MongoDB分頁查詢的方法及效能
自從上次Redis之後呢，算是對Nosql型別的產品有些入門了，這會換個方向，研究下真正的NoSql資料庫——MongoDB。說起MongoDB，確實是用完了之後顛覆了我的資料管和程式觀。怎麼說呢？如果用在OO設計的程式裡那真的太棒了，像我這種資料驅動、表驅動思想根深蒂固的人，思路很難一下子跟上MongoDB的節奏。當然並不是呼叫個api，寫幾句query那些思路，而是程式設計思路，業務領域的設計，如果OO，如何適合展現，適合查詢，適合聚合運算等等。總之MongoDB重要的是程式的設計，設計好了，其實完全就忽略了Mongo的儲存，因為mongodb實在是太方便了。
廢話不多說，關於入門的資料、安裝以及其他請拉到文章末尾，我附上了一些資料，以後如有必要再來分享。這篇文章著重的講講MongoDB的分頁查詢，為啥？分頁可是常見的頭號殺手，弄不好了，客戶罵，經理罵。
傳統的SQL分頁
傳統的sql分頁，所有的方案几乎是繞不開row_number的，對於需要各種排序，複雜查詢的場景，row_number就是殺手鐗。另外，針對現在的web很流行的poll/push載入分頁的方式，一般會利用時間戳來實現分頁。 這兩種分頁可以說前者是通用的，連Linq生成的分頁都是row_number，可想而知它多通用。後者是無論是效能和複雜程度都是最好的，因為只要簡單的一個時間戳即可。
MongoDB分頁
進入到Mongo的思路，分頁其實並不難，那難得是什麼？其實倒也沒啥，看明白了也就那樣，和SQL分頁的思路是一致的。
先說明下這篇文章使用的用例，我在資料庫裡匯入瞭如下的實體資料，其中cus_id、amount我生成為有序的數字，倒入的記錄數是200w：
public class Test { /// <summary> /// 主鍵 ObjectId 是MongoDB自帶的主鍵型別 /// </summary> public ObjectId Id { get; set; } /// <summary> /// 客戶編號 /// </summary> [BsonElement("cust_id")] public string CustomerId { get; set; } /// <summary> /// 總數 /// </summary> [BsonElement("amount")] public int Amount { get; set; } /// <summary> /// 狀態 /// </summary> [BsonElement("status")] public string Status { get; set; } }
以下的操作基於MongoDB GUI 工具見參考資料3
首先來看看分頁需要的引數以及結果，一般的分頁需要的引數是:
- PageIndex 當前頁
- PageSize 每頁記錄數
- QueryParam[] 其他的查詢欄位
所以按照row_number的分頁思想，也就是說取第(pageIndex*pageSize)到第(pageIndex*pageSize + pageSize)，我們用Linq表達就是:
query.Where(xxx...xxx).Skip(pageIndex*pageSize).Take(pageSize)
查找了資料，還真有skip函式，而且還有Limit函式 見參考資料1、2，於是輕易地實現了這樣的分頁查詢：
db.test.find({xxx...xxx}).sort({"amount":1}).skip(10).limit(10)//這裡忽略掉查詢語句
相當的高效，幾乎是幾毫秒就出來了結果，果然是NoSql效率一流。但是慢，我這裡使用的資料只是10條而已，並沒有很多資料。我把資料加到100000，效率大概是20ms。如果這麼簡單就研究結束了的話，那真的是太辜負了程式猿要鑽研的精神了。sql分頁的方案，方案可是能有一大把，效率也是不一的，那Mongo難道就這一種，答案顯然不是這樣的。另外是否效率上，效能上會有問題呢？Redis篇裡，就吃過這樣的虧，亂用Keys。
在查看了一些資料之後，發現所有的資料都是這樣說的：
不要輕易使用Skip來做查詢，否則資料量大了就會導致效能急劇下降，這是因為Skip是一條一條的數過來的，多了自然就慢了。
這麼說Skip就要避免使用了，那麼如何避免呢？首先來回顧SQL分頁的後一種時間戳分頁方案，這種利用欄位的有序性質，利用查詢來取資料的方式，可以直接避免掉了大量的數數。也就是說，如果能附帶上這樣的條件那查詢效率就會提高，事實上是這樣的麼？我們來驗證一下：
這裡我們假設查詢第100001條資料，這條資料的Amount值是：2399927，我們來寫兩條語句分別如下：
db.test.sort({"amount":1}).skip(100000).limit(10) //183ms
db.test.find({amount:{$gt:2399927}}).sort({"amount":1}).limit(10) //53ms結果已經附帶到註釋了，很明顯後者的效能是前者的三分之一，差距是非常大的。也印證了Skip效率差的理論。
C#實現
上面已經談過了MongoDB分頁的語句和效率，那麼我們來實現C#驅動版本。
本篇文章裡使用的是官方的BSON驅動，詳見參考資料4。Mongo驅動附帶了另種方式一種是類似ADO.NET的原生query，一種是Linq，這裡我們兩種都實現方案一：條件查詢 原生Query實現
var query = Query<Test>.GT(item => item.Amount, 2399927);
var result = collection.Find(query).SetLimit(100)
.SetSortOrder(SortBy.Ascending("amount")).ToList();
Console.WriteLine(result.First().ToJson());//BSON自帶的ToJson方案二:Skip原生Query實現
var result = collection.FindAll().SetSkip(100000).SetLimit(100)
.SetSortOrder(SortBy.Ascending("amount"));
Console.WriteLine(result.ToList().First().ToJson());方案三:Linq 條件查詢
var result = collection.AsQueryable<Test>().OrderBy(item => item.Amount)
.Where(item => item.Amount > 2399927).Take(100);
Console.WriteLine(result.First().ToJson());方案四：Linq Skip版本
var result = collection.AsQueryable<Test>().OrderBy(item => item.Amount).Skip(100000).Take(100);
Console.WriteLine(result.First().ToJson());效能比較參考
這裡的測試程式碼稍後我上傳一下，具體的實現是利用了老趙（我的偶像啊~）的CodeTimer來計算效能。另外我跑程式碼都是用TestDriven外掛來跑的。
方案一：
pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed: 1,322ms
CPU Cycles: 4,442,427,252
Gen 0: 0
Gen 1: 0
Gen 2: 0方案二：
pagination Skip-limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed: 95ms
CPU Cycles: 18,280,728
Gen 0: 0
Gen 1: 0
Gen 2: 0方案三：
paginatiLinq on Linq where
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed: 76ms
CPU Cycles: 268,734,988
Gen 0: 0
Gen 1: 0
Gen 2: 0方案四:
pagination Linq Skip
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed: 97ms
CPU Cycles: 30,834,648
Gen 0: 0
Gen 1: 0
Gen 2: 0上面結果是不是大跌眼鏡，這和理論實在相差太大，第一次為什麼和後面的差距如此大？剛開始我以為是C# Mongo的驅動問題，嘗試了換驅動也差不多。這幾天我在看《MongoDB in Action》的時候，發現文章裡提到：
MongoDB會根據查詢，來載入文件的索引和元資料到記憶體裡，並且建議文件元資料的大小始終要保持小於機器記憶體，否則效能會下降。
注意到了上面的理論之後，我替換了我的測試方案，第一次執行排除下，然後再比較，發現確實結果正常了。
方案一的修正結果：
pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount
" : 2399928, "status" : "B" }
Time Elapsed: 18ms
CPU Cycles: 54,753,796
Gen 0: 0
Gen 1: 0
Gen 2: 0總結
這篇文章，基於Skip分頁和有序欄位查詢分頁兩種方案進行的對比。後者說白了只是利用查詢結果不用依次數數來提高了效能。Skip雖然效率低一些但是通用一些，有序欄位的查詢，需要在設計分頁的時候對這個欄位做一些處理，起碼要點了頁碼能獲取到這個欄位。這裡我附加一個方式，就是兩者的結合，我們可以拿每次展示的那頁資料上的最後一個，結合Skip來處理分頁，這樣的話，相對來說更好一些。這裡就不具體實現了。其他方式的效能比較和實現，歡迎大牛們來分享，十分感謝。另外本篇中如有紕漏和不足請留言指教。