mongoBD的查询优化

最新推荐文章于 2022-06-21 10:57:41 发布

hongye_NO.1

最新推荐文章于 2022-06-21 10:57:41 发布

阅读量343

点赞数

分类专栏： mongo 文章标签： mongo查询优化

mongo 专栏收录该内容

2 篇文章

订阅专栏

转载：https://blog.youkuaiyun.com/joy0921/article/details/80131186

背景
苏先生反馈线上某条查询很慢（10+ seconds），语句相当于：

db.myColl.find({app:“my_app”,requestTime:{ $g t e : 1492502247000,$ lt:1492588800000}}).sort({_id:-1}).limit(1)

myColl这个collection中的记录内容类似于：

{ “_id” : ObjectId(“58fd895359cb8757d493ce60”), “app” : “my_app”, “eventId” : 141761066, “requestTime” : NumberLong(“1493010771753”), “scene” : “scene01” }
{ “_id” : ObjectId(“58fd895359cb8757d493ce52”), “app” : “my_app”, “eventId” : 141761052, “requestTime” : NumberLong(“1493010771528”), “scene” : “scene02” }
{ “_id” : ObjectId(“58fd895359cb8757d493ce36”), “app” : “my_app”, “eventId” : 141761024, “requestTime” : NumberLong(“1493010771348”), “scene” : “scene03” }
{ “_id” : ObjectId(“58fd895359cb8757d493ce31”), “app” : “my_app”, “eventId” : 141761019, “requestTime” : NumberLong(“1493010771303”), “scene” : “scene01” }
{ “_id” : ObjectId(“58fd895359cb8757d493ce2d”), “app” : “my_app”, “eventId” : 141761015, “requestTime” : NumberLong(“1493010771257”), “scene” : “scene01” }
{ “_id” : ObjectId(“58fd895259cb8757d493ce10”), “app” : “my_app”, “eventId” : 141760986, “requestTime” : NumberLong(“1493010770866”), “scene” : “scene01” }
{ “_id” : ObjectId(“58fd895259cb8757d493ce09”), “app” : “my_app”, “eventId” : 141760979, “requestTime” : NumberLong(“1493010770757”), “scene” : “scene01” }
{ “_id” : ObjectId(“58fd895259cb8757d493ce02”), “app” : “my_app”, “eventId” : 141760972, “requestTime” : NumberLong(“1493010770614”), “scene” : “scene03” }
{ “_id” : ObjectId(“58fd895259cb8757d493cdf1”), “app” : “my_app”, “eventId” : 141760957, “requestTime” : NumberLong(“1493010770342”), “scene” : “scene02” }
{ “_id” : ObjectId(“58fd895259cb8757d493cde6”), “app” : “my_app”, “eventId” : 141760946, “requestTime” : NumberLong(“1493010770258”), “scene” : “scene01” }

相关的索引有：

[
{
“v” : 1,
“key” : {
“id" : 1
},
“name” : “id”,
“ns” : “myDatabase.myColl”
},
{
“v” : 1,
“key” : {
“responseTime” : -1
},
“name” : "idx_responseTime-1”,
“ns” : “myDatabase.myColl”
},
{
“v” : 1,
“key” : {
“app” : 1,
“scene” : 1,
“eventId” : -1,
“requestTime” : -1
},
“name” : “idx_app_1_scene_1_eventId_-1_requestTime_-1”,
“ns” : “myDatabase.myColl”
}
]

慢查询就是在myColl中查找符合[1492502247000, 1492588800000)这个时间范围的所有记录，以下描述中称这条查询为bad query。

如果去掉$lt:1492588800000这个约束条件，查找[1492502247000, +∞)这个时间范围，就会很快（milliseconds）。

db.myColl.find({app:“my_app”,requestTime:{$gte:1492502247000}}).sort({_id:-1}).limit(1)

以下描述中称这条查询为good query。

问题来了：

[问题A] 这两条查询都是走的什么索引呢？导致执行时间相差如此之大
[问题B] 如果两条查询选取的索引不同，为什么会有这个不同呢，这两条查询长得还是挺像的
[问题C] 如果bad query选取和good query一样的索引，是否还会有一样的问题呢
问题A

这两条查询都是走的什么索引呢？导致执行时间相差如此之大。

和Mysql一样，Mongodb也提供了explain语句，可以获取query语句的查询计划（queryPlanner）、以及执行过程中的统计信息（executionStats）。

违和发散：Cassandra中也是有类似的功能，Hbase中目前是没有看到的。

在mongo shell中的使用方法是在query语句后面加上.explain(‘executionStats’)，对于上面的good query，对应的explain语句为：

db.myColl.find({app:“my_app”,requestTime:{$gte:1492502247000}}).sort({_id:-1}).limit(1).explain(‘executionStats’)

good query的explain语句的执行结果如下，无关细节用…省略：

{
“queryPlanner” : {
“plannerVersion” : 1,
“namespace” : “myDatabase.myColl”,
“indexFilterSet” : false,
“parsedQuery” : …
“winningPlan” : {
“stage” : “LIMIT”,
“limitAmount” : 1,
“inputStage” : {
“stage” : “FETCH”,
“filter” : …,
“inputStage” : {
“stage” : “IXSCAN”,
“keyPattern” : {
“_id” : 1
},
“indexName” : “id”,
…
“direction” : “backward”,
“indexBounds” : {
“_id” : [
“[MaxKey, MinKey]”
]
}
}
}
},
“rejectedPlans” : …,
},
“executionStats” : {
“executionSuccess” : true,
“nReturned” : 1,
“executionTimeMillis” : 0,
“totalKeysExamined” : 8,
“totalDocsExamined” : 8,
“executionStages” : {
“stage” : “LIMIT”,
…
“inputStage” : {
“stage” : “FETCH”,
…
“inputStage” : {
“stage” : “IXSCAN”,
…
“direction” : “backward”,
“indexBounds” : {
“_id” : [
“[MaxKey, MinKey]”
]
},
“keysExamined” : 8,
…
}
}
}
},
“serverInfo” : …,
“ok” : 1
}

结果分为四部分：queryPlanner、executionStats、serverInfo、ok，仅关注queryPlanner、executionStats这两部分。

executionStats就是执行queryPlanner.winningPlan这个计划时的统计信息，可以从indexBounds看到good query在索引扫描（IXSCAN）阶段，使用的索引是_id主键索引。从IXSCAN这个阶段的keysExamined统计可以解释为什么good query执行的这么快，只扫描了8条数据。

同样使用explain语句看看bad query使用的是什么索引：

{
“queryPlanner” : {
…
“winningPlan” : {
“stage” : “SORT”,
…
“inputStage” : {
“stage” : “SORT_KEY_GENERATOR”,
“inputStage” : {
“stage” : “FETCH”,
“inputStage” : {
“stage” : “IXSCAN”,
“keyPattern” : {
“app” : 1,
“scene” : 1,
“eventId” : -1,
“requestTime” : -1
},
“indexName” : “idx_app_1_scene_1_eventId_-1_requestTime_-1”,
…
“direction” : “forward”,
“indexBounds” : {
“app” : [
“[“my_app”, “my_app”]”
],
“scene” : [
“[MinKey, MaxKey]”
],
“eventId” : [
“[MaxKey, MinKey]”
],
“requestTime” : [
“(1492588800000.0, 1492502247000.0]”
]
}
}
}
}
},
“rejectedPlans” : …,
},
“executionStats” : {
“executionSuccess” : true,
“nReturned” : 1,
“executionTimeMillis” : 56414,
“totalKeysExamined” : 3124535,
“totalDocsExamined” : 275157,
“executionStages” : {
“stage” : “SORT”,
…
“inputStage” : {
“stage” : “SORT_KEY_GENERATOR”,
…
“inputStage” : {
“stage” : “FETCH”,
…
“inputStage” : {
“stage” : “IXSCAN”,
…
“direction” : “forward”,
“indexBounds” : {
“app” : [
“[“my_app”, “my_app”]”
],
“scene” : [
“[MinKey, MaxKey]”
],
“eventId” : [
“[MaxKey, MinKey]”
],
“requestTime” : [
“(1492588800000.0, 1492502247000.0]”
]
},
“keysExamined” : 3124535,
…
}
}
}
}
},
“serverInfo” : …,
“ok” : 1
}

可以看到bad query使用的索引是一个复合索引（Compound Indexes），确实和good query使用的索引不一样。同样，从IXSCAN这个阶段的keysExamined统计可以看到扫描了3124535条数据，所以执行时间会很长。

问题B

如果两条查询选取的索引不同，为什么会有这个不同呢，这两条查询长得还是挺像的

Mongodb是如何为查询选取认为合适的索引的呢？

粗略来说，会先选几个候选的查询计划，然后会为这些查询计划按照某个规则来打分，分数最高的查询计划就是合适的查询计划，这个查询计划里面使用的索引就是认为合适的索引。

好，粗略地说完了，现在细致一点说（还是那句话：没有代码的解释都是耍流氓，以下所有的代码都是基于mongodb-3.2.10）。

先看一个栈：

mongo::PlanRanker::scoreTree
mongo::PlanRanker::pickBestPlan
mongo::MultiPlanStage::pickBestPlan
mongo::PlanExecutor::pickBestPlan
mongo::PlanExecutor::make
mongo::PlanExecutor::make
mongo::getExecutor
mongo::getExecutorFind
mongo::FindCmd::explain

这是使用lldb来调试mongod时，在mongo::PlanRanker::scoreTree（代码位于src/mongo/db/query/plan_ranker.cpp）处设置断点打印出来的栈。

scoreTree里面就是计算每个查询计划的得分的：

// We start all scores at 1.  Our "no plan selected" score is 0 and we want all plans to
// be greater than that.
double baseScore = 1;

// How many "units of work" did the plan perform. Each call to work(...)
// counts as one unit.
size_t workUnits = stats->common.works;

// How much did a plan produce?
// Range: [0, 1]
double productivity =
    static_cast<double>(stats->common.advanced) / static_cast<double>(workUnits);

...

double tieBreakers = noFetchBonus + noSortBonus + noIxisectBonus;
double score = baseScore + productivity + tieBreakers;

scoreTree并没有执行查询，只是根据已有的PlanStageStats* stats来进行计算。那么，是什么时候执行查询来获取查询计划的PlanStageStats* stats的呢？

在mongo::MultiPlanStage::pickBestPlan（代码位于src/mongo/db/exec/multi_plan.cpp）中，会调用workAllPlans来执行所有的查询计划，最多会调用numWorks次：

size_t numWorks = getTrialPeriodWorks(getOpCtx(), _collection);
size_t numResults = getTrialPeriodNumToReturn(*_query);

// Work the plans, stopping when a plan hits EOF or returns some
// fixed number of results.
for (size_t ix = 0; ix < numWorks; ++ix) {
    bool moreToDo = workAllPlans(numResults, yieldPolicy);
    if (!moreToDo) {
        break;
    }
}

问题C

如果bad query选取和good query一样的索引，是否还会有一样的问题呢

MongoDB查询时，可以借助于hint命令强制选取某一条索引来进行查询，比如上述的bad query加上.hint({_id:1})，就可以强制使用主键索引：

db.myColl.find({app:“my_app”,requestTime:{ $g t e : 1492502247000,$ lt:1492588800000}}).sort({_id:-1}).limit(1).hint({_id:1})

然而，即使是这样，查询还是很慢，依然加上.explain(‘executionStats’)看一下执行情况，解答问题A时已经对explain的结果做了些解释，所以这次着重看IXSCAN阶段的keysExamined：

{
…
“executionStages” : {
“stage” : “LIMIT”,
…
“inputStage” : {
“stage” : “FETCH”,
“filter” : {
“ $KaTeX parse error: Expected '}', got 'EOF' at end of input: \dots "$ eq” : “my_app”
}
},
{
“requestTime” : {
“ $KaTeX parse error: Expected 'EOF', got '}' at position 49: \dots }̲ \dots$ gte” : 1492502247000
}
}
]
},
“nReturned” : 1,
…
“inputStage” : {
“stage” : “IXSCAN”,
…
“nReturned” : 32862524,
…
“keysExamined” : 32862524,
…
…
}

扫描了32862524条记录，依然很慢。这个现象比较好解释了，从executionStats.executionStages可以看到，加了hint的查询经历了LIMIT => FETCH => IXSCAN 这几个阶段，IXSCAN这个阶段返回了32862524条记录，被FETCH阶段过滤只剩下一条，所以有32862523条无效扫描，为什么会有这么多无效扫描呢？

这个和业务逻辑是相关的，requestTime时间戳是随时间增长的，主键_id也可以认为随时间增长的，所以按照主键索引倒序来，最开始被扫描的是最新的记录，最新的记录是满足"requestTime" : {“ $KaTeX parse error: Expected 'EOF', got '}' at position 21: \dots: 1492502247000}̲这个条件的，所以good qu\dots$ eq” : “my_app”}就会很快返回；

然而bad query的约束条件"requestTime" : {“ $g t e " : 1492502247000, "$ lt” : 1492588800000}中的"$lt" : 1492588800000是无法被满足的，必须要把所有比1492588800000这个时间戳新的记录都扫描完了之后才会返回。