mongodb的监控与性能优化

一.mongodb的监控

mongostat是mongdb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果你发现数据库突然变慢或者有其他问题的话，你第一手的操作就考虑采用mongostat来查看mongo的状态。

它的输出有以下几列：

inserts/s 每秒插入次数
query/s 每秒查询次数
update/s 每秒更新次数
delete/s 每秒删除次数
getmore/s 每秒执行getmore次数
command/s 每秒的命令数，比以上插入、查找、更新、删除的综合还多，还统计了别的命令
flushs/s 每秒执行fsync将数据写入硬盘的次数。
mapped/s 所有的被mmap的数据量，单位是MB，
vsize 虚拟内存使用量，单位MB
res 物理内存使用量，单位MB
faults/s 每秒访问失败数（只有Linux有），数据被交换出物理内存，放到swap。不要超过100，否则就是机器内存太小，造成频繁swap写入。此时要升级内存或者扩展
locked % 被锁的时间百分比，尽量控制在50%以下吧
idx miss % 索引不命中所占百分比。如果太高的话就要考虑索引是不是少了
q t|r|w 当Mongodb接收到太多的命令而数据库被锁住无法执行完成，它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度，都为0的话表示mongo毫无压力。高并发时，一般队列值会升高。
conn 当前连接数
time 时间戳

二.mongodb的优化

mongodb可以通过profile来监控数据，进行优化。

查看当前是否开启profile功能用命令

db.getProfilingLevel() 返回level等级，值为0|1|2，分别代表意思：0代表关闭，1代表记录慢命令，2代表全部

开始profile功能为

db.setProfilingLevel(level); #level等级，值同上

level为1的时候，慢命令默认值为100ms，更改为db.setProfilingLevel(level,slowms)如db.setProfilingLevel(1,50)这样就更改为50毫秒

通过db.system.profile.find() 查看当前的监控日志。

如：

Js代码

> db.system.profile.find({millis:{$gt:500}})
{ “ts” : ISODate(“2011-07-23T02:50:13.941Z”), “info” : “query order.order reslen:11022 nscanned:672230 query: { status: 1.0 } nreturned:101 bytes:11006 640ms”, “millis” : 640 }
{ “ts” : ISODate(“2011-07-23T02:51:00.096Z”), “info” : “query order.order reslen:11146 nscanned:672302 query: { status: 1.0, user.uid: { $gt: 1663199.0 } } nreturned:101 bytes:11130 647ms”, “millis” : 647 }

这里值的含义是

ts：命令执行时间

info：命令的内容

query：代表查询

order.order：代表查询的库与集合

reslen：返回的结果集大小，byte数

nscanned：扫描记录数量

nquery：后面是查询条件

nreturned：返回记录数及用时

millis：所花时间

如果发现时间比较长，那么就需要作优化。

比如nscanned数很大，或者接近记录总数，那么可能没有用到索引查询。

reslen很大，有可能返回没必要的字段。

nreturned很大，那么有可能查询的时候没有加限制。

官网:http://www.mongodb.org/display/DOCS/Database+Profiler

mongo可以通过db.serverStatus()查看mongod的运行状态

Js代码

> db.serverStatus()
{
“host” : “baobao-laptop”,#主机名
“version” : “1.8.2”,#版本号
“process” : “mongod”,#进程名
“uptime” : 15549,#运行时间
“uptimeEstimate” : 15351,
“localTime” : ISODate(“2011-07-23T06:07:31.220Z”),当前时间
“globalLock” : {
“totalTime” : 15548525410,#总运行时间（ns）
“lockTime” : 89206633, #总的锁时间（ns）
“ratio” : 0.005737305027178137,#锁比值
“currentQueue” : {
“total” : 0,#当前需要执行的队列
“readers” : 0,#读队列
“writers” : 0#写队列
},
“activeClients” : {
“total” : 0,#当前客户端执行的链接数
“readers” : 0,#读链接数
“writers” : 0#写链接数
}
},
“mem” : {#内存情况
“bits” : 32,#32位系统
“resident” : 337,#占有物理内存数
“virtual” : 599,#占有虚拟内存
“supported” : true,#是否支持扩展内存
“mapped” : 512
},
“connections” : {
“current” : 2,#当前链接数
“available” : 817#可用链接数
},
“extra_info” : {
“note” : “fields vary by platform”,
“heap_usage_bytes” : 159008,#堆使用情况字节
“page_faults” : 907 #页面故作
},
“indexCounters” : {
“btree” : {
“accesses” : 59963, #索引被访问数
“hits” : 59963, #所以命中数
“misses” : 0,#索引偏差数
“resets” : 0,#复位数
“missRatio” : 0#未命中率
}
},
“backgroundFlushing” : {
“flushes” : 259, #刷新次数
“total_ms” : 3395, #刷新总花费时长
“average_ms” : 13.108108108108109, #平均时长
“last_ms” : 1, #最后一次时长
“last_finished” : ISODate(“2011-07-23T06:07:22.725Z”)#最后刷新时间
},
“cursors” : {
“totalOpen” : 0,#打开游标数
“clientCursors_size” : 0,#客户端游标大小
“timedOut” : 16#超时时间
},
“network” : {
“bytesIn” : 285676177,#输入数据（byte）
“bytesOut” : 286564,#输出数据（byte）
“numRequests” : 2012348#请求数
},
“opcounters” : {
“insert” : 2010000, #插入操作数
“query” : 51,#查询操作数
“update” : 5,#更新操作数
“delete” : 0,#删除操作数
“getmore” : 0,#获取更多的操作数
“command” : 148#其他命令操作数
},
“asserts” : {#各个断言的数量
“regular” : 0,
“warning” : 0,
“msg” : 0,
“user” : 2131,
“rollovers” : 0
},
“writeBacksQueued” : false,
“ok” : 1
}

indexCounters:btree:misses 索引的不命中数，和hits的比例高就要考虑索引是否正确建立。

db.stats()查看某一个库的原先状况

Java代码

> db.stats()
{
“db” : “order”,#库名
“collections” : 4,#集合数
“objects” : 2011622,#记录数
“avgObjSize” : 111.92214441878245,#每条记录的平均值
“dataSize” : 225145048,#记录的总大小
“storageSize” : 307323392,#预分配的存储空间
“numExtents” : 21,#事件数
“indexes” : 1,#索引数
“indexSize” : 74187744,#所以大小
“fileSize” : 1056702464,#文件大小
“ok” : 1
}

查看集合记录用

Java代码

> db.order.stats()
{
“ns” : “order.order”,#命名空间
“count” : 2010000,#记录数
“size” : 225039600,#大小
“avgObjSize” : 111.96,
“storageSize” : 307186944,
“numExtents” : 18,
“nindexes” : 1,
“lastExtentSize” : 56089856,
“paddingFactor” : 1,
“flags” : 1,
“totalIndexSize” : 74187744,
“indexSizes” : {
“_id_” : 74187744#索引为_id_的索引大小
},
“ok” : 1
}

mongostat命令查看运行中的实时统计，表示每秒实时执行的次数

mongodb还提供了一个机遇http的监控页面，可以访问http://ip:28017来查看，这个页面基本上是对上面的这些命令做了一下综合，所以这里不细述了。

二.mongodb的优化

根据上面这些监控手段，找到问题后，我们可以进行优化

上面找到了某一下慢的命令，现在我们可以通过执行计划跟踪一下，如

Java代码

> db.order.find({ “status”: 1.0, “user.uid”: { $gt: 2663199.0 } }).explain()
{
“cursor” : “BasicCursor”,#游标类型
“nscanned” : 2010000,#扫描数量
“nscannedObjects” : 2010000,#扫描对象
“n” : 337800,#返回数据
“millis” : 2838,#耗时
“nYields” : 0,
“nChunkSkips” : 0,
“isMultiKey” : false,
“indexOnly” : false,
“indexBounds” : {#使用索引（这里没有）
}
}

对于这样的，我们可以创建索引

可以通过 db.collection.ensureIndex({“字段名”:1}) 来创建索引，1为升序，-1为降序，在已经有多数据的情况下，可用后台来执行，语句db.collection.ensureIndex({“字段名”:1} , {backgroud:true})

获取索引用db.collection.getIndexes() 查看

这里我们创建一个user.uid的索引 >db.order.ensureIndex({“user.uid”:1})

创建后重新执行

Java代码

db.order.find({ “status”: 1.0, “user.uid”: { $gt: 2663199.0 } }).explain()
{
“cursor” : “BtreeCursor user.uid_1”,
“nscanned” : 337800,
“nscannedObjects” : 337800,
“n” : 337800,
“millis” : 1371,
“nYields” : 0,
“nChunkSkips” : 0,
“isMultiKey” : false,
“indexOnly” : false,
“indexBounds” : {
“user.uid” : [
[
2663199,
1.7976931348623157e+308
]
]
}
}

扫描数量减少，速度提高。mongodb的索引设计类似与关系数据库，按索引查找加快书读，但是多了会对写有压力，所以这里就不再叙述了。

2.其他优化可以用hint强制索引查找，返回只是需要的数据，对数据分页等。

db.currentOp()

Mongodb 的命令一般很快就完成，但是在一台繁忙的机器或者有比较慢的命令时，你可以通过db.currentOp()获取当前正在执行的操作。

在没有负载的机器上，该命令基本上都是返回空的

1 > db.currentOp()

2 { "inprog" : [ ] }

以下是一个有负载的机器上得到的返回值样例：

1 { "opid" : "shard3:466404288" , "active" : false , "waitingForLock" : false , "op" : "query" , "ns" : "sd.usersEmails" , "query" : { }, "client_s" : "10.121.13.8:34473" , "desc" : "conn" },

字段名字都能自解释。如果你发现一个操作太长，把数据库卡死的话，可以用这个命令杀死他

1 > db.killOp( "shard3:466404288" )

mongodb的监控与性能优化

9 THOUGHTS ON “MONGODB的监控与性能优化”