读懂 explain():
一条查询到底干了什么
查询慢,但不知道慢在哪?explain() 会告诉你数据库打算怎么执行、实际又干了多少活。这篇文章教你看懂输出里最关键的几个字段:阶段树、扫描了多少、返回了多少,以及哪些信号该立刻警觉。
扫描了一百万篇,只为返回 12 篇。
扫描 12 条索引项、读取 12 篇文档,正好是需要的数量。
示意数据:集合规模和数值仅用于说明,不是实测结果
优化查询之前,先弄清它现在在做什么
加索引不是猜谜。explain() 返回的是查询优化器选出的执行方案,以及(在对应模式下)这个方案实际执行的统计。它回答三个问题:
用了哪个索引?
有没有命中预期的索引,还是退化成了全集合扫描。
干了多少活?
扫描了多少索引项、读取了多少文档,和最终返回的数量差多远。
有没有多余的步骤?
比如本可以由索引提供顺序,却多出了一次内存排序。
queryPlanner、executionStats、allPlansExecution
调用 explain() 时可以传入详细程度(verbosity),不传则默认是 queryPlanner。
winningPlan 和被淘汰的 rejectedPlans
只想知道会用哪个索引、哪些阶段,不关心实际代价
nReturned、totalKeysExamined、totalDocsExamined、executionTimeMillis
排查慢查询最常用的一档
db.orders.find({ userId: 1001, status: "paid" })
.explain() // queryPlanner
db.orders.find({ userId: 1001, status: "paid" })
.explain("executionStats")
db.orders.find({ userId: 1001, status: "paid" })
.explain("allPlansExecution")
顶层字段
通常有 queryPlanner、executionStats(取决于模式)和 serverInfo。聚合的 explain 则用顶层的 stages 数组表示各阶段。
explain 不走计划缓存
explain 会忽略计划缓存,也不会让获胜方案被缓存。所以 executionTimeMillis 未必反映线上稳定状态下的耗时,建议结合 nReturned 与扫描量来判断。
winningPlan 是一棵由下往上执行的树
每个阶段把结果交给它的上一层。单个子阶段用 inputStage,多个子阶段用 inputStages。读的时候从最里层、最深的阶段开始看。
keyPattern(用了哪个索引)、direction、indexBounds(扫描范围)
聚合管道的 explain 里,stages 数组的条目可能比管道里的阶段少,因为有些阶段会被并入 $cursor。可以对照输出里的 command.pipeline 来确认。不同的服务端版本和执行引擎,阶段名称与层级也可能不完全一致,以你所用版本的文档为准。
三个数字,判断查询是否"高效"
在 executionStats 里,下面三个字段放在一起看,最能说明问题。
返回了多少文档
真正交给客户端的结果数量,是"有用功"的基准。
扫描了多少索引项
索引扫描阶段看过的索引条目总数。
检查了多少文档
被读取检查的文档总数,可以大于 nReturned。
理想情况下,三个数字接近:扫描多少、读取多少,就返回多少。totalKeysExamined 或 totalDocsExamined 远大于 nReturned,说明大量工作被浪费在了最终被丢弃的数据上,应当考虑调整索引,让过滤条件更多地落在索引范围内。
加一个复合索引,执行计划怎么变
下面是一个简化的例子。输出已经精简为关键字段,数值为示意,实际结果因数据和版本而异。
db.orders.find({ userId: 1001, status: "paid" })
.explain("executionStats")
// 精简后的输出(示意)
{
queryPlanner: {
winningPlan: { stage: "COLLSCAN" }
},
executionStats: {
nReturned: 12,
totalKeysExamined: 0,
totalDocsExamined: 1000000
}
}
db.orders.createIndex({ userId: 1, status: 1 })
db.orders.find({ userId: 1001, status: "paid" })
.explain("executionStats")
// 精简后的输出(示意)
{
queryPlanner: {
winningPlan: {
stage: "FETCH",
inputStage: {
stage: "IXSCAN",
keyPattern: { userId: 1, status: 1 }
}
}
},
executionStats: {
nReturned: 12,
totalKeysExamined: 12,
totalDocsExamined: 12
}
}
// 只返回索引里已有的字段,并排除 _id db.orders.find( { userId: 1001, status: "paid" }, { _id: 0, userId: 1, status: 1 } ).explain("executionStats") // 期望:IXSCAN 不再位于 FETCH 之下, // 且 totalDocsExamined 为 0(示意)
查询所需的字段都在索引里
此时无需读取文档本身,IXSCAN 不是任何 FETCH 的下层阶段,totalDocsExamined 通常为 0。代价是索引要包含这些字段,投影也必须只取索引里有的字段。
看到这些,先停下来看看
下面是读 explain 时最值得警觉的几种情况,以及对应的思路。
大集合上的 COLLSCAN
说明没有合适的索引。看看查询条件,补一个覆盖过滤字段的索引。
出现 SORT 阶段
排序在内存里完成,数据量大时代价高。可以调整索引的字段顺序,让索引直接提供排序。
totalDocsExamined 远大于 nReturned
读了很多最后被丢弃的文档。让更多过滤条件进入索引,缩小扫描范围。
totalKeysExamined 远大于 nReturned
索引范围太宽,后续才被过滤掉。检查索引字段顺序是否与查询的等值、范围条件匹配。
IXSCAN 且三个数字接近
这是理想状态:扫描多少,就返回多少。
没有 SORT,顺序来自索引
排序零额外开销,是排序类查询的目标形态。
在线上,第一步往往不是"手动 explain 哪条",而是"先找到该 explain 哪条"。WAP 的诊断分析能力可以帮助你定位慢查询候选,之后再用本文的方法逐条看执行计划,确认是缺索引、索引顺序不合适,还是别的原因。
