Abfrageausführung mit „Abfrage erläutern“ analysieren

Nur für die Cloud Firestore Enterprise-Edition relevant.

Auf dieser Seite wird beschrieben, wie Sie Informationen zur Ausführung von Abfragen abrufen, wenn Sie eine Abfrage ausführen.

„Query Explain“ verwenden

Mit „Query Explain“ können Sie nachvollziehen, wie Ihre Abfragen ausgeführt werden. Hier finden Sie Details, mit denen Sie Ihre Abfragen optimieren können.

Sie können „Query Explain“ über die Google Cloud Console oder den Befehl explain verwenden.

Console

Führen Sie eine Abfrage im Abfrageeditor aus und öffnen Sie den Tab Erklärung:

  1. Rufen Sie in der Google Cloud Console die Seite Datenbanken auf.

    Zur Seite „Datenbanken“

  2. Wählen Sie in der Liste der Datenbanken eine Cloud Firestore-Datenbank mit MongoDB-Kompatibilität aus. In der Google Cloud Console wird der Firestore-Explorer für diese Datenbank geöffnet.
  3. Geben Sie eine Abfrage in den Abfrageeditor ein und klicken Sie auf Ausführen.

  4. Klicken Sie auf den Tab Erklärung, um die Ausgabe der Abfrageanalyse aufzurufen.

    Tab „Abfrage erläutern“ in der Console
MongoDB API

„Query Explain“ in der MongoDB API wird über den Befehl explain unterstützt, den Sie in Tools wie Mongo Shell und Compass verwenden können.

Der Befehl explain wird mit den Befehlen aggregate, find, distinct und count unterstützt, z. B.:

db.collection.explain.find(...)

Sie können auch die explain()-Methode verwenden, z. B.:

db.collection.find({QUERY}).explain()
Beschränkungen
Beachten Sie die folgenden Einschränkungen und Unterschiede:

  • „Query Explain“ unterstützt keine Befehle, die einen Cursor zurückgeben. Das Aufrufen von „explain“ durch direkten Aufruf des folgenden Befehls wird beispielsweise nicht unterstützt:

    db.collection.aggregate(..., explain: true)

  • „Abfrage erläutern“ wird nur für die Befehle find, aggregate, count und distinct unterstützt.

  • Die Optionen Verbosity und Comment von „Query Explain“ werden über die MongoDB API nicht unterstützt. Das Verhalten entspricht der Option executionStats. Die Optionen allPlansExecution und queryPlanner werden ignoriert, falls sie angegeben sind.

Analyse

Die Ausgabe von „Query Explain“ enthält zwei Hauptkomponenten: die Zusammenfassungsstatistiken und den Ausführungsbaum. Betrachten Sie die folgende Abfrage als Beispiel:

db.order.aggregate(
 [
   { "$match": { "user_id": 1234 } },
   { "$sort": { "date_placed": 1 } }
 ]
)

Zusammenfassende Statistiken

Oben in der erläuterten Ausgabe finden Sie eine Zusammenfassung der Ausführungsstatistiken. Anhand dieser Statistiken können Sie feststellen, ob eine Abfrage eine hohe Latenz oder hohe Kosten verursacht. Er enthält auch Speicherstatistiken, mit denen Sie sehen können, wie nahe Ihre Abfrage an den Speicherlimits liegt.

Billing Metrics:
read units: 1

Execution Metrics:
request peak memory usage: 4.00 KiB (4,096 B)
results returned: 1

Ausführungsstruktur

Die Ausführungsstruktur beschreibt die Abfrageausführung als eine Reihe von Knoten. Die unteren Knoten (Blattknoten) rufen Daten aus der Speicherebene ab, die den Baum durchläuft, um eine Antwort auf die Anfrage zu generieren.

Weitere Informationen zu den einzelnen Ausführungsknoten finden Sie in der Ausführungsreferenz.

Weitere Informationen dazu, wie Sie diese Informationen zum Optimieren Ihrer Abfragen verwenden können, finden Sie unter Abfrageausführung optimieren.

Das folgende Beispiel zeigt einen Ausführungsbaum:

• Compute
|  $out_1: map_set($record_1, "__id__", $__id___1, "__key__", $__key___1, "__row_id__", $__row_id___1, "__$0__", $__$0___2)
|  is query result: true
|
|  Execution:
|   records returned: 1
|
└── • Compute
    |  $__$0___2: UNSET
    |
    |  Execution:
    |   records returned: 1
    |
    └── • Compute
        |  $__key___1: UNSET
        |  $__row_id___1: UNSET
        |
        |  Execution:
        |   records returned: 1
        |
        └── • Compute
            |  $__id___1: _id($record_1.__key__)
            |
            |  Execution:
            |   records returned: 1
            |
            └── • MajorSort
                |  fields: [$v_5 ASC]
                |  output: [$record_1]
                |
                |  Execution:
                |   records returned: 1
                |   peak memory usage: 4.00 KiB (4,096 B)
                |
                └── • Compute
                    |  $v_5: array_get($v_4, 0L)
                    |
                    |  Execution:
                    |   records returned: 1
                    |
                    └── • Compute
                        |  $v_4: sortPaths(array($record_1.date_placed), [date_placed ASC])
                        |
                        |  Execution:
                        |   records returned: 1
                        |
                        └── • Filter
                            |  expression: $eq($user_id_1, 1,234)
                            |
                            |  Execution:
                            |   records returned: 1
                            |
                            └── • TableScan
                                   source: **/my_collection
                                   order: STABLE
                                   properties: * - { __create_time__, __update_time__ }
                                   output record: $record_1
                                   output bindings: {$user_id_1=user_id}
                                   variables: [$record_1, $user_id_1]

                                   Execution:
                                    records returned: 1
                                    records scanned: 1

Nächste Schritte