我有一个数据库，其中有一个集合，其中包含大量文档(数百万)。 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 或更小且 _DURATION 为 10 或更小的文档数量。 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

在运行它的同时，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，慢速 MongoDB 查询的最常见来源是缺少索引。 但是，我已经确保了 _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)

我知道这已经完成了，但是这个计数仍然需要大约一分钟，而其他计数则需要更长的时间，所以我想知道如何做才能使查询更快。

运行

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有什么建议吗？

MongoDB 版本为 2.4.9。

最佳答案

如果您查看 explain 输出，您会看到使用 _VIOLATIONTYPE 的查询仅扫描 124 个对象，而查询使用 _DURATION 正在扫描 6244545 个对象。

尽管 MongoDB 2.6+ 可以使用 index intersection ，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

在版本 2.4 中，MongoDB 的性能得到显着提升 (JIRA-1752)。

此外，值得注意的是 explain 命令显示的是查询的详细信息，而不是 count 命令。

不幸的是，您不能在count 命令上使用explain，但是有一个ticket。针对该问题打开。

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。

关于python - 大数据库中的 MongoDB 计数非常慢，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24140779/