面试题：MongoDB Explain输出中如何通过winningPlan和rejectedPlans分析查询优化方向

Question

在MongoDB的Explain输出里，winningPlan代表了实际执行的查询计划，而rejectedPlans是被拒绝的计划。请说明如何通过分析这两个部分来确定查询的优化方向，举例说明可能存在的性能瓶颈以及对应的优化策略。

Answer 1

分析 winningPlan 确定优化方向

1. 索引使用情况：查看 winningPlan 中 indexName 字段，如果索引使用不合理（如全表扫描 COLLSCAN 而不是索引扫描 IXSCAN），可能需要添加合适索引。例如：查询语句 db.users.find({ age: 30 })，若 winningPlan 显示为全表扫描，应创建 db.users.createIndex({ age: 1 })。
2. 执行顺序：关注操作的先后顺序，例如 sort 和 limit 操作位置。若 sort 在 limit 之前且数据量较大，会对性能有影响，优化时可尽量让 limit 先执行。

分析 rejectedPlans 确定优化方向

1. 比较成本：rejectedPlans 中的计划被拒绝通常是因为成本较高。对比 winningPlan 和 rejectedPlans 中的 cost 字段，了解被拒绝计划成本高的原因，可能是索引使用不当或数据结构问题。
2. 潜在优化点：某些被拒绝计划可能在特定情况下更优，例如数据分布变化时。通过分析可提前考虑应对不同场景的优化方案。

可能存在的性能瓶颈及优化策略

1. 全表扫描：
   • 性能瓶颈：数据量增大时，全表扫描会导致查询性能急剧下降。
   • 优化策略：添加合适索引，确保查询条件能利用索引进行快速定位。
2. 索引过多：
   • 性能瓶颈：过多索引会增加写操作成本，因为每次写入都要更新多个索引。
   • 优化策略：定期评估索引使用情况，删除不再使用的索引。
3. 排序性能问题：
   • 性能瓶颈：大数据量排序操作消耗大量内存和 CPU 资源。
   • 优化策略：利用索引进行排序（确保排序字段在索引中且顺序一致），或者尽量减少排序的数据量，先使用 limit 限制数据量再排序。