MongoDB 分页查询的方法及性能

henda

最近有点忙，本来有好多东西可以总结，Redis系列其实还应该有四、五、六...不过《Redis in Action》还没读完，等读完再来总结，不然太水，对不起读者。
自从上次Redis之后呢，算是对Nosql类型的产品有些入门了，这会换个方向，研究下真正的NoSql数据库——MongoDB。说起MongoDB，确实是用完了之后颠覆了我的数据管和程序观。怎么说呢？如果用在OO设计的程序里那真的太棒了，像我这种数据驱动、表驱动思想根深蒂固的人，思路很难一下子跟上MongoDB的节奏。当然并不是调用个api，写几句query那些思路，而是程序设计思路，业务领域的设计，如果OO，如何适合展现，适合查询，适合聚合运算等等。总之MongoDB重要的是程序的设计，设计好了，其实完全就忽略了Mongo的存储，因为mongodb实在是太方便了。
废话不多说，关于入门的资料、安装以及其他请拉到文章末尾，我附上了一些资料，以后如有必要再来分享。这篇文章着重的讲讲MongoDB的分页查询，为啥？分页可是常见的头号杀手，弄不好了，客户骂，经理骂。

传统的SQL分页
传统的sql分页，所有的方案几乎是绕不开row_number的，对于需要各种排序，复杂查询的场景，row_number就是杀手锏。另外，针对现在的web很流行的poll/push加载分页的方式，一般会利用时间戳来实现分页。 这两种分页可以说前者是通用的，连Linq生成的分页都是row_number，可想而知它多通用。后者是无论是性能和复杂程度都是最好的，因为只要简单的一个时间戳即可。
MongoDB分页
进入到Mongo的思路，分页其实并不难，那难得是什么？其实倒也没啥，看明白了也就那样，和SQL分页的思路是一致的。



先说明下这篇文章使用的用例，我在数据库里导入了如下的实体数据，其中cus_id、amount我生成为有序的数字，倒入的记录数是200w：



public class Test
{
///
/// 主键 ObjectId 是MongoDB自带的主键类型
///
public ObjectId Id { get; set; }
///
/// 客户编号
///
[BsonElement("cust_id")]
public string CustomerId { get; set; }
///
/// 总数
///
[BsonElement("amount")]
public int Amount { get; set; }
///
/// 状态
///
[BsonElement("status")]
public string Status { get; set; }
}

以下的操作基于MongoDB GUI 工具见参考资料3
首先来看看分页需要的参数以及结果，一般的分页需要的参数是:

• PageIndex    当前页
  
• PageSize      每页记录数
  
• QueryParam[]  其他的查询字段
  

所以按照row_number的分页思想，也就是说取第(pageIndex*pageSize)到第(pageIndex*pageSize + pageSize)，我们用Linq表达就是:



query.Where(xxx...xxx).Skip(pageIndex*pageSize).Take(pageSize)
查找了资料，还真有skip函数，而且还有Limit函数 见参考资料1、2，于是轻易地实现了这样的分页查询：



db.test.find({xxx...xxx}).sort({"amount":1}).skip(10).limit(10)//这里忽略掉查询语句
相当的高效，几乎是几毫秒就出来了结果，果然是NoSql效率一流。但是慢，我这里使用的数据只是10条而已，并没有很多数据。我把数据加到100000，效率大概是20ms。如果这么简单就研究结束了的话，那真的是太辜负了程序猿要钻研的精神了。sql分页的方案，方案可是能有一大把，效率也是不一的，那Mongo难道就这一种，答案显然不是这样的。另外是否效率上，性能上会有问题呢？Redis篇里，就吃过这样的亏，乱用Keys。
在查看了一些资料之后，发现所有的资料都是这样说的：


不要轻易使用Skip来做查询，否则数据量大了就会导致性能急剧下降，这是因为Skip是一条一条的数过来的，多了自然就慢了。
这么说Skip就要避免使用了，那么如何避免呢？首先来回顾SQL分页的后一种时间戳分页方案，这种利用字段的有序性质，利用查询来取数据的方式，可以直接避免掉了大量的数数。也就是说，如果能附带上这样的条件那查询效率就会提高，事实上是这样的么？我们来验证一下：
这里我们假设查询第100001条数据，这条数据的Amount值是：2399927，我们来写两条语句分别如下：



db.test.sort({"amount":1}).skip(100000).limit(10)  //183ms

db.test.find({amount:{$gt:2399927}}).sort({"amount":1}).limit(10)  //53ms
　　
结果已经附带到注释了，很明显后者的性能是前者的三分之一，差距是非常大的。也印证了Skip效率差的理论。
C#实现
上面已经谈过了MongoDB分页的语句和效率，那么我们来实现C#驱动版本。


本篇文章里使用的是官方的BSON驱动，详见参考资料4。Mongo驱动附带了另种方式一种是类似ADO.NET的原生query，一种是Linq，这里我们两种都实现
方案一：条件查询 原生Query实现



var query = Query.GT(item => item.Amount, 2399927);               
var result = collection.Find(query).SetLimit(100)
.SetSortOrder(SortBy.Ascending("amount")).ToList();              
Console.WriteLine(result.First().ToJson());//BSON自带的ToJson
方案二:Skip原生Query实现



var result = collection.FindAll().SetSkip(100000).SetLimit(100)
.SetSortOrder(SortBy.Ascending("amount"));
Console.WriteLine(result.ToList().First().ToJson());
方案三:Linq 条件查询



var result = collection.AsQueryable().OrderBy(item => item.Amount)
.Where(item => item.Amount > 2399927).Take(100);
Console.WriteLine(result.First().ToJson());
方案四：Linq Skip版本



var result = collection.AsQueryable().OrderBy(item => item.Amount).Skip(100000).Take(100);
Console.WriteLine(result.First().ToJson());
性能比较参考


这里的测试代码稍后我上传一下，具体的实现是利用了老赵（我的偶像啊~）的CodeTimer来计算性能。另外我跑代码都是用TestDriven插件来跑的。


方案一：
pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    1,322ms
CPU Cycles:    4,442,427,252
Gen 0:         0
Gen 1:         0
Gen 2:         0
　　



方案二：
pagination Skip-limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    95ms
CPU Cycles:    18,280,728
Gen 0:         0
Gen 1:         0
Gen 2:         0


方案三：
paginatiLinq on Linq where
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }

　　Time Elapsed: 76ms
     CPU Cycles:     268,734,988
     Gen 0:          0
     Gen 1:          0
     Gen 2:          0



方案四:
pagination Linq Skip
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount" : 2399928, "status" : "B" }
Time Elapsed:    97ms
CPU Cycles:    30,834,648
Gen 0:         0
Gen 1:         0
Gen 2:         0
上面结果是不是大跌眼镜，这和理论实在相差太大，第一次为什么和后面的差距如此大？刚开始我以为是C# Mongo的驱动问题，尝试了换驱动也差不多。这几天我在看《MongoDB in Action》的时候，发现文章里提到：


MongoDB会根据查询，来加载文档的索引和元数据到内存里，并且建议文档元数据的大小始终要保持小于机器内存，否则性能会下降。
注意到了上面的理论之后，我替换了我的测试方案，第一次执行排除下，然后再比较，发现确实结果正常了。
方案一的修正结果：



pagination GT-Limit
{ "_id" : ObjectId("5472e383fc46de17c45d4682"), "cust_id" : "A12399997", "amount
" : 2399928, "status" : "B" }
Time Elapsed:   18ms
CPU Cycles:     54,753,796
Gen 0:          0
Gen 1:          0
Gen 2:          0
　　
总结
这篇文章，基于Skip分页和有序字段查询分页两种方案进行的对比。后者说白了只是利用查询结果不用依次数数来提高了性能。Skip虽然效率低一些但是通用一些，有序字段的查询，需要在设计分页的时候对这个字段做一些处理，起码要点了页码能获取到这个字段。这里我附加一个方式，就是两者的结合，我们可以拿每次展示的那页数据上的最后一个，结合Skip来处理分页，这样的话，相对来说更好一些。这里就不具体实现了。其他方式的性能比较和实现，欢迎大牛们来分享，十分感谢。另外本篇中如有纰漏和不足请留言指教。
  忘记打个小广告，我们公司招人哦，详情见我博客的副标题！！
参考资料
1. MongoDB Skip函数:http://docs.mongodb.org/manual/reference/operator/aggregation/skip/
2. MongoDB Limit函数:http://docs.mongodb.org/manual/reference/operator/aggregation/limit/
3. MongoVUE Windows客户端管理工具（有收费版本）：http://www.mongovue.com/
4. C#官方驱动：http://docs.mongodb.org/manual/applications/drivers/