- 博客(46)
- 收藏
- 关注
RSS订阅原创 MongoDB B+树的存储能力与层级查询：三层B+树能存多少数据？
本文探讨了MongoDB三层B+树索引的存储能力与线上环境查看方法。通过分析B+树结构特点，在假设索引页4KB、数据页32KB、索引项20字节条件下，计算出三层B+树理论可存储约8522万条记录。实际存储量受索引字段类型、数据大小等因素影响。查看树层数可通过db.getCollection().stats()命令，获取"maximumtreedepth"等参数。文章还详细解析了索引配置参数如internal_page_max、leaf_page_max的含义，并强调实际应用中需结合业务场
2025-12-02 09:39:40
651
原创 mongodb根据索引IXSCAN 查询记录流程
摘要：MongoDB索引查询采用IXSCAN+FETCH两阶段执行模式。IXSCAN阶段通过B+树索引快速定位符合条件记录的RecordID，时间复杂度为O(logn)；FETCH阶段根据RecordID获取完整文档。这种设计类似图书馆先查目录再取书，避免了全表扫描。普通索引叶子节点仅存储索引键值和RecordID，不包含完整文档数据，通过职责分离（IXSCAN处理索引、FETCH获取文档）实现高效查询。执行计划分析显示，查询"age":30时先扫描索引获取RecordID，再根据Rec
2025-11-25 09:34:50
1110
原创 MongoDB使用的是 B+树，不是你们以为的 B树
B树和B+树是多路平衡查找树的核心区别在于数据存储方式：B树所有节点存储键值对，而B+树仅叶子节点存储完整数据，非叶子节点仅作索引。B+树通过叶子节点链表实现高效范围查询，树高更低，磁盘I/O更稳定，适合数据库场景；B树查询路径可能提前终止，但范围查询效率较低。MongoDB的WiredTiger引擎实际采用B+树结构，虽官方文档可能简称为B树。二者的选择取决于具体场景对单点查询和范围查询的需求差异。
2025-11-18 09:42:39
988
原创 一文搞懂计算机数据类型：字节占用与存储原理
本文系统梳理了编程中数据类型的字节占用规律和存储机制。关键点包括：1）数据类型字节数受语言和系统位数影响，如C/C++中long在32/64位系统分别占4/8字节，而Java固定long为8字节；2）存储方式采用二进制补码，正数存原码，负数需取反加一，确保运算统一性；3）实际开发需注意语言差异，合理选择数据类型以平衡内存开销和数值范围。掌握这些底层知识对优化程序性能和调试内存问题至关重要。
2025-11-11 09:32:16
915
原创 扣子（Coze）工作流玩转古人名字剧本创作：超实用提示词攻略
摘要：本文介绍了运用扣子工作流创作历史人物剧本的方法。通过"古人剧本创作提示词"框架，从角色定位、技能要求、输出规范四个维度，系统化还原历史人物形象。该方法要求精确标注人物性别、民族信息，以编年体形式梳理6个关键事迹，确保历史真实性与叙事完整性。最终生成包含人物生平、标题、性别、民族等信息的JSON格式文件，为剧本创作提供标准化框架。以李白为例，展示了从出生到逝世的关键事件及文学成就的完整梳理过程。
2025-11-04 09:37:14
711
原创 mongodb为什么默认不使用速度更快的hash索引？反而使B+树索引
MongoDB默认使用B+树索引而非哈希索引的原因在于综合性能考量。哈希索引虽在精确查询时具备O(1)优势，但存在三大缺陷：无法支持范围查询（如age>20）、不能直接用于排序操作、不支持复合索引的前缀匹配。而B+树索引通过有序存储特性，既能高效处理点查询（O(logn)），又能完美支持范围查询、排序和复合查询，成为数据库应对多样化查询场景的理想选择。这种设计权衡体现了工程实践中的通用性优先原则。
2025-10-29 10:47:00
715
原创 mongodb有主键_id，为什么生成系统字段$RecordId？
MongoDB中的$recordId是存储引擎(WiredTiger)使用的内部物理标识符，用于定位文档在磁盘上的位置。与用户可见的_id字段不同，$recordId是系统自动生成且可能随文档移动而变化的。通过showRecordId()方法可查看该隐藏字段。MongoDB查询时，会先通过_id索引找到对应的$recordId，再根据$recordId定位实际文档数据。IDHACK查询优化策略直接利用_id索引快速定位$recordId，提高查询效率。$RecordId数值类型自增，记录每次插入都是顺序插入
2025-10-24 09:51:38
952
原创 扣子（Coze）文案→图片→视频工作流：剪映小助手正确下载、草稿同步及无 VIP 导出教程
本文介绍了使用扣子（Coze）搭建工作流后，如何正确下载草稿并合成视频的完整流程。关键点包括：1）识别匹配的剪映小助手（需与插件同源）；2）设置剪映小助手与剪映软件的草稿同步路径；3）下载工作流草稿；4）通过复合片段操作实现无VIP导出视频的技巧。重点解决了常见下载失败问题，并提供了从草稿路径查找到最终导出成片的详细步骤，帮助用户绕过VIP限制完成视频制作全流程。
2025-10-20 09:45:37
2632
3
原创 扣子（Coze）搭建 工作流（文案→提示词→图片→视频）详细步骤
在扣子（Coze）平台搭建多节点工作流需遵循五步流程：创建工作流→添加节点→配置参数→串联逻辑→试运行发布。核心环节包括：1）通过大模型节点实现文案生成和提示词优化；2）使用图像流节点生成图片；3）通过插件或大模型将图片转化为视频。关键配置要点包含：正确引用上游节点输出作为输入参数、设计精准的提示词指令、确保节点间逻辑串联。测试阶段需验证各节点输出是否符合预期，支持通过选择器节点实现条件分支等进阶优化。
2025-10-14 09:38:16
2704
原创 MongoDB源码delete分析oplog：从删除链路到核心函数实现
MongoDB oplog实现机制分析 摘要：本文深入分析了MongoDB操作日志(oplog)的核心实现机制。oplog作为固定大小的capped集合(local.oplog.rs)，是MongoDB副本集数据同步的关键组件。文章详细解读了从文档删除操作到oplog记录的完整调用链，包括CollectionImpl::deleteDocument、OpObserverImpl::onDelete到最终logOp的调用过程。重点剖析了logOp方法的核心逻辑：输入验证、OpTime分配、并发控制以及通过_l
2025-10-10 09:29:15
884
原创 MongoDB源码分析慢日志：从配置到实现的完整解析
摘要：MongoDB慢日志通过Profiling机制实现，支持三级配置：0（关闭）、1（记录超过slowms阈值的操作）、2（记录所有操作）。核心实现流程包括：1）会话状态流转处理请求；2）handleRequest方法执行命令并计算耗时；3）completeAndLogOperation方法通过shouldDBProfile判断是否记录（基于profile级别、slowms阈值和sampleRate采样率）。验证结果显示，当执行时间超过配置的50ms阈值时，操作详情会被记录到db.system.profi
2025-09-29 09:29:07
1095
原创 MongoDB源码delete分析观察者getOpObserver()-＞onDelete
本文分析了MongoDB删除操作db.user.deleteOne({"age":2828})的执行流程和底层实现机制。删除过程采用DELETE>FETCH>IXSCAN策略，通过DeleteStage、FetchStage和IndexScan阶段协同完成。核心实现包括： 使用WriteUnitOfWork确保删除操作的原子性 通过OpObserver机制监听删除前后事件，支持复制、审计等功能 删除操作会记录到oplog中，实现数据同步 事务处理支持多文档操作的回滚和提交 该
2025-09-23 09:40:45
987
原创 MongoDB源码delete分析DeleteStage过程的WriteUnitOfWork事务
本文分析了MongoDB执行deleteOne操作时的底层事务机制。该操作采用DELETE>FETCH>IXSCAN策略，通过DeleteStage、FetchStage和IndexScan阶段协同完成。核心事务控制由WriteUnitOfWork类实现，包含四个关键步骤：1)创建事务单元并加锁；2)执行文档删除；3)提交事务；4)异常时回滚。MongoDB通过Locker管理锁资源，RecoveryUnit实现事务原子性，WiredTiger引擎处理底层事务提交/回滚。整个过程严格遵循ACID
2025-09-16 09:20:45
843
原创 Cursor和Hbuilder用5分钟开发微信小程序
快速开发微信小程序只需5分钟！使用Hbuilder和Cursor两个工具：1)下载Hbuilder创建uniapp项目；2)运行到小程序模拟器；3)安装Cursor并用自然语言描述需求生成代码；4)预览效果并上传微信平台。特别演示了wifi二维码识别功能开发，通过详细指令让Cursor自动生成包括界面设计、弹窗提示等完整代码，大幅提升开发效率。
2025-09-09 09:33:28
1248
1
原创 MongoDB源码delete分析CmdDelete过程collection()-＞deleteDocument
MongoDB的deleteDocument方法是实现文档删除的核心函数，主要流程包括：检查集合类型（拒绝固定集合删除）、获取文档快照并触发前置观察事件、可选保存删除文档副本、从索引目录移除记录、执行底层存储引擎删除操作，最后触发后置事件并更新调试指标。该方法严格遵循先索引后数据的删除顺序，并通过WiredTiger存储引擎实现具体删除操作，同时支持变更流等特性所需的删除文档存储功能。整个删除过程被包裹在事务中，确保操作原子性和一致性。
2025-09-02 09:19:57
730
原创 MongoDB源码delete分析CmdDelete策略DELTE＞FETCH＞IXSCAN执行分析
本文分析了MongoDB中deleteOne操作的执行流程和底层实现机制。deleteOne与deleteMany的主要区别在于删除文档数量，前者只删除第一个匹配文档。通过分析源码，发现deleteOne执行采用DELETE>FETCH>IXSCAN策略，核心调用链包括获取执行器、执行删除计划等步骤。具体实现中，DeleteStage通过子节点FetchStage和IndexScan获取待删除文档，最终调用collection的deleteDocument方法完成删除操作。文章详细解析了各阶段的
2025-08-26 09:41:15
834
原创 MongoDB源码delete分析CmdDelete过程
本文详细分析了MongoDB中deleteOne操作的执行过程。通过代码示例展示了deleteOne删除单条记录的基本用法，并使用explain()解析其执行计划为DELETE>FETCH>IXSCAN的三阶段流程。文章深入源码层面，梳理了从CmdDelete入口到具体删除操作的调用链，包括prepareExecution生成查询计划、getExecutorDelete获取执行器、以及最终执行删除的流程。特别分析了QueryPlanner如何为age字段索引生成IXSCAN扫描计划，并通过日志验
2025-08-19 09:59:27
802
原创 MongoDB分析insert源代码
mongo插入单条文档insert()主要分4个阶段：（1）分割文档，分批次插入（2）将文档传递给集合类插入（3）将文档传递给记录record插入（4）传递给引擎游标WiredTigerCursor插入
2025-08-12 09:35:29
1052
原创 mongodb源代码分析创建db流程分析
摘要：MongoDB创建集合的核心代码位于create_collection.cpp，通过构建BSON格式元数据文档并插入到记录存储_mdb_catalog中。数据库操作通过AutoGetOrCreateDb获取，若不存在则调用openDb创建DatabaseImpl实例并初始化。初始化过程包括验证库名合法性、加载已有集合和视图目录，其中视图目录会校验持久化视图的正确性。整个流程涉及多级锁机制确保并发安全，同时处理数据库名称冲突等异常情况。
2025-08-04 20:51:32
1127
原创 mongodb源代码分析createCollection命令创建Collection流程分析
MongoDB提供了两种创建集合的方式：隐式创建和显式创建。隐式创建是推荐的方式，当向不存在的集合插入文档时，MongoDB会自动创建该集合。显式创建则使用createCollection()方法，允许用户自定义集合的配置选项，如文档大小限制、索引等。显式创建的核心方法run会解析命令、验证参数，并调用createCollection方法执行创建动作。创建过程中，MongoDB会检查数据库和集合名称的合法性，确保不与系统名称冲突，并处理集合的存储引擎选项、索引配置等。最终，通过存储引擎（如WiredTige
2025-07-28 09:12:03
679
原创 mongodb源代码分析createCollection命令由create.idl变成create_gen.cpp过程
buildscripts/idl/idl/generator.py把create.idl转成create_gen.cpp和create_gen.h，再编译成create_gen.obj，CreateCommand对象封装命令createCollection。
2025-07-21 09:27:41
1217
1
原创 MongoDB源码分析向客户端asyncSinkMessage返回执行结果DbResponse
MongoDB请求处理流程分析：状态机从Created依次转变为Source、SourceWait、Process、SinkWait等状态。核心_processMessage方法负责处理客户端请求，主要逻辑包括：1) 解压缩消息；2) 通过handleRequest执行数据库操作获取DbResponse；3) 构建响应消息头；4) 处理getMore特殊逻辑；5) 通过_sinkMessage异步发送响应。网络层通过session_asio的asyncSinkMessage将响应写入Socket。
2025-07-15 09:28:22
824
原创 mongod源代码Find的QueryPlanner::plan评分最高计划put到cache流程分析
b.user.find({age:28}).sort({wages:1})的缓存键为eqage~awages<1>，其中eqage表示过滤条件，awages表示排序字段，<1>表示索引是否起作用。通过这种机制，MongoDB能够有效减少重复查询的优化时间，提升整体性能。
2025-07-07 10:01:55
910
原创 mongod源代码Find的QueryPlanner::plan多个执行计划评分最高计划exec流程分析
在执行db.user.find({age:28}).sort({wages:1})命令时，MongoDB通过FindCmd的run方法解析命令并生成执行计划。重点分析了getExecutorFind()方法，该方法通过QueryPlanner::plan()生成执行计划。根据命令参数，生成了两个执行计划：方案1使用age索引进行扫描，方案2使用wages索引进行扫描。经过评分，方案1的评分更高，因此被选为最终执行计划。方案1的执行流程为：IXSCAN（读取age索引范围内的数据）→ FETCH → SORT
2025-07-03 09:24:42
1111
原创 mongod源代码Find的QueryPlanner::plan解析出来1个执行计划exec流程分析
在MongoDB中，执行db.user.find({age:28})查询时，系统会调用FindCmd的run方法，经过解析命令、生成执行计划和运行执行计划三个步骤。本文重点分析了生成执行计划的过程，特别是通过getExecutorFind()方法生成执行计划的流程。执行计划通常包括IXSCAN（索引扫描）和FETCH（数据获取）两个阶段。IXSCAN负责根据索引查找数据，而FETCH则根据索引结果获取实际文档。执行计划的生成过程涉及解析查询参数、选择合适的索引，并最终生成一个执行计划树。日志记录显示，系统首
2025-06-30 09:34:59
751
原创 mongodb源代码Find命令QueryPlanner::plan生成多个执行计划指定hint一个索引方案
在MongoDB中，执行计划的生成受到多个因素的影响，包括过滤器中的字段、索引、排序、投影等。对于查询db.user.find({age:28}).sort({wages:1})，MongoDB会通过QueryPlanner::plan生成执行计划。如果age是索引字段，执行计划会先进行索引扫描（IXSCAN），然后进行数据获取（FETCH），最后进行排序（SORT）。如果wages是索引字段，执行计划会直接使用索引扫描（IXSCAN）并获取数据（FETCH）。MongoDB会根据评分选择最优的执行计划。如
2025-06-24 09:32:50
1177
原创 mongod源代码Find的QueryPlanner::plan多个执行计划选择pickBestPlan高评分策略
MongoDB查询优化器选择执行计划的过程分析：对于查询db.user.find({age:28}).sort({wages:1})，系统生成两个候选方案：方案1使用age索引进行过滤后排序（IXSCAN>FETCH>SORT_KEY_GENERATOR>SORT），方案2直接使用wages索引（IXSCAN>FETCH）。通过MultiPlanStage的评估机制，系统运行两个计划各10000次（numWorks）或直到返回101条结果（numResults）。评分机制综合考虑：基
2025-06-20 09:46:21
1271
原创 mongod源代码Find的QueryPlanner::plan解析出来2个执行计划案例流程分析
FindCmd命令生成执行计划的影响因素包括：过滤器中是否有_id字段、是否有索引字段、是否有空间索引字段、是否有TEXT索引字段、命令中是否有sort、是否有projection字段以及是否进行全表扫描。例如，在user表中，字段age和wages建立了索引。对于命令db.user.find({age:28}).sort({wages:1})，由于age是索引字段，生成执行计划IXSCAN（索引age=1）>FETCH。此外，由于wages也是索引字段，生成了排序执行计划。其他条件不符合，未生成其他
2025-06-17 09:35:59
931
原创 mongod源代码Find的QueryPlanner::plan解析出来1个执行计划案例流程分析
db.user.find({age:2});调用FindCmd的run方法，1、解析命令（过滤器、排序、返回字段）2、根据命令参数生成执行计划 3、运行执行计划。下面重点分析2、根据命令参数生成执行计划getExecutorFind()
2025-06-12 09:32:47
1069
原创 mongod源码分析session执行handleRequest命令find过程
mongo/transport/service_state_machine.cpp已经分析startSession创建ASIOSession过程，并且验证connection是否超过限制ASIOSession和connection是循环接受客户端命令，状态转变流程是：State::Created 》 State::Source 》State::SourceWait 》 State::Process 》 State::SinkWait 》 State::Source 》State::SourceWait。
2025-06-09 09:33:09
1017
原创 mongod源码分析session异步接受asyncSourceMessage()客户端流变Message对象
本文分析了MongoDB服务状态机中消息接收过程的关键实现。主要流程包括：1) ASIOSession从Created到Source等状态转换；2) 异步接收客户端消息的调用链，涉及_sourceMessage、asyncSourceMessage等方法；3) 消息格式解析，包含标准MsgHeader和特定数据；4) 两种线程模型（adaptive和synchronous）的处理差异；5) 底层opportunisticRead实现异步数据读取。重点剖析了动态线程模式下异步获取消息的完整流程，从网络层读取、
2025-06-05 18:13:56
1211
原创 mysql的表怎么手动迁移到MongoDB数据库
为了将MySQL中的department和user表迁移到MongoDB并进行关联join性能测试，可以采用以下步骤：首先，从MySQL导出数据为CSV文件，确保使用逗号作为分隔符，并添加标题行，将id字段改为_id。然后，使用MongoDB的mongoimport工具将CSV文件导入到MongoDB中，指定数据库、集合名称，并使用--headerline参数确保CSV的第一行作为字段名。这种方法避免了编写代码进行数据迁移，简化了迁移过程。
2025-06-03 09:55:28
506
原创 mongod源码分析session接受find命令-执行命令-返回数据给客户端-概要流程
mongo第一条命令状态转变流程是：State::Created 》 State::Source 》State::SourceWait 》 State::Process 》 State::SinkWait 》 State::Source 》State::SourceWait。session等待connection请求，状态转变流程：State::Created 》 State::Source 》State::SourceWait，最后调用_sinkMessage，将mongodb结果数据发送给客户端。
2025-05-29 09:18:45
1245
原创 mongodb语法$vlookup性能分析
在MongoDB中，查询level下有多少用户时，使用user表$vlookup department表的方法比department表$vlookup user表的方法更快。原因在于user表的_id字段有索引，而department_id字段没有索引。user表$vlookup department表的方法首先读取user表的department_id值，然后通过department表的_id字段进行关联，由于_id字段有索引，查询速度更快。而department表$vlookup user表的方法需要遍
2025-05-24 17:55:55
908
原创 mongod源码分析startSession()接受客户端connection连接过程
scheduleNextWithGuard()接口最核心的作用就是调用service_executor服务运行子模块(线程模型子模块)的schedule()接口来把状态机调度任务入队到ASIO网络库的一个全局队列(adaptive动态线程模型)，如果是一个链接一个线程模型，则任务入队到线程级私有队列。和ctx->setServiceExecutor(std::make_unique<ServiceExecutorAdaptive>(ctx, std::move(reactor)));创建异步模型执行器。
2025-05-20 09:37:16
1226
原创 mongod源码分析WiredTiger存储引擎内存计算逻辑
例如，在总 RAM 为 4GB 的系统上，WiredTiger 缓存使用 1.5GB RAM (0.5 * (4 GB - 1 GB) = 1.5 GB)。相反，在总 RAM 为 1.25GB 的系统上，WiredTiger 为 WiredTiger 缓存分配了 256 MB，因为这大于总 RAM 的一半减去 1 GB (0.5 * (1.25 GB - 1 GB) = 128 MB < 256 MB)。WiredTiger 内部缓存中的集合数据未压缩，并使用与磁盘上格式不同的表示形式。
2025-05-15 09:27:47
729
原创 mongod源码分析WiredTigere存储引擎StorageEngin实例化流程
当mongod 启动时，初始化存储引擎在src/mongo/db/storage/storage_engine_init.cpp中的 initializeStorageEngine() 函数里。mongodb启动之后，数据data文件夹有几个重要文件：mongod.lock，storage.bson，WiredTiger.lock，WiredTiger，WiredTiger.wt，sizeStorer，journal等
2025-05-12 09:30:05
1408
原创 mongod4.0.7源码入口全局上下文ServiceContext分析
同步线程模式也就是一个链接一个线程模型，线程数的多少和链接数的多少成正比，链接数越多则线程数也越大。当服务端接收到客户端新连接事件通知后，会触发执行acceptCb()回调，该回调中底层ASIO库通过epol wait获取到所有的accept事件，每获取到一个accept事件就代表一个新的客户端链接，然后调用ServiceEntryPointlmp.::startSession()接口处理这个新的链接ASIOSession，整个过程递归执行，保证一次可以处理所有的客户端accept请求信息。
2025-05-09 09:39:16
1010
原创 mongodb源代码分析sql用到数据例子
mongo显示隐藏字段showRecordId()，mongo系统默认字段，自增，用于索引和记录对应关系。mongo查看数据库列表命令：show databases。mongo查看集合列表show collections。mongo查看索引getIndexes()mongo分析sql命令explain()mongo插入单条文档insert()mongo查看数据列表find()mongo切换数据库use db。客户端连接mongod服务。mongo删除一条数据。mongo修改一条数据。
2025-05-07 17:05:34
300
原创 mongod4.0.7源码分析加载mongod.conf流程
mongo配置文件是mongod.conf，如果是linux系统apt安装，默认的路径是/etc/mongod.conf。mongod启动命令手动指定路径mongod --config /etc/mongod.conf。mongod.conf配置文件常见的配置参数有net.port: 27017，storage.dbPath: /var/lib/mongodb，storage.engine: wiredTiger。
2025-05-05 16:33:35
2089
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人