MongoDB性能优化.pdfVIP

MongoDB 性能优化 查询操作的优化 假设我们按照时间戳查询最近发表的10 篇博客文章： articles = db.posts.find().sort({ts:-1}); // get blog posts in reverse time order for (var i=0; i 10; i++) { print(articles[i].getSummary()); } 优化#1: 创建索引 在查询条件的字段上，或者排序条件的字段上创建索引，可以显著提高执行效率： db.posts.ensureIndex({ts:1}); 优化#2: 限定返回结果条数 使用limit()限定返回结果集的大小，可以减少database server 的资源消耗，可以减少网络传输 数据量。 articles = db.posts.find().sort({ts:-1}).limit(10); // 10 results maximum 优化#3: 只查询使用到的字段，而不查询所有字段 The blog post object may be very large, with the post text and comments embedded. Much better performance will be achieved by selecting only the fields we need: 在本例中，博客日志记录内容可能非常大，而且还包括了评论内容（作为embeded 文档）。所 以只查询使用的字段，比查询所有字段效率更高： articles = db.posts.find({}, {ts:1,title:1,author:1,abstract:1}).sort({ts:-1}).limit(10); 注意：如果只查询部分字段的话，不能用返回的对象直接更新数据库。下面的代码是错误的： a_post = db.posts.findOne({}, Post.summaryFields); a_post.x = 3; db.posts.save(a_post); // error, exception thrown Using the Profiler MongoDB 有一个数据库优化工具Database Profiler，这个工具能检测数据库操作的性能。用个 工具可以发现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。 优化count()查询操作 在count （）操作的查询条件字段上创建索引，可以提高效率。 db.posts.ensureIndex({author:1}); db.posts.find({author:george}).count(); Increment 操作 更新字段的值时，使用Increment 操作效率更高。Increment 操作比先查询出数据，然后修改数 据执行update 操作的效率更高。 Circular Fixed Size Collections apped Collections 比普通Collections 的读写效率高。Capped Collections 是高效率的Collection 类型，它有如下特点：  固定大小；Capped Collections 必须事先创建，并设置大小： db.createCollection(mycoll, {capped:true, size:100000})  Capped Collections 可以insert 和update 操作；不能delete 操作。只能用drop （） 方法删除整个Collection。  默认基于Insert 的次序排序的。如果查询时没有排序，则总是按照insert 的顺序返回。  FIFO。如果超过了Collection 的限定大小，则用FIFO 算法，新记录将替代最先insert 的记录。 Server Side Code Execution Server-Side Processing 类似于SQL 数据库的存储过程，使用Server-Side Processing 可以减 小网络通讯的开销。 Explain 使用explain，MongoDB 显示操作的explain plan 。可以根据explain plan 进行优化。 db.collection.find(query).explain(); provides information such as the follow