MongoDB profile分析慢查询 MongoDB使用profile分析慢查询的步骤
DBA随笔 人气:0在MongoDB中,如果发生了慢查询,我们如何得到这些慢查询的语句,并优化呢?今天来看这块儿的一些心得。
01 如何收集慢查询?
在MongoDB中,通常可以开启profile来收集慢日志,查看当前profile状态的语句如下:
test1:PRIMARY> db.getProfilingStatus() { "was" : 2, "slowms" : 0, "sampleRate" : 1, "$gleStats" : { "lastOpTime" : Timestamp(0, 0), "electionId" : ObjectId("7fffffff0000000000000005") }, "lastCommittedOpTime" : Timestamp(1619186976, 2), "$configServerState" : { "opTime" : { "ts" : Timestamp(1619186976, 1), "t" : NumberLong(2) } }, "$clusterTime" : { "clusterTime" : Timestamp(1619186976, 2), "signature" : { "hash" : BinData(0,"zvwFpgc0KFxieMpj7mBPdrOnonI="), "keyId" : NumberLong("6904838687771590657") } }, "operationTime" : Timestamp(1619186976, 2) }
这里我们可以看到2个关键参数,分别是was和slowms,其中:
was=0,代表不记录任何的语句;
was=1,代表记录执行时间超过slowms的语句
was=2,代表记录所有的语句
slowms代表语句的阈值,单位是ms
上图中的结果代表我们的实例会收集所有的查询语句。profile收集的查询语句结果存放在admin数据库中的system.profile集合中,可以通过下面的方法进行访问:
test1:PRIMARY> use admin switched to db admin test1:PRIMARY> db.system.profile.find({'op':'query'},{'op':1,'ns':1,'millis':1,'ts':1}) { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:14.815Z") } { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.139Z") } { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.141Z") } { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:15.239Z") } { "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.155Z") } { "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.192Z") } { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.225Z") } { "op" : "query", "ns" : "admin.system.users", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.273Z") } { "op" : "query", "ns" : "admin.system.version", "millis" : 0, "ts" : ISODate("2020-08-27T07:22:16.276Z") }
02 system.profile慢查询集合分析
admin数据库中的system.profile是一个固定集合,保存着超过设置的慢查询的结果。我们来看里面的一条慢查询。
利用下面的方法,来拿到一条数据,并对其中的关键字段进行注释说明:
test1:PRIMARY> db.system.profile.findOne({'op':'query'}) { "op" : "query", # 操作类型 "ns" : "admin.system.users", # 命名空间 "command" : { "find" : "system.users", "filter" : { "_id" : "admin.root" # 过滤的字段 }, "limit" : 1, "singleBatch" : true, "lsid" : { "id" : UUID("a6034f5e-77c1-4b19-9669-60e1253edf4b") }, "$readPreference" : { "mode" : "secondaryPreferred" }, "$db" : "admin" }, "keysExamined" : 1, # 扫描的索引数 "docsExamined" : 1, # 扫描的行数 "cursorExhausted" : true, "numYield" : 0, "nreturned" : 1, # 返回的值的行数 "locks" : { xxxx # 锁信息 }, "flowControl" : { }, "storage" : { }, "responseLength" : 647, "protocol" : "op_query", "millis" : 0, # 这个查询的执行时间,因为我们设置的profilestatus是0,因此所有操作都被记录了。 "planSummary" : "IDHACK", # 针对_id进行查询 "execStats" : { # 查询执行状态 "stage" : "IDHACK", "nReturned" : 1, "executionTimeMillisEstimate" : 0, "works" : 2, "advanced" : 1, "needTime" : 0, "needYield" : 0, "saveState" : 0, "restoreState" : 0, "isEOF" : 1, "keysExamined" : 1, "docsExamined" : 1 }, "ts" : ISODate("2020-08-27T07:22:14.815Z"), "client" : "xx.xx.xx.xx", # 查询的客户端IP地址 "allUsers" : [ # 所有的用户信息 { "user" : "root", "db" : "admin" } ], "user" : "root@admin" # 使用的用户信息 }
03 慢查询分析利器---explain
通常情况下,我们可以使用MongoDB的explain语法来分析一个语句的查询性能,包含是否用到索引、扫描行数等信息,explain语法的基本用法:
后置写法 db.system.profile.find({'op':'query'}).explain() 前置写法 db.system.profile.explain().find({'op':'query'})
其中,explain可以放在查询语句的后面或者前面,当然find语法也可以是update、remove、insert
explain语法的输出分为3种不同的详细程度,分别如下:
三种清晰度模式,清晰度越高,则输出的信息越全,默认情况下是queryPlanner:
1、queryPlanner模式(默认)
db.products.explain().count( { quantity: { $gt: 50 } } )2、executionStats模式
db.products.explain("executionStats").count( { quantity: { $gt: 50 } } )3、allPlansExecution模式
db.products.explain("allPlansExecution").count( { quantity: { $gt: 50 } } )
其中,allPlansExecution模式输出的信息最多。
下面是一个explain语法的输出内容,查询的SQL如下:
db.getCollection('files').find( {"cTime":{ "$gte":ISODate("2021-04-18"), "$lt":ISODate("2021-04-19") }}).limit(1000).explain("allPlansExecution")
输出的结果如下:
{ "queryPlanner" : { # 代表查询的执行计划 "plannerVersion" : 1, # 版本号 "namespace" : "fs.files", # 查询的命名空间,也就是集合名称 "indexFilterSet" : false, # 是否使用了索引过滤,注意,它并不能判定是否使用了索引 "parsedQuery" : { # 查询语法解析树 "$and" : [ { "cTime" : { "$lt" : ISODate("2021-04-19T00:00:00Z") } }, { "cTime" : { "$gte" : ISODate("2021-04-18T00:00:00Z") } } ] }, "winningPlan" : { # 最终选择的查询计划 "stage" : "LIMIT", # 查询的阶段,很重要,下面详细介绍 "limitAmount" : 1000, # 查询结果的limit值 "inputStage" : { "stage" : "FETCH", "inputStage" : { "stage" : "IXSCAN", # 代表索引扫描 "keyPattern" : { "cTime" : 1 }, "indexName" : "cTime_1", # 索引名称 "isMultiKey" : false, # 下面4个字段都是索引类型分析 "isUnique" : false, "isSparse" : false, "isPartial" : false, "indexVersion" : 1, "direction" : "forward", "indexBounds" : { "cTime" : [ "[new Date(1618704000000), new Date(1618790400000))" ] } } } }, "rejectedPlans" : [ ] # 候选的没被选中的查询计划 }, "serverInfo" : { "host" : "xxxx", "port" : 24999, "version" : "3.2.8", "gitVersion" : "ed70e33130c977bda0024c125b56d159573dbaf0" }, "ok" : 1 }
首先解释下stage的几个阶段:
- COLLSCAN---全表扫描
- IXSCAN---索引扫描
- FETCH---根据索引去检索文档
- SHARD_MERGE---合并分片结果
- IDHACK---针对id进行查询
- LIMIT---执行limit
了解了这些stage的阶段之后,我们可以看到,一个查询的过程是一层一层解析的,所以可以看到,stage这个字段有嵌套的情况。winningPlan中的执行计划也是按照一层一层的顺序去执行:
1、先执行最内层的索引扫描(IXSCAN);
2、再执行外面的FETCH,根据索引去拿文档
3、执行最后一步的limit,取指定数目个结果返回给客户端
加载全部内容