mongodb的监控与性能优化

mongodb可以通过profile来监控数据，进行优化。

查看当前是否开启profile功能用命令

db.getProfilingLevel()  返回level等级，值为0|1|2，分别代表意思：0代表关闭，1代表记录慢命令，2代表全部

开始profile功能为

db.setProfilingLevel(level);  #level等级，值同上

level为1的时候，慢命令默认值为100ms，更改为db.setProfilingLevel(level,slowms)如db.setProfilingLevel(1,50)这样就更改为50毫秒

通过db.system.profile.find() 查看当前的监控日志。

如：

?

1 2 3

> db.system.profile. find ({millis:{$gt:500}}) { "ts" : ISODate( "2011-07-23T02:50:13.941Z" ), "info" : "query order.order reslen:11022 nscanned:672230  \nquery: { status: 1.0 } nreturned:101 bytes:11006 640ms" , "millis" : 640 } { "ts" : ISODate( "2011-07-23T02:51:00.096Z" ), "info" : "query order.order reslen:11146 nscanned:672302  \nquery: { status: 1.0, user.uid: { $gt: 1663199.0 } }  nreturned:101 bytes:11130 647ms" , "millis" : 647 }

 这里值的含义是

 ts：命令执行时间

info：命令的内容

query：代表查询

order.order： 代表查询的库与集合

reslen：返回的结果集大小，byte数

nscanned：扫描记录数量

nquery：后面是查询条件

nreturned：返回记录数及用时

millis：所花时间

如果发现时间比较长，那么就需要作优化。

比如nscanned数很大，或者接近记录总数，那么可能没有用到索引查询。

reslen很大，有可能返回没必要的字段。

nreturned很大，那么有可能查询的时候没有加限制。

mongo可以通过db.serverStatus()查看mongod的运行状态

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83

> db.serverStatus() {      "host" : "baobao-laptop" , #主机名      "version" : "1.8.2" , #版本号      "process" : "mongod" , #进程名      "uptime" : 15549, #运行时间      "uptimeEstimate" : 15351,      "localTime" : ISODate( "2011-07-23T06:07:31.220Z" ),当前时间      "globalLock" : {          "totalTime" : 15548525410, #总运行时间（ns）          "lockTime" : 89206633,  #总的锁时间（ns）          "ratio" : 0.005737305027178137, #锁比值          "currentQueue" : {              "total" : 0, #当前需要执行的队列              "readers" : 0, #读队列              "writers" : 0 #写队列          },          "activeClients" : {              "total" : 0, #当前客户端执行的链接数              "readers" : 0, #读链接数              "writers" : 0 #写链接数          }      },      "mem" : { #内存情况          "bits" : 32, #32位系统          "resident" : 337, #占有物理内存数          "virtual" : 599, #占有虚拟内存          "supported" : true , #是否支持扩展内存          "mapped" : 512      },      "connections" : {          "current" : 2, #当前链接数          "available" : 817 #可用链接数      },      "extra_info" : {          "note" : "fields vary by platform" ,          "heap_usage_bytes" : 159008, #堆使用情况字节          "page_faults" : 907 #页面故作      },      "indexCounters" : {          "btree" : {              "accesses" : 59963, #索引被访问数              "hits" : 59963, #所以命中数              "misses" : 0, #索引偏差数              "resets" : 0, #复位数              "missRatio" : 0 #未命中率          }      },      "backgroundFlushing" : {             "flushes" : 259,  #刷新次数          "total_ms" : 3395, #刷新总花费时长          "average_ms" : 13.108108108108109, #平均时长          "last_ms" : 1, #最后一次时长          "last_finished" : ISODate( "2011-07-23T06:07:22.725Z" ) #最后刷新时间      },      "cursors" : {          "totalOpen" : 0, #打开游标数          "clientCursors_size" : 0, #客户端游标大小          "timedOut" : 16 #超时时间      },      "network" : {          "bytesIn" : 285676177, #输入数据（byte）          "bytesOut" : 286564, #输出数据（byte）          "numRequests" : 2012348 #请求数      },      "opcounters" : {          "insert" : 2010000, #插入操作数          "query" : 51, #查询操作数          "update" : 5, #更新操作数          "delete" : 0, #删除操作数          "getmore" : 0, #获取更多的操作数          "command" : 148 #其他命令操作数      },      "asserts" : { #各个断言的数量          "regular" : 0,          "warning" : 0,          "msg" : 0,          "user" : 2131,          "rollovers" : 0      },      "writeBacksQueued" : false ,      "ok" : 1 }

db.stats()查看某一个库的原先状况

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

> db.stats() {      "db" : "order" , #库名      "collections" : 4, #集合数      "objects" : 2011622, #记录数      "avgObjSize" : 111.92214441878245, #每条记录的平均值      "dataSize" : 225145048, #记录的总大小      "storageSize" : 307323392, #预分配的存储空间      "numExtents" : 21, #事件数      "indexes" : 1, #索引数      "indexSize" : 74187744, #所以大小      "fileSize" : 1056702464, #文件大小      "ok" : 1 }

查看集合记录用

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

> db.order.stats() {      "ns" : "order.order" , #命名空间      "count" : 2010000, #记录数      "size" : 225039600, #大小      "avgObjSize" : 111.96,      "storageSize" : 307186944,      "numExtents" : 18,      "nindexes" : 1,      "lastExtentSize" : 56089856,      "paddingFactor" : 1,      "flags" : 1,      "totalIndexSize" : 74187744,      "indexSizes" : {          "_id_" : 74187744 #索引为_id_的索引大小      },      "ok" : 1 }

mongostat命令查看运行中的实时统计，表示每秒实时执行的次数

mongodb还提供了一个机遇http的监控页面，可以访问http://ip:28017来查看，这个页面基本上是对上面的这些命令做了一下综合，所以这里不细述了。

二.mongodb的优化

根据上面这些监控手段，找到问题后，我们可以进行优化

上面找到了某一下慢的命令，现在我们可以通过执行计划跟踪一下，如

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

> db.order. find ({ "status" : 1.0, "user.uid" : { $gt: 2663199.0 } }).explain() {      "cursor" : "BasicCursor" , #游标类型      "nscanned" : 2010000, #扫描数量      "nscannedObjects" : 2010000, #扫描对象      "n" : 337800, #返回数据      "millis" : 2838, #耗时      "nYields" : 0,      "nChunkSkips" : 0,      "isMultiKey" : false ,      "indexOnly" : false ,      "indexBounds" : { #使用索引（这里没有）                } }

对于这样的，我们可以创建索引

可以通过  db.collection.ensureIndex({"字段名":1}) 来创建索引，1为升序，-1为降序，在已经有多数据的情况下，可用后台来执行，语句db.collection.ensureIndex({"字段名":1} , {backgroud:true}) 

获取索引用db.collection.getIndexes() 查看

这里我们创建一个user.uid的索引 >db.order.ensureIndex({"user.uid":1})

创建后重新执行

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

db.order. find ({ "status" : 1.0, "user.uid" : { $gt: 2663199.0 } }).explain() {      "cursor" : "BtreeCursor user.uid_1" ,      "nscanned" : 337800,      "nscannedObjects" : 337800,      "n" : 337800,      "millis" : 1371,      "nYields" : 0,      "nChunkSkips" : 0,      "isMultiKey" : false ,      "indexOnly" : false ,      "indexBounds" : {          "user.uid" : [              [                  2663199,                  1.7976931348623157e+308              ]          ]      } }

扫描数量减少，速度提高。mongodb的索引设计类似与关系数据库，按索引查找加快书读，但是多了会对写有压力，所以这里就不再叙述了。

2.其他优化可以用hint强制索引查找，返回只是需要的数据，对数据分页等。

转载：http://my.oschina.net/baowenke/blog/97756