mongodb正则查询太慢，mongodb 查询条件

MongoDB如何优化查询性能?

1、通过查看一个查询的explain()输出信息，可以知道查询使用了哪个索引，以及是如何使用的。对于任意查询，都可以在最后添加一个explain()调用（与调用sort()或者limit()一样，不过explain()必须放在最后）。

2、在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id，最后用获得的完整的文章及其评论。

3、建立好合适索引，尽量使用更多的精确查询搭配模糊查询一起，不需要返回的字段要屏蔽，增大机器内存，使用固态硬盘，海量数据使用集群部署。

4、优化 MongoDB 集群负载均衡：在实际生产环境中，数据访问热度和节点性能差异可能导致某些节点超载。

相关问答

Q1: 如何正确的使用MongoDB并优化其性能

1、在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id，最后用获得的完整的文章及其评论。

2、“n”则表明了实际返回的文档数量。“nscanned“描述了MongoDB在执行这个查询时搜索了多少文档。”cursor“本查询返回值为”BasicCursor“则说明该查询未使用索引，所以才会搜索了所有的文档。

3、因此，对于需要高性能的应用，如实时分析、在线游戏等，MongoDB也是一个不错的选择。 水平扩展能力：MongoDB的分片功能不仅可以用来存储大量数据，还可以提高数据库的读写性能。

4、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。

Q2: mongodb的find查询10万条以上的数据有卡顿现象,请问如何选择优化的方式...

这样的设计方式是在非关系型数据库中常用的，也就是我们所说的范式化设计。在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。

找出元凶经过前面的问题定位，我们已经能确定是MongoManager的定时器搞的鬼了。

在短时间内完成 MongoDB 差异数据对比，可以采用以下方法： 使用专业的数据对比工具：市场上有一些专业的中间件工具，如 NineData，提供了一种高效且易于使用的 MongoDB 数据对比功能。

但某些情况下MongoDB会锁住数据库。如果此时正有数百个请求，则它们会堆积起来，造成许多问题。我们使用了下面的优化方式来避免锁定：每次更新前，我们会先查询记录。查询操作会将对象放入内存，于是更新则会尽可能的迅速。

使用方式：db.collection.count(query)或者db.collection.find(query).count()参数说明：其中query是用于查询的目标条件。

Q3: MongoDB的统计查询和条件统计查询问题请教

1、如果想要查询出特定的数据，则可以在find里面添加键值对作为条件。比如我要查询name为mimi的数据则可以这样写。执行语句之后，就可以查询到对应的数据了。集合中包含有name：mimi的数据只有一条，所以就显示一条。

2、Mongodb中自带的基本聚合函数有三种：count、distinct和group。下面我们分别来讲述一下这三个基本聚合函数。（1）count 作用：简单统计集合中符合某种条件的文档数量。

3、如果我们在日常操作中，将部分数据存储在了MongoDB中，但是有需求要求我们将存储进去的文档数据，按照一定的条件进行查询过滤，得到想要的结果便于二次利用，那么我们就可以尝试使用MongoDB的聚合框架。

4、在短时间内完成 MongoDB 差异数据对比，可以采用以下方法： 使用专业的数据对比工具：市场上有一些专业的中间件工具，如 NineData，提供了一种高效且易于使用的 MongoDB 数据对比功能。

5、在Robo 3T中运行，有10万条数据集中，查询时间为0.908s 查询性能明显没有方法一高效。总结：故生产环境中应选用方法一。

Q4: mongodb更新比较频繁,性能下降的厉害怎么办

1、范式化与反范式化 在项目设计阶段，明确集合的用途是对性能调优非常重要的一步。

2、对于速度比较慢的查询来说，它是最重要的性能分析工具之一。通过查看一个查询的explain()输出信息，可以知道查询使用了哪个索引，以及是如何使用的。

3、建立好合适索引，尽量使用更多的精确查询搭配模糊查询一起，不需要返回的字段要屏蔽，增大机器内存，使用固态硬盘，海量数据使用集群部署。

4、使用多线程 MongoDB对单独的MR作业并不使用多线程——它仅仅对多作业使用多线程。但通过多核CPU，在单个服务器使用Hadoop风格来并行作业非常有优势。我们需要做的是把输入分成几块，通过各个块来加速一个MR作业。

5、我们下降到192秒，已经提升了6倍。reduce的数量基本相同，但现在它们在写入磁盘前，可以在RAM内完成。使用多线程MongoDB对单独的MR作业并不使用多线程——它仅仅对多作业使用多线程。

关于mongodb正则查询太慢和mongodb 查询条件的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。