Mongodb 优化mongo查询以获得更好的响应

我试图优化mongodb查询以获得更好的响应

db.myReports.find({
"CheckInDate": {
    "$gte" : ISODate("2015-01-12T00:00:00Z"),
    "$lte" : ISODate("2015-03-31T00:00:00Z")
},
"SubscriberPropertyId":  NumberLong(47984),
"ChannelId": {
    "$in": [701, 8275]
},
"PropertyId": {
    "$in": [47984, 3159, 5148, 61436, 66251, 70108]
},
"LengthOfStay": 1
},     {
    "CheckInDate": 1,
   "SubscriberPropertyId": 1,
    "ChannelId": 1,
    "PropertyId": 1
});

目前，从300万条记录中查找数据大约需要3分钟

收集的一份文件

{
  "_id" : ObjectId("54dba46c320caf5a08473074"),
    "OptimisationId" : NumberLong(1),
    "ScheduleLogId" : NumberLong(3),
      "ReportId" : NumberLong(4113235),
   "SubscriberPropertyId" : NumberLong(10038),
   "PropertyId" : NumberLong(18166),
   "ChannelId" : 701,
  "CheckInDate" : ISODate("2014-09-30T18:30:00Z"),
  "LengthOfStay" : 1,
 "OccupancyIndex" : 1.0,
 "CreatedDate" : ISODate("2014-09-11T06:31:08Z"),
  "ModifiedDate" : ISODate("2014-09-11T06:31:08Z"),

 }

创建的索引是：

db.myReports.getIndexes();
[
        {
            "v" : 1,
            "key" : {
                    "_id" : 1
            },
            "name" : "_id_",
            "ns" : "db.myReports"
    },
    {
            "v" : 1,
            "key" : {
                    "CheckInDate" : 1,
                    "SubscriberPropertyId" : 1,
                    "ReportId" : 1,
                    "ChannelId" : 1,
                    "PropertyId" : 1
            },
            "name" :      
 "CheckInDate_1_SubscriberPropertyId_1_ReportId_1_Channe

 lId_1_PropertyId_1",
            "ns" : "db.myReports"
    },
    {
            "v" : 1,
            "key" : {
                    "CheckInDate" : 1
            },
            "name" : "CheckInDate_1",
            "ns" : "db.myReports"
    }
]

---

我已经为可能的实体创建了索引

首先放置相等查询，然后是范围查询：

db.myReports.find({
  "SubscriberPropertyId":  NumberLong(47984),
  "ChannelId": {
    "$in": [701, 8275]
  },
  "PropertyId": {
    "$in": [47984, 3159, 5148, 61436, 66251, 70108]
  },
  "CheckInDate": {
    "$gte" : ISODate("2015-01-12T00:00:00Z"),
    "$lte" : ISODate("2015-03-31T00:00:00Z")
  },
  "LengthOfStay": 1 // low selectivity, move to the end
}, {
  "CheckInDate": 1,
  "SubscriberPropertyId": 1,
  "ChannelId": 1,
  "PropertyId": 1
});

确保索引匹配，即使索引

SubscriberPropertyId

，

ChannelId

，

PropertyId

，

CheckInDate

LengthOfStay

在索引中的选择性可能太低，这取决于您的数据

---

这将大大减少扫描的

nscanned

，但是获得30万个结果需要时间（我的意思是，实际阅读它们）

你想分享文档的外观，以及你到目前为止得到的索引吗？知道你的索引是如何设置的也很好，10万个是多少？技术上是300万。10万显然是10万，所以10万乘以30等于300万。你每天都能学到新东西使用query.explain（）检查查询中使用的索引。两者（我的查询和您修改的查询）都给出相同的结果。N扫描元素的数量相同，所用时间也相同。如果在sql server中执行相同的查询，则在几秒钟内返回结果。我们认为MunGDB比大数据的关系DBS要快得多？NoSQL不是关于速度，而是可扩展性，它不是使差异产生的工具，而是基于代码的范例（记住脸谱网在MySQL上运行）——你的方法读起来很重而且有很多索引，这通常是RDBMS擅长的。您必须考虑索引的选择性，了解访问模式，或者选择一种更重于写的数据结构。此外，30万行也不是“大数据”。。。总而言之，这可能是4亿个数据量——我的现成笔记本电脑的RAM可以容纳40倍的数据量……你能为当前的查询提供任何解决方案吗？