Question

我有一个数据库，其中包含大量文档（数百万）的集合。在这个数据库中，我有（其中包括）字段_VIOLATIONTYPE（int）和_DURATION（int）。现在我想计算_VIOLATIONTYPE为15或更低且_DURATION为10或更低的文档数量。为此，我执行以下Python脚本：

#!/usr/bin/env python
import pymongo
import timeit


client = pymongo.MongoClient('localhost', 27017)
database = client['bgp_route_leaks']

collection = database['valleys']

collection.ensure_index('_VIOLATIONTYPE', unique=False)
collection.ensure_index('_DURATION', unique=False)

start = timeit.default_timer()

cursor = collection.find({'$and': [{'_VIOLATIONTYPE': {'$lt': 16}}, {'_DURATION': {'$lt': 10}}]}, {'_DURATION': 1, '_id': 0})

print('Explain: {}'.format(cursor.explain()))
print('Count: {}'.format(cursor.count()))
print('Time: {}'.format(timeit.default_timer() - start))

打印出来：

Explain: {u'nYields': 4, u'nscannedAllPlans': 6244545, u'allPlans': [{u'cursor': u'BtreeCursor _VIOLATIONTYPE_1', u'indexBounds': {u'_VIOLATIONTYPE': [[-1.7976931348623157e+308, 16]]}, u'nscannedObjects': 124, u'nscanned': 124, u'n': 34}, {u'cursor': u'BtreeCursor _DURATION_1', u'indexBounds': {u'_DURATION': [[-1.7976931348623157e+308, 10]]}, u'nscannedObjects': 6244298, u'nscanned': 6244298, u'n': 5678070}, {u'cursor': u'BasicCursor', u'indexBounds': {}, u'nscannedObjects': 123, u'nscanned': 123, u'n': 36}], u'millis': 30815, u'nChunkSkips': 0, u'server': u'area51:27017', u'n': 5678107, u'cursor': u'BtreeCursor _DURATION_1', u'scanAndOrder': False, u'indexBounds': {u'_DURATION': [[-1.7976931348623157e+308, 10]]}, u'nscannedObjectsAllPlans': 6244545, u'isMultiKey': False, u'indexOnly': True, u'nscanned': 6244298, u'nscannedObjects': 6244298}
Count: 5678107
Time: 52.4030768871

在运行时我还在另一个窗口中执行了db.currentOp（），该窗口返回了

{
        "inprog" : [
                {
                        "opid" : 15,
                        "active" : true,
                        "secs_running" : 4,
                        "op" : "query",
                        "ns" : "bgp_route_leaks.valleys",
                        "query" : {
                                "$query" : {
                                        "$and" : [
                                                {
                                                        "_VIOLATIONTYPE" : {
                                                                "$lt" : 16
                                                        }
                                                },
                                                {
                                                        "_DURATION" : {
                                                                "$lt" : 10
                                                        }
                                                }
                                        ]
                                },
                                "$explain" : true
                        },
                        "client" : "127.0.0.1:46819",
                        "desc" : "conn1",
                        "threadId" : "0x7fd69b31c700",
                        "connectionId" : 1,
                        "locks" : {
                                "^" : "r",
                                "^bgp_route_leaks" : "R"
                        },
                        "waitingForLock" : false,
                        "numYields" : 5,
                        "lockStats" : {
                                "timeLockedMicros" : {
                                        "r" : NumberLong(8816104),
                                        "w" : NumberLong(0)
                                },
                                "timeAcquiringMicros" : {
                                        "r" : NumberLong(4408723),
                                        "w" : NumberLong(0)
                                }
                        }
                }
        ]
}

现在我已经读过，慢速MongoDB查询的最常见来源是缺少索引。但是，我确保了_VIOLATIONTYPE和_DURATION的索引，并且解释告诉我u'indexOnly'：是的。我还读到NUMA架构可能会减慢速度，我应该通过命令启动服务

sudo numactl --interleave=all /usr/bin/mongod --dbpath=/var/lib/mongodb
(/proc/sys/vm/zone_reclaim_mode is already set to 0)

我知道已经完成了，但是这个计算仍需要大约一分钟，而其他人则需要更长的时间，因此我想知道如何使查询更快。

运行

db.runCommand({compact: 'bgp_route_leaks'})

mongo shell中的

也没有运气。

关于如何更快地获得计数的任何建议？

MongoDB版本是2.4.9。

Answer 1

如果查看explain输出，您会看到正在使用_VIOLATIONTYPE的查询仅扫描124个对象，而使用_DURATION的查询正在扫描6244545个对象。

虽然MongoDB 2.6+可以使用index intersection，但复合索引总是会更快。

您需要在这些字段上创建复合索引：

collection.create_index([("_VIOLATIONTYPE", ASCENDING),("_DURATION", ASCENDING)]);

修改

在版本2.4中，MongoDB的性能得到了显着提升（JIRA-1752）。

此外，值得注意的是explain命令正在显示查询不计数命令的详细信息。

不幸的是，您无法在explain命令上使用count，但是针对该问题打开了ticket。

要仅测量count命令的性能，您应该从测试中删除explain。此外，您需要多次重复查询（100x，1000x ...）并取平均值以获得正确的值。

在大数据库中非常慢的MongoDB计数

1 个答案: