MongoDB数据库查看慢查询级别以及慢查询日志

来自:网络
时间:2023-07-24
阅读:
目录

1. MongoDB 慢查询记录功能简介

如何定位 MongoDB 数据库的慢查询,我想应该是很多刚使用 MongoDB 数据库的朋友最想知道的问题。通过慢查询的定位,可以辅助对 MongoDB 中的 collection 进行优化。

MongoDB 数据库的慢查询数据其实存放在一个数据库集合 ( collection ) 中(system.profile),如果你不主动创建 system.profile 这个集合,那这个集合就固定1M大小,当慢查询记录超过1M,就会将历史数据覆盖,循环使用,所以在这里需要根据业务实际情况设置集合大小。

在 MongoDB 中慢查询功能(Profiling)设置有三个级别,分别代表如下含义:

  • 0:代表关闭,不收集任何慢查询
  • 1:收集慢查询数据,默认收集超过100毫秒的慢查询
  • 2:收集任何操作记录数据

可以通过在 MongoDB 中执行如下命令查看当前数据库的配置,需要特别注意的是,如果你在某一数据库中调整了该设置,那么该操作只对该数据库有效,其他数据库仍需要单独设置:

use test
'switched to db test'
db.getProfilingStatus()
{ was: 1, slowms: 1000, sampleRate: 1, ok: 1 }

2. 如何设置慢查询

2.1 检查慢查询是否开启

执行 db.getProfilingStatus() 查询数据库,返回结果是 was: 0 代表 MongoDB 没有开启慢查询功能;对应的如果不是 0 则表示开启了慢查询监控功能。

2.2 开启慢查询功能

如果你想指定监控慢查询在某一毫秒值之上的查询,例如超过 1000 毫秒的查询被记录,可以通过如下语句进行设置:

db.setProfilingLevel(1, {<!--{C}%3C!%2D%2D%20%2D%2D%3E--> slowms: 1000 })

下面这个例子表示将慢查询的级别设置为 2

db.setProfilingLevel(2)
{ was: 1, slowms: 500, sampleRate: 1, ok: 1 }
db.getProfilingStatus()
{ was: 2, slowms: 500, sampleRate: 1, ok: 1 }

关掉慢查询功能

db.setProfilingLevel(0)

3. 如何查询慢查询日志

假设上面我们已经开启了慢查询监控功能,那在数据库使用过程中,会将 1000 ms 以上的执行查询进行记录,下面我们来看一下如何查询这些慢查询。

3.1 慢查询日志查看

查询最近的 10 个慢查询日志 (运行时间大于等于 8000 毫秒)

db.system.profile.find({"millis":{$gte:8000}}).limit(10).sort( { ts : -1 } ).pretty()

查询大于 100 秒的日志

db.system.profile.find( { millis : { $gt : 100000 } } ).pretty()

查询时间从 2023-01-03 15 点整到 2023-01-03 15点30分 之间的日志

db.system.profile.find({ts : {$gt: new ISODate("2023-01-03T07:00:00Z"),$lt: new ISODate("2023-01-03T07:30:00Z")}}).pretty()

备注:注意 Mongo 里面存储的 ISO 时间是格林尼治时间,我们当前CST时间为北京时间,需要在 ISO 上 +8,所以你可以看到上面我查询输入的时间为 7 点,但实际上查询的是 15 点的数据。

补充:mongodb慢查询了怎么办

如果你的 MongoDB 数据库中出现了慢查询,你可以尝试以下几种方法来解决问题:

找出导致慢查询的原因:

使用 MongoDB 的 explain() 方法来分析查询的执行计划,找出导致慢查询的原因。

启用 MongoDB 的慢查询日志功能,记录慢查询的详细信息,并分析日志中出现的问题。

优化查询:

尽量使用索引来优化查询,避免使用全表扫描。

尽量减少查询中的返回字段数量,只返回必要的字段。

使用合适的查询方式,例如使用 $in 代替 OR 运算符。

优化数据库结构:

对于频繁查询的字段,尽量使用索引。

合理划分分片,避免数据倾斜。

合理设置集合的副本数量,保证数据的可用性。

扩展硬件资源:

如果数据库的硬件资源限制了查询性能,可以考虑增加 CPU、内存或磁盘空间等资源。

总结

返回顶部
顶部