大数据库中非常慢的 MongoDB 计数
Posted
技术标签:
【中文标题】大数据库中非常慢的 MongoDB 计数【英文标题】:Very slow MongoDB count in big database 【发布时间】:2014-06-10 12:17:31 【问题描述】:我有一个数据库,其中包含一个包含大量文档(数百万)的集合。 在这个数据库中,我有(除其他外)字段 _VIOLATIONTYPE (int) 和 _DURATION (int)。 现在我想计算 _VIOLATIONTYPE 为 15 或更少且 _DURATION 为 10 或更少的文档数量。 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': '$lt': 10], '_DURATION': 1, '_id': 0)
print('Explain: '.format(cursor.explain()))
print('Count: '.format(cursor.count()))
print('Time: '.format(timeit.default_timer() - start))
打印出来:
Explain: u'nYields': 4, u'nscannedAllPlans': 6244545, u'allPlans': [u'cursor': u'BtreeCursor _VIOLATIONTYPE_1', u'indexBounds': u'_VIOLATIONTYPE': [[-1.7976931348623157e+308, 16]], u'nscannedObjects': 124, u'nscanned': 124, u'n': 34, u'cursor': u'BtreeCursor _DURATION_1', u'indexBounds': u'_DURATION': [[-1.7976931348623157e+308, 10]], u'nscannedObjects': 6244298, u'nscanned': 6244298, u'n': 5678070, u'cursor': u'BasicCursor', u'indexBounds': , u'nscannedObjects': 123, u'nscanned': 123, u'n': 36], u'millis': 30815, u'nChunkSkips': 0, u'server': u'area51:27017', u'n': 5678107, u'cursor': u'BtreeCursor _DURATION_1', u'scanAndOrder': False, u'indexBounds': u'_DURATION': [[-1.7976931348623157e+308, 10]], u'nscannedObjectsAllPlans': 6244545, u'isMultiKey': False, u'indexOnly': True, u'nscanned': 6244298, u'nscannedObjects': 6244298
Count: 5678107
Time: 52.4030768871
在运行时,我还在另一个窗口中执行了 db.currentOp(),它返回了
"inprog" : [
"opid" : 15,
"active" : true,
"secs_running" : 4,
"op" : "query",
"ns" : "bgp_route_leaks.valleys",
"query" :
"$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)
]
现在我了解到,最常见的慢速 MongoDB 查询来源是缺少索引。 但是,我确保了 _VIOLATIONTYPE 和 _DURATION 的索引,并且解释告诉我 u'indexOnly': True。 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,但是这个计数仍然需要大约一分钟,其他计数甚至更长,所以我想知道如何做才能使查询更快。
跑步
db.runCommand(compact: 'bgp_route_leaks')
在 mongo shell 中也尝试过,但没有成功。
关于如何更快地获得计数的任何建议?
MongoDB 版本是 2.4.9。
【问题讨论】:
【参考方案1】:如果您查看 explain
输出,您将看到使用 _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,但复合索引总是更快。
您需要在这些字段上创建复合索引:
collection.create_index([("_VIOLATIONTYPE", ASCENDING),("_DURATION", ASCENDING)]);
编辑
在 2.4 版本中,MongoDB 的性能得到了显着提升 (JIRA-1752)。
另外,值得注意的是explain
命令正在显示查询而不是计数命令的详细信息。
很遗憾,您不能在 count
命令上使用 explain
,但是针对该问题打开了 ticket。
要仅测量 count
命令的性能,您可能应该从测试中删除 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。
【讨论】:
感谢您的建议,它确实提高了性能(在初始化密钥几分钟后),但没有我希望的那么多。它现在输出以下时间:22.7881669998。你知道有什么其他方法可以进一步提高速度吗?因为我需要执行多个类似的查询,目前它们需要将近一个小时才能完成。 @user3664397 - 你使用的是什么版本的 MongoDB? MongoDB版本是2.4.9,我现在已经加到原帖里了 @user3664397 - 添加了对此行为的可能解释。 我注意到,事实上,对于大多数查询来说,一半的时间仍然太多。并且获得更准确的性能值也不是那么有趣,因为它主要围绕该值,我需要它显着更快。我发现问题的原因很可能是索引值不适合 RAM 内存,并且大部分都存储在交换内存中。所以我认为最好的解决方案是减少要处理的记录数量。不过,我不确定在我的情况下我将如何处理它。感谢所有的建议。 :)以上是关于大数据库中非常慢的 MongoDB 计数的主要内容,如果未能解决你的问题,请参考以下文章