explain命令¶

基本命令¶

count函数的explain[1]_

> db.my_collection.explain().count()

// 带条件的:
> db.my_collection.explain().count({ 'items' : { '$gte' : 1 } })

find函数的explain:

> db.getCollection("word").find({ strokes: 5 }).explain().queryPlanner.winningPlan

查看update的执行计划:

> db.example.explain().update({id:1},{$set:{name:"robinson_0612"}})

命中索引并不一定会带来显著的性能提升，关键在于命中索引之后能否显著降低文档扫描数

支持下列操作返回查询计划:

aggregate(); count(); distinct(); find(); group(); remove(); update()
cursor.explain(verbosity)   为一个游标返回其查询执行计划(Reports on the query execution plan for a cursor)
cursor.explain(verbosity) 最通常的行式为db.collection.find().explain()。其中verbosity说明返回信息的粒度。

获取explain的支持的运算方法:

> db.collection.explain().help()
Explainable operations
        .aggregate(...) - explain an aggregation operation
        .count(...) - explain a count operation
        .distinct(...) - explain a distinct operation
        .find(...) - get an explainable query
        .findAndModify(...) - explain a findAndModify operation
        .group(...) - explain a group operation
        .remove(...) - explain a remove operation
        .update(...) - explain an update operation
Explainable collection methods
        .getCollection()
        .getVerbosity()
        .setVerbosity(verbosity)

获取explain().find()支持的运算方法:

> db.collection.explain().find().help()
Explain query methods
        .finish() - sends explain command to the server and returns the result
        .forEach(func) - apply a function to the explain results
        .hasNext() - whether this explain query still has a result to retrieve
        .next() - alias for .finish()
Explain query modifiers
        .addOption(n)
        .batchSize(n)
        .comment(comment)
        .count()
        .hint(hintSpec)
        .limit(n)
        .maxTimeMS(n)
        .max(idxDoc)
        .min(idxDoc)
        .readPref(mode, tagSet)
        .showDiskLoc()
        .skip(n)
        .snapshot()
        .sort(sortSpec)

executionStats 就是执行 queryPlanner.winningPlan 这个计划时的统计信息

原理 [1]¶

查询语句同时命中了两个索引：

strokes_1 strokes_1_pinyin_1 Mongo 会通过优化分析选择其中一种更好的方案放置到 winningPlan，最终的执行计划是 winningPlan 所描述的方式。其它稍次的方案则会被放置到 rejectedPlans 中，仅供参考

如果希望排除其它杂项的干扰，可以直接只返回 winningPlan 即可： db.getCollection(“word”).find({ strokes: 5 }).explain().queryPlanner.winningPlan

winningPlan 中，总执行流程分为若干个 stage（阶段），一个 stage 的分析基础可以是其它 stage 的输出结果。从这个案例来说，首先是通过 IXSCAN（索引扫描）的方式获取到初步结果（索引得到的结果是所有符合查询条件的文档在磁盘中的位置信息），再通过 FETCH 的方式提取到各个位置所对应的完整文档。这是一种很常见的索引查询计划（explain 返回的是一个树形结构，实际先执行的是子 stage，再往上逐级执行父 stage）。

参考¶

https://blog.csdn.net/leshami/article/details/53521990