MongoDB学习—MongoDB的执行计划

1.explain()接收不同的参数

1. queryPlanner：queryPlanner是默认参数，具体执行计划信息参考下面的表格。
   
2. executionStats：executionStats会返回执行计划的一些统计信息(有些版本中和allPlansExecution等同)。
   
3. allPlansExecution:allPlansExecution用来获取所有执行计划，结果参数基本与上文相同。

2.MongoDB慢查询分析

1. 开启内置的查询分析器,记录读写操作效率
   db.setProfilingLevel(n,m),n的取值可选0,1,2
   0表示不记录
1表示记录慢速操作,如果值为1,m必须赋值单位为ms,用于定义慢速查询时间的阈值
2表示记录所有的读写操作
执行完操作后返回的都是上一次设置的值
2. 查询监控结果,{millis:-1}表示降序
   db.system.profile.find().sort({millis:-1}).limit(3)
3. 分析慢速查询
   应用程序设计不合理、不正确的数据模型、硬件配置问题,缺少索引等
4. 解读explain结果 确定是否缺少索引

3.MongoDB索引底层实现原理分析

1. MongoDB 是文档型的数据库，它使用BSON 格式保存数据，比关系型数据库存储更方便。

2. 比如之前关系型数据库中处理用户、订单等数据要建立对应的表，还要建立它们之间的关联关系。

3. 但是BSON就不一样了，我们可以把一条数据和这条数据对应的数据都存入一个BSON对象中,这种形式更简单，通俗易懂。

4. MySql是关系型数据库，数据的关联性是非常强的，区间访问是常见的一种情况，底层索引组织数据使用B+树，B+树由于数据全部存储在叶子节点，并且通过指针串在一起，这样就很容易的进行区间遍历甚至全部遍历。

5. MongoDB使用B-树，所有节点都有Data域，只要找到指定索引就可以进行访问，单次查询从结构上来看要快于MySql。

6. B-树是一种自平衡的搜索树，形式很简单：
   

7. B-树的特点:

   1. 多路 非二叉树
   2. 每个节点 既保存数据 又保存索引
   3. 搜索时 相当于二分查找

8. B+树是B-树的变种，B+ 树的特点:

   1. 多路非二叉
   2. 只有叶子节点保存数据
   3. 搜索时 也相当于二分查找
   4. 增加了 相邻节点指针

9. 从上面我们可以看出最核心的区别主要有俩，一个是数据的保存位置，一个是相邻节点的指向。就是这俩造成了MongoDB和MySql的差别。

   1. B+树相邻接点的指针可以大大增加区间访问性，可使用在范围查询等，而B-树每个节点 key 和data 在一起 适合随机读写 ，而区间查找效率很差。
   2. B+树更适合外部存储，也就是磁盘存储，使用B-结构的话，每次磁盘预读中的很多数据是用不上的数据。因此，它没能利用好磁盘预读的提供的数据。由于节点内无 data 域，每个节点能索引的范围更大更精确。
   3. 注意这个区别相当重要，是基于1和2的，B-树每个节点即保存数据又保存索引 树的深度小，所以磁盘IO的次数很少，B+树只有叶子节点保存，较B树而言深度大磁盘IO多，但是区间访问比较好。