當你第一眼看到explain和hint的時候，第一個反應就是mysql中所謂的這兩個關鍵詞，確實可以看出，這個就是在mysql中借鑒過來的，既然是借鑒 過來的，我想大家都知道這兩個關鍵字的用處，話不多說，速速觀看~~~ 一：explain演示 1. 構建數據 為了方便演示，我需要create ten ...
當你第一眼看到explain和hint的時候，第一個反應就是mysql中所謂的這兩個關鍵詞，確實可以看出，這個就是在mysql中借鑒過來的，既然是借鑒
過來的，我想大家都知道這兩個關鍵字的用處，話不多說，速速觀看~~~
一：explain演示
1. 構建數據
為了方便演示，我需要create ten data to inventory，而且還是要在no index 的情況下，比如下麵這樣：
1 db.inventory.insertMany([ 2 { "_id" : 1, "item" : "f1", type: "food", quantity: 500 }, 3 { "_id" : 2, "item" : "f2", type: "food", quantity: 100 }, 4 { "_id" : 3, "item" : "p1", type: "paper", quantity: 200 }, 5 { "_id" : 4, "item" : "p2", type: "paper", quantity: 150 }, 6 { "_id" : 5, "item" : "f3", type: "food", quantity: 300 }, 7 { "_id" : 6, "item" : "t1", type: "toys", quantity: 500 }, 8 { "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 }, 9 { "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 }, 10 { "_id" : 9, "item" : "t2", type: "toys", quantity: 50 }, 11 { "_id" : 10, "item" : "f4", type: "food", quantity: 75 }]);
2. 無索引查詢
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } ).explain("executionStats")
從上圖中，我們看到了三個圈圈，這些都是我們在find中非常重要的信息，具體信息解釋如下：
<1>COLLSCAN
這個是什麼意思呢？ 如果你仔細一看，應該知道就是CollectionScan，就是所謂的“集合掃描”，對不對，看到集合掃描是不是就可以直接map到
資料庫中的table scan/heap scan呢？？？ 是的，這個就是所謂的性能最爛最無奈的由來。
<2> nReturned
這個很簡單，就是所謂的numReturned，就是說最後返回的num個數，從圖中可以看到，就是最終返回了三條。。。
<3> docsExamined
那這個是什麼意思呢？？就是documentsExamined，檢查了10個documents。。。而從返回上面的nReturned。。。
ok，那從上面三個信息中，我們可以得出，原來我examine 10 條數據，最終才返回3條，說明做了7條數據scan的無用功，那麼這個時候問題就來了，
如何減少examine的documents。。。
完整的plans如下：
/* 1 */ { "queryPlanner" : { "plannerVersion" : 1, "namespace" : "datamip.inventory", "indexFilterSet" : false, "parsedQuery" : { "$and" : [ { "quantity" : { "$lte" : 200.0 } }, { "quantity" : { "$gte" : 100.0 } } ] }, "winningPlan" : { "stage" : "COLLSCAN", "filter" : { "$and" : [ { "quantity" : { "$lte" : 200.0 } }, { "quantity" : { "$gte" : 100.0 } } ] }, "direction" : "forward" }, "rejectedPlans" : [] }, "executionStats" : { "executionSuccess" : true, "nReturned" : 3, "executionTimeMillis" : 1, "totalKeysExamined" : 0, "totalDocsExamined" : 10, "executionStages" : { "stage" : "COLLSCAN", "filter" : { "$and" : [ { "quantity" : { "$lte" : 200.0 } }, { "quantity" : { "$gte" : 100.0 } } ] }, "nReturned" : 3, "executionTimeMillisEstimate" : 0, "works" : 12, "advanced" : 3, "needTime" : 8, "needYield" : 0, "saveState" : 0, "restoreState" : 0, "isEOF" : 1, "invalidates" : 0, "direction" : "forward", "docsExamined" : 10 } }, "serverInfo" : { "host" : "localhost.localdomain", "port" : 27017, "version" : "3.2.8", "gitVersion" : "ed70e33130c977bda0024c125b56d159573dbaf0" }, "ok" : 1.0 }View Code
3. 使用single field 加速查找
知道前因後果之後，我們就可以進行針對性的建立索引，比如在quality欄位之上，如下：
db.inventory.createIndex({ quantity: 1})
db.inventory.find(
{ quantity: { $gte: 100, $lte: 200 } }
).explain("executionStats")
好了，這時候就有意思了，當我們執行完createindex之後，再次explain，4個重要的parameters就漂下來了：
<1> IXSCAN
這個時候再也不是所謂的COLLSCAN了，而是IndexScan，這就說明我們已經命中索引了。
<2> nReturned,totalDocsExamined，totalKeysExamined
從圖中可以看到三個參數都是3，這就說明我們的mongodb查看了3個key，3個document，返回3個文檔，這個就是所謂的高性能所在，對吧。
二：hint演示
說到hint，我想大家也是知道的，很好玩的一個東西，就是用來force mongodb to excute special index，對吧，為了方便演示，我們做兩組複合索
引，比如這次我們在quality和type上構建一下：
building完成之後，我們故意這一個這樣的查詢，針對quantity是一個範圍，而type是一個定值的情況下，我們force mongodb去使用quantity開頭
的複合索引，從而強制mongodb give up 那個以{type:1,quantity:1}的複合索引，很有意思哦，比如下圖：
從圖中，可以看到，我們檢查了6個keys，而從最終找到了2個文檔，現在我們就知道了，2和6之間還是有不足的地方等待我們去優化了，對吧，下麵
我們不hint來看一下mongodb的最優的plan是怎麼樣的。
再看上面的圖，你應該明白了，mongodb果然執行了那個最優的plan，是不是很好玩，好了，本篇就說到這裡，希望對你有幫助~
