添加索引后，MongoDB的分组查询仍然很慢。

Question

我有一个简单的集合：

{
    "_id" : ObjectId("5033cc15f31e20b76ca842c8"),
    "_class" : "com.pandu.model.alarm.Alarm",
    "serverName" : "CDCAWR009 Integration Service",
    "serverAddress" : "cdcawr009.na.convergys.com",
    "triggered" : ISODate("2012-01-28T05:09:03Z"),
    "componentName" : "IntegrationService",
    "summary" : "A device which is configured to be recorded is not being recorded.",
    "details" : "Extension<153; 40049> on CDCAWR009 is currently not being recorded
    properly; recording requested for the following reasons: ",
    "priority" : "Major"
}

这个集合中大约有数百万个这样的文档。我试图按服务器名称对它们进行分组，并获得所有服务器名称的计数。从关系型数据库查询的角度来看，这听起来很简单。

The query that I have come up with is 
    db.alarm.group( {key: { serverName:true }, reduce: function(obj,prev) { prev.count++ }, initial: { count: 0 }});

另外，我已经在serverName上添加了索引。

> db.alarm.getIndexes()
[
        {
                "v" : 1,
                "key" : {
                        "_id" : 1
                },
                "ns" : "test.alarm",
                "name" : "_id_"
        },
        {
                "v" : 1,
                "key" : {
                        "serverName" : 1
                },
                "ns" : "test.alarm",
                "name" : "serverName_1"
        }
]

然而，在MongoDB中，我需要等待13秒才能得到响应。而在SQL Server中，类似的查询仅需4秒即可返回结果，且无须索引支持。

是否有遗漏了什么呢？

谢谢您的耐心等待。

- nkare

Answer 1

正如您所写的查询一样，2.0版本中这种聚合需要运行Map/Reduce。 MongoDB上的Map/Reduce存在一些性能损失，已经在SO before中进行了介绍 - 基本上，除非您能够跨集群并行处理，否则将通过Spidermonkey运行单线程JavaScript - 这不是一个高效的方案。由于您没有选择性，所以索引并没有真正帮助 - 您只需要扫描整个索引以及可能的文档。

然而，随着即将发布的2.2版本（目前正在rc1中），您有一些选择。在2.2中引入的聚合框架（原生的，不是基于JS的Map/Reduce）具有内置的group操作符，专门用于加速MongoDB中的这种操作。

我建议尝试使用2.2并查看分组性能是否有所改善。我认为它应该像这样：（注意：未经测试）：

db.alarm.aggregate(
    { $group : {
        _id : "$serverName",
        count : { $sum : 1 }
    }}
);

- Adam Comerford

---

让我试一下2.2。谢谢。 - nkare

Answer 2

另一个选择，也许是目前性能最好的解决方案，可能是使用distinct（）命令并在客户端计算结果数量。http://www.mongodb.org/display/DOCS/Aggregation#Aggregation-Distinct

- Jenna

---

帮我理解一下。如果在数据上运行distinct()，那么我会失去特定组中的实例数量；我正在寻找SQL世界中的“group by”功能。 - nkare

啊，抱歉。您可以遍历distinct()的元素，并为每个唯一的服务器名称运行.count()查询。该查询可以使用索引，并且您可以避免单线程Javascript。但是，我不确定这个解决方案是否比MR更好（取决于唯一名称的数量）。您最好的选择可能是新的聚合框架，但我很想看到基准数据。 - Jenna