[英]MongoDB Aggregation with $sample very slow
有多种方法可以从 mongodb 集合中选择随机文档(如本答案所述)。 评论指出,对于 mongodb 版本 >= 3.2 然后在聚合框架中使用$sample
是首选。 但是,在包含许多小文档的集合上,这似乎非常慢。
以下代码使用 mongoengine 来模拟问题并将其与“跳过随机”方法进行比较:
import timeit
from random import randint
import mongoengine as mdb
mdb.connect("test-agg")
class ACollection(mdb.Document):
name = mdb.StringField(unique=True)
meta = {'indexes': ['name']}
ACollection.drop_collection()
ACollection.objects.insert([ACollection(name="Document {}".format(n)) for n in range(50000)])
def agg():
doc = list(ACollection.objects.aggregate({"$sample": {'size': 1}}))[0]
print(doc['name'])
def skip_random():
n = ACollection.objects.count()
doc = ACollection.objects.skip(randint(1, n)).limit(1)[0]
print(doc['name'])
if __name__ == '__main__':
print("agg took {:2.2f}s".format(timeit.timeit(agg, number=1)))
print("skip_random took {:2.2f}s".format(timeit.timeit(skip_random, number=1)))
结果是:
Document 44551
agg took 21.89s
Document 25800
skip_random took 0.01s
过去无论我在哪里遇到 mongodb 的性能问题,我的答案都是使用聚合框架,所以我很惊讶$sample
这么慢。
我在这里错过了什么吗? 这个例子是什么导致聚合需要这么长时间?
我可以确认在 3.6 Slow $sample 问题中没有任何改变。 为你感到羞耻,MongoDB 团队。
~40m 小文档集合,无索引,Windows Server 2012 x64。
存储:wiredTiger.engineConfig.journalCompressor:zlibwiredTiger.collectionConfig.blockCompressor:zlib
2018-04-02T02:27:27.743-0700 我命令 [conn4] 命令 maps.places
命令:聚合 { 聚合:“地点”,管道:[ { $sample: { size: 10 } } ] ,
cursor: {}, lsid: { id: UUID("0e846097-eecd-40bb-b47c-d77f1484dd7e") }, $readPreference: { mode: "secondaryPreferred" }, $db: "maps" } planSummary: MULTI_ITERATOR keysExamined:0 docsExamined:0 cursorExhausted:1 numYields:3967 nreturned:10 reslen:550 locks:{ Global: { acquireCount: { r: 7942 } }, Database: { acquireCount: { r: 3971 } }, Collection: { acquireCount: { r: 3971 } } }
协议:op_query 72609ms
我已经安装了 Mongo 来在一个严肃的项目中尝试这个“现代和高性能的 DBMS”。 我是多么的沮丧。
解释计划在这里:
db.command('aggregate', 'places', pipeline=[{"$sample":{"size":10}}], explain=True)
{'ok': 1.0,
'stages': [{'$cursor': {'query': {},
'queryPlanner': {'indexFilterSet': False,
'namespace': 'maps.places',
'plannerVersion': 1,
'rejectedPlans': [],
'winningPlan': {'stage': 'MULTI_ITERATOR'}}}},
{'$sampleFromRandomCursor': {'size': 10}}]}
对于那些谁混淆$sample
, $sample
将下列条件下是有效的:
$sample
是管道的第一阶段N
小于集合中文档总数的 5%如果不满足上述任何条件, $sample
执行集合扫描,然后随机排序以选择N
文档。
更多信息: https : //docs.mongodb.com/manual/reference/operator/aggregation/sample/
蒙戈指出
如果满足以下所有条件,$sample 使用伪随机游标来选择文档:
如果不满足上述任何条件,$sample 执行集合扫描,然后随机排序以选择 N 个文档。 在这种情况下,$sample 阶段受排序内存限制。
我相信你的情况 mongo 会进行全面扫描
参考: https : //docs.mongodb.com/manual/reference/operator/aggregation/sample/
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.