可以显著提高查询性能。
8. 其他信息： winningPlan中可能还包含其他信息，例如direction字段用于表示索引扫描的方向（正向或反向），以及其他执行计划相关的信息。
   综合分析上述信息，你可以确定查询性能的瓶颈，并采取相应的优化措施，例如创建合适的索引、调整查询条件、减少文档扫描等，以提高查询的效率和性能。请注意，分析查询计划可能需要一定的经验，特别是在复杂的查询场景中，但它是优化MongoDB查询性能的关键步骤。

2. 查看mongoDB 集合的索引

use your_database 
db.myCollection.getIndexes()
1
2

示例:

1. key: 这部分指示了索引的字段和排序方式。在你的示例中，“_id”: 1 表示这个索引是基于 _id 字段创建的，而 1 表示按升序排序。MongoDB默认为每个集合创建一个唯一索引，用于快速查找文档。
2. name: 这是索引的名称。在你的示例中，索引名称是 “id”，这是默认的命名规则，通常是字段名加下划线。
3. ns: 这是索引所属的命名空间。在你的示例中，索引属于 “scfop-api-partner” 数据库中的 “dataSyncRequestVO” 集合。
4. v: 这是索引版本的信息。在你的示例中，版本号为 2，这表示索引是MongoDB的版本2索引格式。
   总结来说，这个输出告诉你在 “scfop-api-partner” 数据库的 “dataSyncRequestVO” 集合上存在一个名为 “id” 的索引，它是一个升序索引，用于加速对 _id 字段的查找。这个索引通常是自动生成的，以确保每个文档都有唯一的 _id 值，这是MongoDB文档的默认主键。

3. mongoDB 怎么添加索引

使用db.collection.createIndex()方法来创建索引。这个方法用于在指定集合上创建一个或多个索引。

这将在名为 “yourCollection” 的集合上创建一个基于 “yourField” 字段的升序索引。

db.yourCollection.createIndex({ yourField: 1 });
1

创建多个单索引:

db.yourCollection.createIndexes([{'yourField':1},{'yourField':1},{'yourField':1}])
1

如果你想创建一个复合索引（多个字段的组合索引），可以传递一个包含多个字段和排序方式的对象：

db.yourCollection.createIndex({ field1: 1, field2: -1 });
1

这将在名为 “yourCollection” 的集合上创建一个基于 “field1” 字段升序和 “field2” 字段降序的复合索引。

你也可以指定其他选项来定制索引，例如唯一索引、稀疏索引等。这些选项可以作为第二个参数传递给 createIndex() 方法。

db.yourCollection.createIndex({ yourField: 1 }, { unique: true, sparse: true });
1

在这个例子中，我们创建了一个唯一索引，该索引只包含具有 “yourField” 字段的文档，并且该字段可以有缺失值（稀疏索引）。
记得在使用索引前，要考虑你的数据模型、查询模式和性能需求来选择合适的索引策略。索引可以显著提高查询效率，但不当使用也可能会导致资源浪费和性能下降。

4. 升序索引与降序索引是什么意思

升序索引（Ascending Index）：
升序索引是最常见的索引类型，也是MongoDB默认创建的索引类型。在升序索引中，索引键的值按照从小到大（A到Z、0到9）的顺序排序。升序索引在排序字段上提供了高效的查询性能，因为它使得MongoDB可以快速定位和遍历索引，尤其是在范围查询（例如 $gt、$lt）和排序操作中。
在MongoDB中，如果你创建一个索引而没有明确指定排序方式，MongoDB将默认使用升序索引。
例如，以下命令将创建一个基于字段 fieldName 的升序索引：

db.collection.createIndex({ fieldName: 1 });
1

降序索引（Descending Index）：
降序索引与升序索引相反，它按照从大到小（Z到A、9到0）的顺序排序索引键的值。降序索引在某些查询场景中也可以提供性能优势，尤其是在需要按照字段降序排序的查询操作中。
你可以通过将字段的排序方式设置为 -1 来创建一个降序索引。例如：

db.collection.createIndex({ fieldName: -1 });
1

这将创建一个基于 fieldName 字段的降序索引。
需要注意的是，使用降序索引可能会增加索引的维护成本，因为MongoDB需要额外的空间和计算来维护降序索引。因此，在选择索引排序方式时，需要根据实际的查询需求和性能测试结果来决定。