概述
结论:
1、 200w数据,合理使用索引的情况下,单个stationId下4w数据。mongodb查询和排序的性能理想,无正则时client可以在600ms+完成查询,qps300+。有正则时client可以在1300ms+完成查询,qps140+。
2、 Mongodb的count性能比较差,非并发情况下client可以在330ms完成查询,在并发情况下则需要1-3s。可以考虑估算总数的方法,http://blog.sina.com.cn/s/blog_56545fd30101442b.html
测试环境:mongodb使用 replica set,1主2从,96G内存,版本2.6.5
Mem消耗(4个200w数据的collection):
空间消耗(测试数据最终选定的collection):
Jvm: -Xms2G -Xmx2G
Ping延迟33ms
查询都使用ReadPreference.secondaryPreferred()
无正则
1、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:20000
查询条件:多条件查询10条记录,并逐条获取记录
String key = "清泉" + r.nextInt(1000); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))); DBCursor cursor = collection.find(queryObject).limit(10).skip(2);
并发:200
耗时:61566
单次耗时(server):124ms
Qps:324.85
2、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:20000
查询条件:多条件查询10条记录排序,并逐条获取记录
String key = "清泉" + r.nextInt(100); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{4, 20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))); DBCursor cursor = collection.find(queryObject) .sort(new BasicDBObject("firmId", 1)).limit(10).skip(2);
并发:200
耗时:63187
单次耗时(server):119ms
Qps:316.52
3、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:2000
查询条件:多条件查询记录数
String key = "清泉" + r.nextInt(100); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{4, 20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))); long count = collection.count(queryObject);
并发:200
耗时:21887
单次耗时(client):280ms
Qps:91.38
有正则
4、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:20000
查询条件:多条件查询10条记录,并逐条获取记录
String key = "清泉" + r.nextInt(1000); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append ("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))) .append("firmName", pattern); DBCursor cursor = collection.find(queryObject).limit(10).skip(2);
并发:200
耗时:137673
单次耗时(server):225ms
Qps:145.27
5、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:20000
查询条件:多条件查询10条记录排序,并逐条获取记录
String key = "清泉" + r.nextInt(1000); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{4, 20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append ("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))) .append("firmName", pattern); DBCursor cursor = collection.find(queryObject) .sort(new BasicDBObject("firmId", 1)).limit(10).skip(2);
并发:200
耗时:138673
单次耗时(server):230ms
Qps:144.22
6、 创建stationId, firmId复合引查询场景(200w集合,12个字段)
查询次数:2000
查询条件:多条件查询记录数
String key = "清泉" + r.nextInt(1000); Pattern pattern = Pattern.compile(key); BasicDBObject queryObject = new BasicDBObject("stationId", new BasicDBObject("$in", new Integer[]{4, 20})) .append("firmId", new BasicDBObject("$gt", 5000)) .append ("dealCount", new BasicDBObject("$gt", r.nextInt(1000000))) .append("firmName", pattern); long count = collection.count(queryObject);
并发:200
耗时:23155
单次耗时(client):330ms
Qps:86.37
MongoDB索引特点
1、 复合索引必须命中首字段,否则无法生效。后面的字段可以不按顺序命中。
2、 复合索引字段越多占用空间越大,但对查询性能影响不大(数组索引除外)。
3、 会根据sort字段选择索引,优先级超过复合索引中的非首字段。
4、 命中复合索引的情况下,数据量<10w的情况下,过滤非索引字段,效率也比较高。
5、 全文检索性能比较差,200w数据命中50w的情况下,全文检索需要10+s,正则需要1s。
MongoDB客户端配置,可以提出来做成spring注入,设置最大连接数什么的。
MongoClientOptions options = MongoClientOptions.builder().maxWaitTime(1000 * 60 * 2) .connectionsPerHost(500).build(); mongoClient = new MongoClient(Arrays.asList(new ServerAddress("10.205.68.57", 8700), new ServerAddress("10.205.68.15", 8700), new ServerAddress("10.205.69.13", 8700)), options); mongoClient.setReadPreference(ReadPreference.secondaryPreferred());
mongoDB调研_结论.docx为最终场景下的测试数据,分为有正则和无正则。
mongoDB调研_remote.docx为测试验证过程中的数据,有可能存在缓存等情况,不一定准确,功参考。
关于MongoDB 查询优化原则的大家了解吗?下文给大家介绍下,具体内容如下所示:
1.在查询条件、排序条件、统计条件的字段上选择创建索引,可以显著提高查询效率。
2.用$or时把匹配最多结果的条件放在最前面,用$and时把匹配最 少 结果的条件放在最前面。
3.使用limit()限定返回结果集的大小,减少数据库服务器的资源消耗,以及网络传输的数据量。
4.尽量少用$in,而是分解成一个一个的单一查询。尤其是在分片上,$in会让你的查询去每一个分片上查一次,如果实在要用的话,先在每个分片上建索引。
5.尽量不用模糊匹配查询,用其它精确匹配查询代替,比如$in、$nin。
6.查询量大、并发大的情况,通过前端加缓存解决。
7.能不用安全模式的操作就不用安全模式,这样客户端没必要等待数据库返回查询结果以及处理异常,快了一个数量级。
8.MongoDB的智能查询优化,判断粒度为query条件,而skip和limit都不在其判断之中,当分页查询最后几页时,先用order反向排序。
9.尽量减少跨分片查询,balance均衡次数少。
10.只查询要使用的字段,而不查询所有字段。
11.更新字段的值时,使用$inc比update效率高。
12.apped collections比普通collections的读写效率高。
13.server-side processing类似于SQL查询的存储过程,可以减少网络通讯的开销。
14.必要时使用hint()强制使用某个索引查询。
15.如果有自己的主键列,则使用自己的主键列作为id,这样可以节约空间,也不需要创建额外的所以。
16.使用explain,根据exlpain plan进行优化。
17.范围查询的时候尽量用$in、$nin代替。
18.查看数据库查询日志,具体分析的效率低的操作。
19.mongodb有一个数据库优化工具database profiler,能够检测数据库操作的性能。可以发现query或者write操作中执行效率低的,从而针对这些操作进行优化。
20.尽量把更多的操作放在客户端,当然这就是mongodb设计的理念之一。
最后
以上就是单身香烟为你收集整理的MongoDB查询性能优化验证及验证的全部内容,希望文章能够帮你解决MongoDB查询性能优化验证及验证所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复