【发布时间】：2013-09-16 13:07:28
【问题描述】：
我有一个 GeoJSON Point 形式的坐标数据集合，我需要从中查询一个区域内的 10 个最新条目。现在有 1.000.000 个条目，但将增加大约 10 倍。
我的问题是，当所需区域内有很多条目时，我的查询性能会大大下降（案例 3）。我目前拥有的测试数据是随机的，但真实数据不会，因此无法仅根据区域的尺寸选择另一个索引（如案例 4）。
我应该怎么做才能让它无论在哪个区域都能按预期执行？
1.收集统计：
> db.randomcoordinates.stats()
{
"ns" : "test.randomcoordinates",
"count" : 1000000,
"size" : 224000000,
"avgObjSize" : 224,
"storageSize" : 315006976,
"numExtents" : 15,
"nindexes" : 3,
"lastExtentSize" : 84426752,
"paddingFactor" : 1,
"systemFlags" : 0,
"userFlags" : 0,
"totalIndexSize" : 120416128,
"indexSizes" : {
"_id_" : 32458720,
"position_2dsphere_timestamp_-1" : 55629504,
"timestamp_-1" : 32327904
},
"ok" : 1
}
2。索引：
> db.randomcoordinates.getIndexes()
[
{
"v" : 1,
"key" : {
"_id" : 1
},
"ns" : "test.randomcoordinates",
"name" : "_id_"
},
{
"v" : 1,
"key" : {
"position" : "2dsphere",
"timestamp" : -1
},
"ns" : "test.randomcoordinates",
"name" : "position_2dsphere_timestamp_-1"
},
{
"v" : 1,
"key" : {
"timestamp" : -1
},
"ns" : "test.randomcoordinates",
"name" : "timestamp_-1"
}
]
3.使用 2dsphere 复合索引查找：
> db.randomcoordinates.find({position: {$geoWithin: {$geometry: {type: "Polygon", coordinates: [[[1, 1], [1, 90], [180, 90], [180, 1], [1, 1]]]}}}}).sort({timestamp: -1}).limit(10).hint("position_2dsphere_timestamp_-1").explain()
{
"cursor" : "S2Cursor",
"isMultiKey" : true,
"n" : 10,
"nscannedObjects" : 116775,
"nscanned" : 283424,
"nscannedObjectsAllPlans" : 116775,
"nscannedAllPlans" : 283424,
"scanAndOrder" : true,
"indexOnly" : false,
"nYields" : 4,
"nChunkSkips" : 0,
"millis" : 3876,
"indexBounds" : {
},
"nscanned" : 283424,
"matchTested" : NumberLong(166649),
"geoTested" : NumberLong(166649),
"cellsInCover" : NumberLong(14),
"server" : "chan:27017"
}
4.使用时间戳索引查找：
> db.randomcoordinates.find({position: {$geoWithin: {$geometry: {type: "Polygon", coordinates: [[[1, 1], [1, 90], [180, 90], [180, 1], [1, 1]]]}}}}).sort({timestamp: -1}).limit(10).hint("timestamp_-1").explain()
{
"cursor" : "BtreeCursor timestamp_-1",
"isMultiKey" : false,
"n" : 10,
"nscannedObjects" : 63,
"nscanned" : 63,
"nscannedObjectsAllPlans" : 63,
"nscannedAllPlans" : 63,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 0,
"indexBounds" : {
"timestamp" : [
[
{
"$maxElement" : 1
},
{
"$minElement" : 1
}
]
]
},
"server" : "chan:27017"
}
有人建议使用{timestamp: -1, position: "2dsphere"} 索引，所以我也尝试了，但似乎效果不够好。
5.使用 Timestamp + 2dsphere 复合索引查找
> db.randomcoordinates.find({position: {$geoWithin: {$geometry: {type: "Polygon", coordinates: [[[1, 1], [1, 90], [180, 90], [180, 1], [1, 1]]]}}}}).sort({timestamp: -1}).limit(10).hint("timestamp_-1_position_2dsphere").explain()
{
"cursor" : "S2Cursor",
"isMultiKey" : true,
"n" : 10,
"nscannedObjects" : 116953,
"nscanned" : 286513,
"nscannedObjectsAllPlans" : 116953,
"nscannedAllPlans" : 286513,
"scanAndOrder" : true,
"indexOnly" : false,
"nYields" : 4,
"nChunkSkips" : 0,
"millis" : 4597,
"indexBounds" : {
},
"nscanned" : 286513,
"matchTested" : NumberLong(169560),
"geoTested" : NumberLong(169560),
"cellsInCover" : NumberLong(14),
"server" : "chan:27017"
}
【问题讨论】：
-
您能否澄清一下您所说的“因此不可能仅根据区域的尺寸选择另一个索引（如案例 4）。”？在我看来，无论区域大小如何，由于您只寻找最近的十个点，因此您总是会在时间戳索引中做得更好，其中 scanAndOrder 为假且 nscanned 最接近 n。鉴于此，我建议创建一个带有时间戳第一和位置第二的复合索引，但是，当前的 mongo 版本（2.4.6）不会以所需的方式使用它：jira.mongodb.org/browse/SERVER-10801。
-
该区域很大，而且集合中的坐标是随机的，说明有很多，所以时间戳索引更有效。当区域较小且条目较少时，使用时间戳索引时，当该区域少于10个时，需要遍历所有条目。在这种情况下，位置-时间戳复合索引显然是最快的，返回时间为 2 毫秒，而时间戳-位置索引将花费超过 2000 毫秒。我认为我需要（至少）针对不同类型的区域使用不同的索引。
-
我认为您的评论成功了。如果您要在相当大的区域中查询最近的 10 个点，那么问题就从“查找一个区域中的所有点，然后找到最近的 10 个”到“遍历最近的条目并检查它们是否在该地区。”正如你所说，如果所有点的很大一部分都在多边形中，那么第二个会快得多。
-
出于好奇，您能否在没有提示的情况下运行几次此类查询，然后对其运行解释以查看查询优化器使用的索引是什么？ MongoDB 旨在为您的查询测试和选择最佳索引，因此您不必考虑这类事情（该功能可能会更好，但它在大多数情况下仍然有效）。
-
使用初始索引时，它会选择 2dsphere-timestamp 复合索引，当我尝试在相当大的区域上运行它几次而没有提示时。所以它没有选择最佳的时间戳索引。
标签： mongodb geospatial