MongoDB - 分析查询

MongoDB - 分析查询性能

理解和分析查询性能对于构建可扩展且高效的应用程序至关重要。一个精心设计的索引策略可以显著提高数据库性能。在本章中，我们将探讨用于查询分析的现代工具和命令，主要关注 explain() 方法和 hint() 修饰符。

现代 `explain()` 方法

explain() 方法提供了 MongoDB 如何执行查询的详细信息。它揭示了是否使用了索引、选择了哪个执行计划，并提供了操作的统计数据。这是诊断慢查询的主要工具。

假设我们有一个 users 集合，并在 status 和 registrationDate 字段上创建了一个复合索引：

// 使用现代 mongosh shell
// 确保索引存在以供测试
db.users.createIndex({ status: 1, registrationDate: -1 });

现在，让我们分析一个查询，该查询查找今年注册的所有“活跃”用户。现代分析的关键是使用 'executionStats' 模式，它会运行查询并提供详细的执行统计信息。

db.users.find(
  {
    status: 'active',
    registrationDate: { $gte: new Date('2024-01-01T00:00:00Z') }
  }
).explain('executionStats');

现代 MongoDB 版本中 explain() 的输出虽然冗长，但信息量极大。让我们分解其关键部分：

/* 现代 explain() 输出的简化示例 */
{
  "queryPlanner": {
    "plannerVersion": 1,
    "namespace": "testdb.users",
    "winningPlan": {
      "stage": "FETCH",
      "inputStage": {
        "stage": "IXSCAN",
        "keyPattern": { "status": 1, "registrationDate": -1 },
        "indexName": "status_1_registrationDate_-1",
        "direction": "forward",
        // ... 其他索引详情
      }
    }
  },
  "executionStats": {
    "executionSuccess": true,
    "nReturned": 50,
    "executionTimeMillis": 5,
    "totalKeysExamined": 50,
    "totalDocsExamined": 50,
    "executionStages": {
      // ... 每个阶段执行的详细分解
    }
  },
  "serverInfo": { /* ... */ },
  "ok": 1
}

如何解读 Explain 计划

winningPlan.stage：这显示了最终使用的计划。顶层阶段为 FETCH，且 inputStage 为 IXSCAN 是理想情况。这意味着 MongoDB 使用索引 (IXSCAN) 查找文档，然后检索 (FETCH) 完整的文档。
COLLSCAN：如果 COLLSCAN（集合扫描）作为获胜计划的阶段，这是一个重要的危险信号。这意味着 MongoDB 必须扫描集合中的每一个文档，表明没有找到或使用合适的索引。
executionStats.nReturned：与查询匹配的文档数量。
executionStats.totalKeysExamined：扫描的索引键数量。在非常高效的查询中，此数字应非常接近 nReturned。
executionStats.totalDocsExamined：扫描的完整文档数量。同样，此数字应接近 nReturned。
executionStats.executionTimeMillis：查询优化器和执行引擎花费的总时间。

使用 `hint()` 强制使用索引

hint() 方法强制查询优化器使用特定的索引。这对于性能测试很有用——例如，查看一个索引是否比另一个索引表现更好——但在生产环境中应极其谨慎使用。查询规划器通常更擅长选择最优索引。

// 强制使用 'status_1_registrationDate_-1' 索引
db.users.find(
  { status: 'active' }
).hint({ status: 1, registrationDate: -1 });

您可以将 hint() 与 explain() 结合使用，以查看所选索引的性能特征。

现代最佳实践与工具

覆盖查询（Covered Queries）：为了获得最大性能，创建一个包含查询所需返回所有字段的索引。如果一个查询完全可以通过索引满足（无需获取文档），则称为“覆盖查询”。覆盖查询的 explain() 计划将显示一个 IXSCAN 阶段，而没有 FETCH 阶段。
MongoDB Compass：MongoDB 的官方 GUI 工具，提供强大的可视化“Explain Plan”功能。它对计划进行颜色编码，使得无需解析原始 JSON 就能更容易地理解性能瓶颈。
MongoDB Atlas 性能顾问（Performance Advisor）：如果您使用 MongoDB 的云服务 Atlas，性能顾问会自动分析慢查询并建议新的索引以提高性能。这是一种主动管理数据库效率的方式。
索引策略：创建复合索引时，遵循 ESR（相等、排序、范围）规则。相等匹配的字段应放在首位，其次是排序字段，最后是范围字段。