论MongoDB索引选择的重要性

2020-05-28 00:00:00 索引 文档 执行 计划 符合条件

线上某业务，频繁出现IOPS 使用率的（每秒4000IOPS）现象，每次持续接近1个小时，从慢请求的日志发现是一个 getMore 请求耗时1个小时，导致IOPS高；深入调查之后，终发现竟是一个索引选择的问题。


2017-11-01T15:04:17.498+0800 I COMMAND  [conn5735095] command db.mycoll command: getMore { getMore: 215174255789, collection: "mycoll" } cursorid:215174255789 keyUpdates:0 writeConflicts:0 numYields:161127 nreturned:8419 reslen:4194961 locks:{ Global: { acquireCount: { r: 322256 } }, Database: { acquireCount: { r: 161128 } }, Collection: { acquireCount: { r: 161128 } } } protocol:op_command 3651743ms

问题背景

业务每个整点开始，会把过去1小时的数据同步到另一个数据源，查询时会按 _id 排序，2个主要查询条件如下，先执行find命令，然后遍历cursor，读取所有满足条件的文档。

* created_at: { $gte: "2017-11-01 13:00:00", $lte: "2017-11-01 13:59:59" }
* sort: {_id: 1}

业务数据的特性

  • 每条数据插入时都带上 created_at 字段，时间为当前时间戳，并建立了 {created_at: -1} 的索引

  • _id 字段为用户自定义（并非mongodb默认的ObjectId），取值较随机，无规律

  • 整个集合非常大，总文档数超过1亿条

MongoDB的find、getMore特性

  • find命令，会返回批满足条件的batch（默认101条记录）以及一个cursor

  • getMore 根据find返回的cursor继续遍历，每次遍历默认返回不超过4MB的数据

索引的选择

方案1：使用 created_at 索引

整个执行路径为

  1. 通过 created_at 索引，快速定位到符合条件的文档

  2. 读出所有的满足 created_at 查询条件的文档

  3. 对所有的文档根据 _id 字段进行排序

如下是走这个索引的2条典型日志，可以看出

  • 符合 created_at 条件的文档大概有7w+，全部排序后，返回前101条，总共耗时约600ms；

  • 接下来 getMore，因为结果要按_id排序，getMore 还是得继续把所有符合条件的读出来排序，并跳过次的101条，返回下一批给客户端。

     2017-11-01T14:02:31.861+0800 I COMMAND  [conn5737355] command db.mycoll command: find { find: "mycoll", filter: { created_at: { $gte: "2017-11-01 13:00:00", $lte: "2017-11-01 13:59:59" } }, projection: { $sortKey: { $meta: "sortKey" } }, sort: { _id: 1 }, limit: 104000, shardVersion: [ Timestamp 5139000|7, ObjectId('590d9048c628ebe143f76863') ] } planSummary: IXSCAN { created_at: -1.0 } cursorid:215494987197 keysExamined:71017 docsExamined:71017 hasSortStage:1 keyUpdates:0 writeConflicts:0 numYields:557 nreturned:101 reslen:48458 locks:{ Global: { acquireCount: { r: 1116 } }, Database: { acquireCount: { r: 558 } }, Collection: { acquireCount: { r: 558 } } } protocol:op_command 598ms
 2017-11-01T14:02:32.036+0800 I COMMAND  [conn5737355] command db.mycoll command: getMore { getMore: 215494987197, collection: "mycoll" } cursorid:215494987197 keyUpdates:0 writeConflicts:0 numYields:66 nreturned:8510 reslen:4194703 locks:{ Global: { acquireCount: { r: 134 } }, Database: { acquireCount: { r: 67 } }, Collection: { acquireCount: { r: 67 } } } protocol:op_command 120ms

方案2：使用 _id 索引

整个执行路径为

  1. 根据 _id 索引，扫描所有的记录 （按_id索引的顺序扫描，对应的文档的created_at是随机的，无规律）

  2. 把满足 created_at 条件的文档返回，次find，要找到101个符合条件的文档返回

如下是走这个索引的2条典型日志，可以看出

  • 次扫描了17w，才找到101条符合条件的记录，耗时46s

  • 第二次要累计近4MB符合条件的文档（8419条）才返回，需要全表扫描更多的文档，终耗时1个小时，由于全表扫描对cache非常不友好，所以一直是要从磁盘读取，所以导致大量的IO。

    2017-11-01T14:03:25.648+0800 I COMMAND  [conn5735095] command db.mycoll command: find { find: "mycoll", filter: { created_at: { $gte: "2017-11-01 13:00:00", $lte: "2017-11-01 13:59:59" } }, projection: { $sortKey: { $meta: "sortKey" } }, sort: { _id: 1 }, limit: 75000, shardVersion: [ Timestamp 5139000|7, ObjectId('590d9048c628ebe143f76863') ] } planSummary: IXSCAN { _id: 1 } cursorid:215174255789 keysExamined:173483 docsExamined:173483 fromMultiPlanner:1 replanned:1 keyUpdates:0 writeConflicts:0 numYields:2942 nreturned:101 reslen:50467 locks:{ Global: { acquireCount: { r: 5886 } }, Database: { acquireCount: { r: 2943 } }, Collection: { acquireCount: { r: 2943 } } } protocol:op_command 46232ms
2017-11-01T15:04:17.498+0800 I COMMAND  [conn5735095] command db.mycoll command: getMore { getMore: 215174255789, collection: "mycoll" } cursorid:215174255789 keyUpdates:0 writeConflicts:0 numYields:161127 nreturned:8419 reslen:4194961 locks:{ Global: { acquireCount: { r: 322256 } }, Database: { acquireCount: { r: 161128 } }, Collection: { acquireCount: { r: 161128 } } } protocol:op_command 3651743ms

总结

IOPS高是因为选择的索引不是优，那为什么MongoDB没有选择优的索引来执行这个任务呢？

  • 从日志可以看出，绝大部分情况，MongoDB 都是走的 created_at 索引

  • 上述case，那个索引更优，其实是跟数据的分布情况相关的

    • 如果满足 created_at 查询条件的文档特别多，那么对大量的文档排序的开销也是很大的

    • 如果 created_at 字段分布非常离散（如本案例中的数据），则全表扫描找出符合条件的文档开销更大

  • MongoDB 的索引是基于采样代价模型，一个索引对采样的数据集更优，并不意味着其对整个数据集也优

    • MongoDB 一个查询次执行时，如果有多个执行计划，会根据模型选出优的，并缓存起来，以提升效率

    • 当 MongoDB 发生集合创建/删除索引时，会将缓存的执行计划清空掉，并重新选择

    • MongoDB 在执行的过程中，也会根据执行计划的表现，比如一个执行计划，很多次迭代都没遇到符合条件的文档，就会考虑这个执行计划是否优了，会触发重新构建执行计划的逻辑（具体触发的策略还没有详细研究，后续再分享），比如方案2里的find查询，执行计划里包含了 {replanned: 1} 说明是重新构建了执行计划；当它发现这个执行计划实际执行起来效果更差时，终还是会会到更优的执行计划上。

  • 懂数据的还是业务自身，对于查询优化器搞不定的case，可以通过在查询时加 hint，自己指定的索引来构建执行计划。



END


作者：林青    Mongoing中文社区技术专家。









相关文章