mongodb效能分析方法：explain()

    為了演示的效果，我們先來建立一個有200萬個文件的記錄。（我自己的電腦耗了15分鐘左右插入完成。如果你想插更多的文件也沒問題，只要有耐心等就可以了。）

1 for(var i=0;i<2000000;i++){
2     db.person.insert({"name":"ryan"+i,"age":i});
3 }

    MongoDB 3.0之後，explain的返回與使用方法與之前版本有了很大的變化，介於3.0之後的優秀特色和我們目前所使用給的是3.0.7版本，本文僅針對MongoDB 3.0+的explain進行討論。3.0+的explain有三種模式，分別是：queryPlanner、executionStats、allPlansExecution。現實開發中，常用的是executionStats模式，主要分析這種模式。

    給這個person集合建立age鍵的索引：db.person.createIndex({"age":1})

db.getCollection('person').find({"age":{"$lte":2000}}).explain("executionStats")

對queryPlanner分析

    queryPlanner: queryPlanner的返回

    queryPlanner.namespace:該值返回的是該query所查詢的表

    queryPlanner.indexFilterSet:針對該query是否有indexfilter

    queryPlanner.winningPlan:查詢優化器針對該query所返回的最優執行計劃的詳細內容。

    queryPlanner.winningPlan.stage:最優執行計劃的stage，這裡返回是FETCH，可以理解為通過返回的index位置去檢索具體的文件（stage有數個模式，將在後文中進行詳解）。

    queryPlanner.winningPlan.inputStage:用來描述子stage，並且為其父stage提供文件和索引關鍵字。

    queryPlanner.winningPlan.stage的child stage，此處是IXSCAN，表示進行的是index scanning。

    queryPlanner.winningPlan.keyPattern:所掃描的index內容，此處是did:1,status:1,modify_time: -1與scid : 1

    queryPlanner.winningPlan.indexName：winning plan所選用的index。

    queryPlanner.winningPlan.isMultiKey是否是Multikey，此處返回是false，如果索引建立在array上，此處將是true。

    queryPlanner.winningPlan.direction：此query的查詢順序，此處是forward，如果用了.sort({modify_time:-1})將顯示backward。

    queryPlanner.winningPlan.indexBounds:winningplan所掃描的索引範圍,如果沒有制定範圍就是[MaxKey, MinKey]，這主要是直接定位到mongodb的chunck中去查詢資料，加快資料讀取。

    queryPlanner.rejectedPlans：其他執行計劃（非最優而被查詢優化器reject的）的詳細返回，其中具體資訊與winningPlan的返回中意義相同，故不在此贅述。

對executionStats返回逐層分析

    第一層，executionTimeMillis

    最為直觀explain返回值是executionTimeMillis值，指的是我們這條語句的執行時間，這個值當然是希望越少越好。

    其中有3個executionTimeMillis，分別是：

    executionStats.executionTimeMillis

    該query的整體查詢時間。

    executionStats.executionStages.executionTimeMillisEstimate

    該查詢根據index去檢索document獲得2001條資料的時間。

    executionStats.executionStages.inputStage.executionTimeMillisEstimate

    該查詢掃描2001行index所用時間。

    第二層，index與document掃描數與查詢返回條目數

    這個主要討論3個返回項，nReturned、totalKeysExamined、totalDocsExamined，分別代表該條查詢返回的條目、索引掃描條目、文件掃描條目。

    這些都是直觀地影響到executionTimeMillis，我們需要掃描的越少速度越快。

    對於一個查詢，我們最理想的狀態是：

    nReturned=totalKeysExamined=totalDocsExamined

    第三層，stage狀態分析

    那麼又是什麼影響到了totalKeysExamined和totalDocsExamined？是stage的型別。型別列舉如下：

    COLLSCAN：全表掃描

    IXSCAN：索引掃描

    FETCH：根據索引去檢索指定document

    SHARD_MERGE：將各個分片返回資料進行merge

    SORT：表明在記憶體中進行了排序

    LIMIT：使用limit限制返回數

    SKIP：使用skip進行跳過

    IDHACK：針對_id進行查詢

    SHARDING_FILTER：通過mongos對分片資料進行查詢

    COUNT：利用db.coll.explain().count()之類進行count運算

    COUNTSCAN：count不使用Index進行count時的stage返回

    COUNT_SCAN：count使用了Index進行count時的stage返回

    SUBPLA：未使用到索引的$or查詢的stage返回

    TEXT：使用全文索引進行查詢時候的stage返回

    PROJECTION：限定返回欄位時候stage的返回

    對於普通查詢，我希望看到stage的組合(查詢的時候儘可能用上索引)：

    Fetch+IDHACK

    Fetch+ixscan

    Limit+（Fetch+ixscan）

    PROJECTION+ixscan

    SHARDING_FITER+ixscan

    COUNT_SCAN

    不希望看到包含如下的stage：

    COLLSCAN(全表掃描),SORT(使用sort但是無index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index進行count)