MongoDB數(shù)據(jù)庫(kù)查詢(xún)性能提高40倍的經(jīng)歷分享

前言

數(shù)據(jù)庫(kù)性能對(duì)軟件整體性能有著至關(guān)重要的影響，本文給大家分享了一次MongoDB數(shù)據(jù)庫(kù)查詢(xún)性能提高40倍的經(jīng)歷，感興趣的朋友們可以參考學(xué)習(xí)。

背景說(shuō)明

1、數(shù)據(jù)庫(kù)：MongoDB

2、數(shù)據(jù)集：

• A：字段數(shù)不定，這里主要用到的兩個(gè)UID和Date
• B：三個(gè)字段，UID、Date、Actions。其中Actions字段是包含260元素JSON數(shù)組，每個(gè)JSON對(duì)象有6個(gè)字段。共有數(shù)據(jù)800萬(wàn)條左右。
  

3、業(yè)務(wù)場(chǎng)景：求平均數(shù)

• 通過(guò)組合條件從A數(shù)據(jù)表查詢(xún)出（UID，Date）列表，最多可能包含數(shù)萬(wàn)條記錄；
• 然后用第1步的結(jié)果從B中查詢(xún)出對(duì)應(yīng)的數(shù)據(jù)
• 用第2步結(jié)果去Actions的某個(gè)固定位置的元素的進(jìn)行計(jì)算
  

進(jìn)化過(guò)程

在這里使用Python演示

最直接想到的方法

根據(jù)上面的業(yè)務(wù)場(chǎng)景描述，最容易想到的解決方法就是

from pymongo import MongoClient
# 連接數(shù)據(jù)庫(kù)
db = MongoClient('mongodb://127.0.0.1:27017')['my_db']

# 簡(jiǎn)化的查詢(xún)數(shù)據(jù)集A的條件
filter = {...}
# 查詢(xún)Collection A
a_cursor = db.a.find(_filter)
a_docs = [x for x in a_cursor]

# 變量的初始定義
count = 0
total = 0
# 加入需要用到的元素為第21個(gè)
index = 20
# 查詢(xún)Collection B，同時(shí)做累加
for a_doc in a _docs:
 b_doc = db.b.find_one({'uid':a_doc['uid'], 'date': a_doc['date']})
 # 只有能查到相應(yīng)的結(jié)果時(shí)，才可以
 if b_doc is not None:
 total += b_doc['actions'][20]['number']
 count += 1

 # 求平均數(shù)
 if count > 0 :
 avg = total/count

實(shí)現(xiàn)難度當(dāng)然是最低的，可是整個(gè)任務(wù)在第一步只有1萬(wàn)條左右的返回時(shí)，消耗的時(shí)間竟然達(dá)到了驚人38秒。當(dāng)然這是已經(jīng)加了索引的結(jié)果，否則可能都無(wú)法得到結(jié)果了。

減少查詢(xún)次數(shù)

瓶頸顯而易見(jiàn)，在循環(huán)中查詢(xún)Collection B，增加了網(wǎng)絡(luò)開(kāi)銷(xiāo)，自然也就增加時(shí)間，如果一次查詢(xún)出所有結(jié)果，自然會(huì)大大提高效率。也就是說(shuō)，我要把第一步的結(jié)果作為條件一次性傳遞，做一個(gè)$in操作?？墒窃趺床拍茏龅侥?？如果在uid和date上分別做$in操作，那么返回的結(jié)果就會(huì)是二者單獨(dú)做$操作的合集，很顯然這和要求是不符的。

經(jīng)過(guò)上面的分析，似乎進(jìn)入了死胡同。其實(shí)答案也基本顯現(xiàn)了，需要有一個(gè)字段可以滿(mǎn)足上面的要求，那么這個(gè)字段就是uid和date的合體，就命名為uid_date。uid_date是一個(gè)新字段，在B中并不存在，在使用之前需要將數(shù)據(jù)庫(kù)現(xiàn)有的數(shù)據(jù)做一下處理。

處理完畢改造程序：

# 下面的只體現(xiàn)和本次修改相關(guān)的內(nèi)容
uid_date_list = []
for a_doc in a_docs:
 uid_date_list.append(a_doc['uid'] + '_' + a_doc['date'])

# 查詢(xún)B
b_cursor = db.b.find({'uid_date':{'$in':uid_date_list}})

# 下面就是取出結(jié)果，求平均數(shù)
...

這一番改造頗費(fèi)時(shí)間，主要是前期的數(shù)據(jù)處理。代碼改造完畢，執(zhí)行下看看吧。

可是，可是…… 45秒

我做錯(cuò)了什么？！

增加返回記錄數(shù)

我還是堅(jiān)信上面的優(yōu)化思路是對(duì)的，現(xiàn)在看看數(shù)據(jù)庫(kù)能給一些什么線(xiàn)索吧。

登錄到數(shù)據(jù)庫(kù)服務(wù)器，找到MongoDB的日志/data/mongodb/logs/mongod.log。仔細(xì)查找，發(fā)現(xiàn)在查詢(xún)數(shù)據(jù)集B時(shí)有很多getMore命令。這就奇怪了，我是一次性查詢(xún)，為什么還有g(shù)etMore。

趕緊查下官方的文檔，然后發(fā)現(xiàn)了下面的內(nèi)容：

batcSize參數(shù)指定了每次返回的個(gè)數(shù)，默認(rèn)的101個(gè)。那看來(lái)這個(gè)應(yīng)該是問(wèn)題所在。找下pymongo的文檔，也可以設(shè)置這個(gè)參數(shù)，那就設(shè)個(gè)大的吧10000。

再次改造程序如下：

# 增加batch_size
b_cursor = db.b.find({'uid_date':{'$in': uid_date_list}}, batch_size=10000)

這次總該可以了。

嗯，好了一些，降到了20秒左右?？墒?，這離1秒只能還差距20倍呢。

返回值減負(fù)

當(dāng)日不能放棄，繼續(xù)通過(guò)日志查找線(xiàn)索，發(fā)現(xiàn)還是有很多getMore。通過(guò)各方查找，發(fā)現(xiàn)mongodb每次最多返回16M的記錄，通過(guò)getMore日志的比對(duì)，發(fā)現(xiàn)的確如此。由于B中每條記錄的過(guò)去龐大，每次只能幾百條記錄，因此要一次多返回，那就必須要減少每次返回的記錄數(shù)。因?yàn)樵谟?jì)算時(shí)，只用了特定索引位置上的數(shù)據(jù)，所以只返回該條記錄就可以了。

最后的代碼就不再寫(xiě)了，具體可以參考官方文檔的實(shí)例。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助，如果有疑問(wèn)大家可以留言交流。