MongoDB调优-查询优化-MongoDB Profiler

概述MongoDB查询优化 MongoDB Profiler MongoDB Profiler 概述 官方文档： 熟悉 的人应该知道， 是有个慢查询日志的，它可以帮助我们进行优化我们的 ，并提高我们系统的 MongoDB查询优化-MongoDB ProfilerMongoDB Profiler 概述

官方文档：https://docs.mongodb.com/manual/tutorial/manage-the-database-profiler/index.html

熟悉 MysqL 的人应该知道，MysqL 是有个慢查询日志的，它可以帮助我们进行优化我们的 sql，并提高我们系统的稳定性和流畅性。那么 MongoDB 中是否也有类似的功能吗? 是有的，它就是 Database Profiler(下面我直接称为慢查询了)，我们可以通过设置 Database Profiler 来记录一些超过阈值的查询。然后我们后期可以通过这些记录进行优化查询。

MongoDB 的 慢查询记录储存在 system.profile 里，默认情况下是关闭的，我们可以在数据库级别上或者是节点级别上配置。

状态码	描述
0	关闭慢查询，默认情况下
1	超过阈值的查询收集
2	为所有数据库开启慢查询记录,收集所有的数据

通过 MongoDB shell 启用

#  为所有数据库开启慢查询记录db.setProfilingLevel(2)#  指定数据库，并指定阈值慢查询 ，超过20毫秒的查询被记录use testdb.setProfilingLevel(1,{ slowms: 20 })#  随机采集慢查询的百分比值，sampleRate 值默认为1，表示都采集，0.42 表示采集42%的内容。db.setProfilingLevel(1,{ sampleRate: 0.42 }) # 查询慢查询级别和其它信息db.getProfilingStatus()# 仅返回慢查询级别db.getProfilingLevel()# 禁用慢查询db.setProfilingLevel(0)

通过配置文件启用

在ini 配置文件 mongodb.conf 添加以下参数， profile参数是设置开启等级，slowms是设置阈值

profile = 1slowms = 300

在 YAML配置 文件配置

operationProfiling:   mode: <string>  # 默认为 off，可选值 off、slowOp(对应上面的等级 1)、all(对应上面的等级 2)   slowOpThresholdMs: <int> # 阈值，默认值为100，单位毫秒   slowOpSampleRate: <double> #  随机采集慢查询的百分比值，sampleRate 值默认为1，表示都采集，0.42 表示采集42%的内容

常用命令和示例

# 查询最近的10个慢查询日志db.system.profile.find().limit(10).sort( { ts : -1 } ).pretty()# 查询除命令类型为 ‘command’ 的日志db.system.profile.find( { op: { $ne : 'command' } } ).pretty()# 查询数据库为 mydb 集合为 test 的 日志db.system.profile.find( { ns : 'mydb.test' } ).pretty()# 查询 低于 5毫秒的日志db.system.profile.find( { millis : { $gt : 5 } } ).pretty()# 查询时间从 2012-12-09 3点整到 2012-12-09 3点40分之间的日志db.system.profile.find({  ts : {    $gt: new ISODate("2012-12-09T03:00:00Z"),$lt: new ISODate("2012-12-09T03:40:00Z")  }}).pretty()

MongoDB慢日志解析

官方文档：https://docs.mongodb.com/manual/reference/database-profiler/index.html

{   "op" : "query",#  *** 作类型，值可为command、count、distinct、geoNear、getMore、group、insert、mapReduce、query、remove、update   "ns" : "test.report",#  *** 作的数据库和集合   "command" : {     # 命令      "find" : "report",#  *** 作的集合      "filter" : { "a" : { "$lte" : 500 } },# 查询条件      "lsID" : {             "ID" : UUID("5ccd5b81-b023-41f3-8959-bf99ed696ce9") #用户的会话ID      },"$db" : "test"  #  *** 作的数据库   },"cursorID" : 33629063128,# query和getmore 的游标ID   "keysexamined" : 101,# MongoDB为执行 *** 作而扫描的索引键的数量   "docsexamined" : 101,# MongoDB为了执行 *** 作而扫描的集合中的文档数。   "numYIEld" : 2,# 让步次数， *** 作时让其他的 *** 作完成的次数。   "nreturned" : 101,#  *** 作返回的文档数   "queryHash" : "811451DD",# 查询的hash值   "planCacheKey" : "759981BA","locks" : {  #  *** 作期间的锁和所的类型      "Global" : {  #表示全局锁定         "acquireCount" : { #锁定的次数            "r" : NumberLong(3)  # 表示共享锁          }      },"Database" : {   # 数据库锁         "acquireCount" : { "r" : NumberLong(1) },"acquireWaitCount" : { "r" : NumberLong(1) },"timeAcquiringMicros" : { "r" : NumberLong(69130694) }      },"Collection" : {  # 集合锁         "acquireCount" : { "r" : NumberLong(1) }      }   },"storage" : { # 储存      "data" : {         "bytesRead" : NumberLong(14736),# *** 作 从磁盘放到缓存的数据的字节数         "timeReadingMicros" : NumberLong(17) #  *** 作 花费在磁盘读取的时间，以微妙为单位      }   },"responseLength" : 1305014,#  *** 作返回结果的文档长度，单位为字节   "protocol" : "op_msg",# 消息的协议   "millis" : 69132,# 从 MongoDB  *** 作开始到结束耗费的时间   "planSummary" : "IXSCAN { a: 1,_ID: -1 }",# 摘要   "execStats" : {  #  *** 作执行过程中的详细信息      "stage" : "FETCH",#  *** 作形式 ，ColLSCAN 用于集合扫描，IXSCAN 用于扫描索引键，FETCH 用于检索文档      "nReturned" : 101,# 返回的文档数量      "executionTimeMillisEstimate" : 0,"works" : 101,"advanced" : 101,"needTime" : 0,"needYIEld" : 0,"saveState" : 3,"restoreState" : 2,"iSEOF" : 0,"invalIDates" : 0,"docsexamined" : 101,"alreadyHasObj" : 0,"inputStage" : {         ...      }   },"ts" : ISODate("2019-01-14T16:57:33.450Z"),# *** 作的时间戳   "clIEnt" : "127.0.0.1",# 客户端的ip   "appname" : "MongoDB Shell",#客户端应用标识符   "allUsers" : [      {         "user" : "someuser",# 用户         "db" : "admin"  # 验证的数据库      }   ],"user" : "someuser@admin"  # 经过验证的用户}

总结

以上是内存溢出为你收集整理的MongoDB调优-查询优化-MongoDB Profiler全部内容，希望文章能够帮你解决MongoDB调优-查询优化-MongoDB Profiler所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。