為了演示的效果，我們先來創建一個有200萬個文檔的記錄。（我自己的電腦耗了15分鐘左右插入完成。如果你想插更多的文檔也沒問題，只要有耐心等就可以了。）

1 for(var i=0;i<2000000;i++){ 2 db.person.insert({"name":"ryan"+i,"age":i}); 3 }

?

? ? MongoDB 3.0之后，explain的返回與使用方法與之前版本有了很大的變化，介于3.0之后的優秀特色和我們目前所使用給的是3.0.7版本，本文僅針對MongoDB 3.0+的explain進行討論。3.0+的explain有三種模式，分別是：queryPlanner、executionStats、allPlansExecution。現實開發中，常用的是executionStats模式，主要分析這種模式。

? ? 給這個person集合創建age鍵的索引：db.person.createIndex({"age":1})

1 { 2 "queryPlanner" : { 3 "plannerVersion" : 1, 4 "namespace" : "personmap.person", 5 "indexFilterSet" : false, 6 "parsedQuery" : { 7 "age" : { 8 "$lte" : 2000.0 9 } 10 }, 11 "winningPlan" : { 12 "stage" : "FETCH", 13 "inputStage" : { 14 "stage" : "IXSCAN", 15 "keyPattern" : { 16 "age" : 1.0 17 }, 18 "indexName" : "age_1", 19 "isMultiKey" : false, 20 "direction" : "forward", 21 "indexBounds" : { 22 "age" : [ 23 "[-1.#INF, 2000.0]" 24 ] 25 } 26 } 27 }, 28 "rejectedPlans" : [] 29 }, 30 "executionStats" : { 31 "executionSuccess" : true, 32 "nReturned" : 2001, 33 "executionTimeMillis" : 143, 34 "totalKeysExamined" : 2001, 35 "totalDocsExamined" : 2001, 36 "executionStages" : { 37 "stage" : "FETCH", 38 "nReturned" : 2001, 39 "executionTimeMillisEstimate" : 0, 40 "works" : 2002, 41 "advanced" : 2001, 42 "needTime" : 0, 43 "needFetch" : 0, 44 "saveState" : 16, 45 "restoreState" : 16, 46 "isEOF" : 1, 47 "invalidates" : 0, 48 "docsExamined" : 2001, 49 "alreadyHasObj" : 0, 50 "inputStage" : { 51 "stage" : "IXSCAN", 52 "nReturned" : 2001, 53 "executionTimeMillisEstimate" : 0, 54 "works" : 2002, 55 "advanced" : 2001, 56 "needTime" : 0, 57 "needFetch" : 0, 58 "saveState" : 16, 59 "restoreState" : 16, 60 "isEOF" : 1, 61 "invalidates" : 0, 62 "keyPattern" : { 63 "age" : 1.0 64 }, 65 "indexName" : "age_1", 66 "isMultiKey" : false, 67 "direction" : "forward", 68 "indexBounds" : { 69 "age" : [ 70 "[-1.#INF, 2000.0]" 71 ] 72 }, 73 "keysExamined" : 2001, 74 "dupsTested" : 0, 75 "dupsDropped" : 0, 76 "seenInvalidated" : 0, 77 "matchTested" : 0 78 } 79 } 80 }, 81 "serverInfo" : { 82 "host" : "qinxiongzhou", 83 "port" : 27017, 84 "version" : "3.0.7", 85 "gitVersion" : "6ce7cbe8c6b899552dadd907604559806aa2e9bd" 86 }, 87 "ok" : 1.0 88 }

對queryPlanner分析

? ? queryPlanner:?queryPlanner的返回

? ? queryPlanner.namespace:該值返回的是該query所查詢的表

? ? queryPlanner.indexFilterSet:針對該query是否有indexfilter

? ? queryPlanner.winningPlan:查詢優化器針對該query所返回的最優執行計劃的詳細內容。

? ? queryPlanner.winningPlan.stage:最優執行計劃的stage，這里返回是FETCH，可以理解為通過返回的index位置去檢索具體的文檔（stage有數個模式，將在后文中進行詳解）。

? ? queryPlanner.winningPlan.inputStage:用來描述子stage，并且為其父stage提供文檔和索引關鍵字。

? ? queryPlanner.winningPlan.stage的child?stage，此處是IXSCAN，表示進行的是index?scanning。

? ? queryPlanner.winningPlan.keyPattern:所掃描的index內容，此處是did:1,status:1,modify_time:?-1與scid?:?1

? ? queryPlanner.winningPlan.indexName：winning?plan所選用的index。

? ? queryPlanner.winningPlan.isMultiKey是否是Multikey，此處返回是false，如果索引建立在array上，此處將是true。

? ? queryPlanner.winningPlan.direction：此query的查詢順序，此處是forward，如果用了.sort({modify_time:-1})將顯示backward。

? ? queryPlanner.winningPlan.indexBounds:winningplan所掃描的索引范圍,如果沒有制定范圍就是[MaxKey,?MinKey]，這主要是直接定位到mongodb的chunck中去查找數據，加快數據讀取。

? ? queryPlanner.rejectedPlans：其他執行計劃（非最優而被查詢優化器reject的）的詳細返回，其中具體信息與winningPlan的返回中意義相同，故不在此贅述。

對executionStats返回逐層分析

? ? 第一層，executionTimeMillis

? ? 最為直觀explain返回值是executionTimeMillis值，指的是我們這條語句的執行時間，這個值當然是希望越少越好。

? ? 其中有3個executionTimeMillis，分別是：

? ? executionStats.executionTimeMillis

? ? 該query的整體查詢時間。

? ? executionStats.executionStages.executionTimeMillisEstimate

? ? 該查詢根據index去檢索document獲得2001條數據的時間。

? ? executionStats.executionStages.inputStage.executionTimeMillisEstimate

? ? 該查詢掃描2001行index所用時間。

? ? 第二層，index與document掃描數與查詢返回條目數

? ? 這個主要討論3個返回項，nReturned、totalKeysExamined、totalDocsExamined，分別代表該條查詢返回的條目、索引掃描條目、文檔掃描條目。

? ? 這些都是直觀地影響到executionTimeMillis，我們需要掃描的越少速度越快。

? ? 對于一個查詢，我們最理想的狀態是：

? ? nReturned=totalKeysExamined=totalDocsExamined

? ? 第三層，stage狀態分析

? ? 那么又是什么影響到了totalKeysExamined和totalDocsExamined？是stage的類型。類型列舉如下：

? ? COLLSCAN：全表掃描

? ? IXSCAN：索引掃描

? ? FETCH：根據索引去檢索指定document

? ? SHARD_MERGE：將各個分片返回數據進行merge

? ? SORT：表明在內存中進行了排序

? ? LIMIT：使用limit限制返回數

? ? SKIP：使用skip進行跳過

? ? IDHACK：針對_id進行查詢

? ? SHARDING_FILTER：通過mongos對分片數據進行查詢

? ? COUNT：利用db.coll.explain().count()之類進行count運算

? ? COUNTSCAN：count不使用Index進行count時的stage返回

? ? COUNT_SCAN：count使用了Index進行count時的stage返回

? ? SUBPLA：未使用到索引的$or查詢的stage返回

? ? TEXT：使用全文索引進行查詢時候的stage返回

? ? PROJECTION：限定返回字段時候stage的返回

? ? 對于普通查詢，我希望看到stage的組合(查詢的時候盡可能用上索引)：

? ? Fetch+IDHACK

? ? Fetch+ixscan

? ? Limit+（Fetch+ixscan）

? ? PROJECTION+ixscan

? ? SHARDING_FITER+ixscan

? ? COUNT_SCAN

? ? 不希望看到包含如下的stage：

? ? COLLSCAN(全表掃描),SORT(使用sort但是無index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index進行count)

周欽雄技術分享

來源:https://www.cnblogs.com/zhouqinxiong/p/5554779.html

總結

以上是生活随笔為你收集整理的mongodb性能分析方法：explain()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。