简述MongoDB Explain慢查询？

Mongodb面试考题 0 61

参考回答

在 MongoDB 中，可以使用 explain 方法来分析查询的执行计划，了解查询如何执行以及潜在的性能问题。这是优化查询性能的重要工具，尤其是在排查慢查询时。

explain 会提供以下关键信息：
1. 查询阶段：如是否使用索引（COLLSCAN 或 IXSCAN）。
2. 扫描的文档数：查询是否进行了全表扫描。
3. 返回的文档数：查询结果是否符合预期。
4. 查询耗时：查询的执行时间（executionTimeMillis）。

基本用法：

db.collection.find({ <query> }).explain("executionStats")

例如：

db.users.find({ age: { $gt: 30 } }).explain("executionStats")

通过 explain 方法，可以定位导致慢查询的问题（如索引未被利用）并进行优化。

详细讲解与拓展

1. Explain 方法的参数

MongoDB 提供三种不同的 verbosity（详细级别）：
1. queryPlanner（默认）
– 提供查询的计划和索引信息，但不执行查询。
– 快速分析查询计划。

executionStats
- 执行查询，并提供查询执行的统计信息。
- 包括扫描的文档数、返回的文档数和查询耗时等。
allPlansExecution
- 提供最详细的信息，包括所有候选查询计划的执行统计数据。
- 通常用于深度调试。

示例：

db.collection.find({ age: { gt: 30 } }).explain("queryPlanner")
db.collection.find({ age: {gt: 30 } }).explain("executionStats")
db.collection.find({ age: { $gt: 30 } }).explain("allPlansExecution")

2. Explain 返回的关键字段

explain 返回的结果中，以下字段对分析慢查询至关重要：

queryPlanner
- winningPlan：MongoDB 选择的最佳查询计划（如索引扫描 IXSCAN 或全表扫描 COLLSCAN）。
- rejectedPlans：被排除的其他查询计划。
executionStats
- nReturned：查询返回的文档数量。
- executionTimeMillis：查询耗时（毫秒）。
- totalKeysExamined：扫描的索引条目数。
- totalDocsExamined：扫描的文档数。
allPlansExecution
- 提供所有候选计划的统计信息，便于选择最优索引。

3. 常见慢查询原因及优化建议

未使用索引（COLLSCAN）
- 问题：查询执行时需要扫描整个集合（全表扫描），导致慢查询。
- 优化：为查询条件字段创建索引。
- 示例：
```
db.users.createIndex({ age: 1 }) // 为 `age` 字段创建索引
db.users.find({ age: { $gt: 30 } }).explain("executionStats")
```
  JavaScript
索引不匹配
- 问题：查询未按索引字段的顺序执行，导致索引未被利用。
- 优化：创建复合索引并确保查询字段顺序与索引匹配。
- 示例：
```
db.users.createIndex({ name: 1, age: -1 })
db.users.find({ name: "Alice", age: { $gt: 30 } }).explain("executionStats")
```
  JavaScript
返回数据过多
- 问题：查询返回大量无用数据，增加了处理开销。
- 优化：限制返回结果或只返回必要字段。
- 示例：
```
db.users.find({ age: { $gt: 30 } }, { name: 1, _id: 0 }).explain("executionStats")
```
  JavaScript
排序未优化
- 问题：查询结果需要排序，但未使用索引，导致慢查询。
- 优化：为排序字段创建索引。
- 示例：
```
db.users.createIndex({ age: 1 })
db.users.find({}).sort({ age: 1 }).explain("executionStats")
```
  JavaScript

4. 慢查询优化示例

假设我们有以下集合：

[
    { "name": "Alice", "age": 25, "city": "New York" },
    { "name": "Bob", "age": 30, "city": "Chicago" },
    { "name": "Charlie", "age": 35, "city": "Los Angeles" }
]

查询年龄大于 30 的用户：

db.users.find({ age: { $gt: 30 } }).explain("executionStats")

分析结果：

{
    "executionStats": {
        "executionTimeMillis": 120,
        "totalKeysExamined": 0,
        "totalDocsExamined": 3,
        "nReturned": 1
    },
    "queryPlanner": {
        "winningPlan": { "stage": "COLLSCAN" }
    }
}

问题：
– 查询执行了全表扫描（COLLSCAN），未使用索引。

优化：
为 age 字段创建索引：

db.users.createIndex({ age: 1 })

重新执行查询：

db.users.find({ age: { $gt: 30 } }).explain("executionStats")

优化后结果：

{
    "executionStats": {
        "executionTimeMillis": 10,
        "totalKeysExamined": 1,
        "totalDocsExamined": 1,
        "nReturned": 1
    },
    "queryPlanner": {
        "winningPlan": { "stage": "IXSCAN" }
    }
}

改进点：
– 查询使用了索引扫描（IXSCAN）。
– 执行时间显著降低。

总结

MongoDB 的 explain 方法是分析慢查询的核心工具。通过查看查询计划和执行统计，可以快速定位性能瓶颈，如全表扫描、索引未命中或排序问题。合理使用索引、优化查询条件和结果字段，可以有效解决慢查询问题，提高 MongoDB 的查询性能。