MongoDB分頁查詢的方法及效能

最近有點忙，本來有好多東西可以總結，Redis系列其實還應該有四、五、六…不過《Redis in Action》還沒讀完，等讀完再來總結，不然太水，對不起讀者。

自從上次Redis之後呢，算是對Nosql型別的產品有些入門了，這會換個方向，研究下真正的NoSql資料庫——MongoDB。說起MongoDB，確實是用完了之後顛覆了我的資料管和程式觀。怎麼說呢？如果用在OO設計的程式裡那真的太棒了，像我這種資料驅動、表驅動思想根深蒂固的人，思路很難一下子跟上MongoDB的節奏。當然並不是呼叫個api，寫幾句query那些思路，而是程式設計思路，業務領域的設計，如果OO，如何適合展現，適合查詢，適合聚合運算等等。總之MongoDB重要的是程式的設計，設計好了，其實完全就忽略了Mongo的儲存，因為mongodb實在是太方便了。

廢話不多說，關於入門的資料、安裝以及其他請拉到文章末尾，我附上了一些資料，以後如有必要再來分享。這篇文章著重的講講MongoDB的分頁查詢，為啥？分頁可是常見的頭號殺手，弄不好了，客戶罵，經理罵。

傳統的SQL分頁

傳統的sql分頁，所有的方案几乎是繞不開row_number的，對於需要各種排序，複雜查詢的場景，row_number就是殺手鐗。另外，針對現在的web很流行的poll/push載入分頁的方式，一般會利用時間戳來實現分頁。 這兩種分頁可以說前者是通用的，連Linq生成的分頁都是row_number，可想而知它多通用。後者是無論是效能和複雜程度都是最好的，因為只要簡單的一個時間戳即可。

MongoDB分頁

進入到Mongo的思路，分頁其實並不難，那難得是什麼？其實倒也沒啥，看明白了也就那樣，和SQL分頁的思路是一致的。

先說明下這篇文章使用的用例，我在資料庫裡匯入瞭如下的實體資料，其中cus_id、amount我生成為有序的數字，倒入的記錄數是200w：

public class Test
{
        /// <summary>
        /// 主鍵 ObjectId 是MongoDB自帶的主鍵型別
        /// </summary>
        public ObjectId Id { get; set; }
        /// <summary>
        /// 客戶編號
        /// </summary>
        [BsonElement("cust_id")]
        public string CustomerId { get; set; }
        /// <summary>
        /// 總數
        /// </summary>
        [BsonElement("amount")]
        public int Amount { get; set; }
        /// <summary>
        /// 狀態
        /// </summary>
        [BsonElement("status")]
        public string Status { get; set; }
}

以下的操作基於MongoDB GUI 工具見參考資料3

首先來看看分頁需要的引數以及結果，一般的分頁需要的引數是:

• PageIndex 當前頁
• PageSize 每頁記錄數
• QueryParam[] 其他的查詢欄位

所以按照row_number的分頁思想，也就是說取第(pageIndex*pageSize)到第(pageIndex*pageSize + pageSize)，我們用Linq表達就是:

query.Where(xxx...xxx).Skip(pageIndex*pageSize).Take(pageSize)

查詢了資料，還真有skip函式，而且還有Limit函式 見參考資料1、2，於是輕易地實現了這樣的分頁查詢：

db.test.find({xxx...xxx}).sort({"amount":1}).skip(10).limit(10)//這裡忽略掉查詢語句

相當的高效，幾乎是幾毫秒就出來了結果，果然是NoSql效率一流。但是慢，我這裡使用的資料只是10條而已，並沒有很多資料。我把資料加到100000，效率大概是20ms。如果這麼簡單就研究結束了的話，那真的是太辜負了程式猿要鑽研的精神了。sql分頁的方案，方案可是能有一大把，效率也是不一的，那Mongo難道就這一種，答案顯然不是這樣的。另外是否效率上，效能上會有問題呢？Redis篇裡，就吃過這樣的虧，亂用Keys。

在檢視了一些資料之後，發現所有的資料都是這樣說的：

不要輕易使用Skip來做查詢，否則資料量大了就會導致效能急劇下降，這是因為Skip是一條一條的數過來的，多了自然就慢了。

這麼說Skip就要避免使用了，那麼如何避免呢？首先來回顧SQL分頁的後一種時間戳分頁方案，這種利用欄位的有序性質，利用查詢來取資料的方式，可以直接避免掉了大量的數數。也就是說，如果能附帶上這樣的條件那查詢效率就會提高，事實上是這樣的麼？我們來驗證一下：

這裡我們假設查詢第100001條資料，這條資料的Amount值是：2399927，我們來寫兩條語句分別如下：

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

db.test.find({amount:{$gt:2399927}}).sort({"amount":1}).limit(10)  //53ms

結果已經附帶到註釋了，很明顯後者的效能是前者的三分之一，差距是非常大的。也印證了Skip效率差的理論。

C#實現

上面已經談過了MongoDB分頁的語句和效率，那麼我們來實現C#驅動版本。

方案一：條件查詢 原生Query實現

var query = Query<Test>.GT(item => item.Amount, 2399927);                
var result = collection.Find(query).SetLimit(100)
                       .SetSortOrder(SortBy.Ascending("amount")).ToList();              
Console.WriteLine(result.First().ToJson());//BSON自帶的ToJson

方案二:Skip原生Query實現

var result = collection.FindAll().SetSkip(100000).SetLimit(100)
             .SetSortOrder(SortBy.Ascending("amount"));
Console.WriteLine(result.ToList().First().ToJson());

方案三:Linq 條件查詢

var result = collection.AsQueryable<Test>().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<Test>().OrderBy(item => item.Amount).Skip(100000).Take(100);
Console.WriteLine(result.First().ToJson());

效能比較參考

這裡的測試程式碼稍後我上傳一下，具體的實現是利用了老趙（我的偶像啊~）的CodeTimer來計算效能。另外我跑程式碼都是用TestDriven外掛來跑的。

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

上面結果是不是大跌眼鏡，這和理論實在相差太大，第一次為什麼和後面的差距如此大？剛開始我以為是C# Mongo的驅動問題，嘗試了換驅動也差不多。這幾天我在看《MongoDB in Action》的時候，發現文章裡提到：

MongoDB會根據查詢，來載入文件的索引和後設資料到記憶體裡，並且建議文件後設資料的大小始終要保持小於機器記憶體，否則效能會下降。

注意到了上面的理論之後，我替換了我的測試方案，第一次執行排除下，然後再比較，發現確實結果正常了。

方案一的修正結果：

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

總結

這篇文章，基於Skip分頁和有序欄位查詢分頁兩種方案進行的對比。後者說白了只是利用查詢結果不用依次數數來提高了效能。Skip雖然效率低一些但是通用一些，有序欄位的查詢，需要在設計分頁的時候對這個欄位做一些處理，起碼要點了頁碼能獲取到這個欄位。這裡我附加一個方式，就是兩者的結合，我們可以拿每次展示的那頁資料上的最後一個，結合Skip來處理分頁，這樣的話，相對來說更好一些。這裡就不具體實現了。其他方式的效能比較和實現，歡迎大牛們來分享，十分感謝。另外本篇中如有紕漏和不足請留言指教。

參考資料

1. MongoDB Skip函式:http://docs.mongodb.org/manual/reference/operator/aggregation/skip/

2. MongoDB Limit函式:http://docs.mongodb.org/manual/reference/operator/aggregation/limit/

3. MongoVUE Windows客戶端管理工具（有收費版本）：http://www.mongovue.com/

4. C#官方驅動：http://docs.mongodb.org/manual/applications/drivers/