2

所以这就是我的数据库的样子：

> show dbs
admin   0.203125GB
local   0.078125GB
profiler    63.9228515625GB
> use profiler
switched to db profiler
> show collections
documents
mentions

提到的文件是这样的：

> db.mentions.findOne()
{
    "_id" : ObjectId("51ec29ef1b63042f6a9c6fd2"),
    "corpusID" : "GIGAWORD",
    "docID" : "WPB_ENG_20100226.0044",
    "url" : "http://en.wikipedia.org/wiki/Taboo",
    "mention" : "taboos",
    "offset" : 4526
}

文档中的文档如下所示：

> db.documents.findOne()
{
    "_id" : ObjectId("51ec2d981b63042f6ae4ca0b"),
    "sentence_offsets" : [
        ..................
    ],
    "docID" : "WPB_ENG_20101020.0002",
    "text" : ".........",
    "verb_offsets" : [
    .............
    ],
    "mentions" : [
        {
            "url" : "http://en.wikipedia.org/wiki/Washington,_D.C.",
            "mention" : "Washington",
            "ner" : "ORG",
            "offset" : 122
        },
        ...................
    ],
    "corpusID" : "GIGAWORD",
    "chunk_offsets" : [
        .................
    ]
}

有 1 亿个文档被提及，130 万个文档被提及。每个出现的提及mentions也应该在 somedocument的mentions数组中出现一次。我在文档中存储提及信息的原因是为了避免进入提及来检索上下文。然而，当我只查询提及时，我认为拥有一个独立的集合应该更快，mentions.

但是，在我对mentions.url/mentions.mention和documents.mentions.url/都进行了索引实验并documents.mentions.mention在两个集合中查询相同的 url/mention 之后，我发现从文档集合中获得响应的速度是从提及集合中获得响应的两倍。

我不确定索引在内部是如何工作的，但我假设两个索引的大小相同，因为两个集合中的提及次数相同。因此他们应该有相同的响应时间？

我正在尝试类似的东西

> db.mentions.find({url: "http://en.wikipedia.org/wiki/Washington,_D.C."}).explain()

所以网络开销不应该有差异。

这是输出

> db.mentions.find({mention: "Illinois"}).explain()

{
"cursor" : "BtreeCursor mention_1",
"isMultiKey" : false,
"n" : 4342,
"nscannedObjects" : 4342,
"nscanned" : 4342,
"nscannedObjectsAllPlans" : 4342,
"nscannedAllPlans" : 4342,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 14,
"nChunkSkips" : 0,
"millis" : 18627,
"indexBounds" : {
    "mention" : [
        [
            "Illinois",
            "Illinois"
        ]
    ]
},
"server" : "----:----"
}

和那个

> db.documents.find({"mentions.mention": "Illinois"}).explain()

{
"cursor" : "BtreeCursor mentions.mention_1",
"isMultiKey" : true,
"n" : 3102,
"nscannedObjects" : 3102,
"nscanned" : 3102,
"nscannedObjectsAllPlans" : 3102,
"nscannedAllPlans" : 3102,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 8,
"nChunkSkips" : 0,
"millis" : 7862,
"indexBounds" : {
    "mentions.mention" : [
        [
            "Illinois",
            "Illinois"
        ]
    ]
},
"server" : "----:----"
}

和统计数据（是的，我恢复了集合并且还没有索引documents.url）：

> db.documents.stats()
{
    "ns" : "profiler.documents",
    "count" : 1302957,
    "size" : 23063622656,
    "avgObjSize" : 17700.985263519826,
    "storageSize" : 25188048768,
    "numExtents" : 31,
    "nindexes" : 2,
    "lastExtentSize" : 2146426864,
    "paddingFactor" : 1,
    "systemFlags" : 1,
    "userFlags" : 0,
    "totalIndexSize" : 3432652720,
    "indexSizes" : {
        "_id_" : 42286272,
        "mentions.mention_1" : 3390366448
    },
    "ok" : 1
}
> db.mentions.stats()
{
    "ns" : "profiler.mentions",
    "count" : 97458884,
    "size" : 15299979084,
    "avgObjSize" : 156.98906509128506,
    "storageSize" : 17891127216,
    "numExtents" : 29,
    "nindexes" : 3,
    "lastExtentSize" : 2146426864,
    "paddingFactor" : 1,
    "systemFlags" : 0,
    "userFlags" : 0,
    "totalIndexSize" : 15578411408,
    "indexSizes" : {
        "_id_" : 3162125232,
        "mention_1" : 4742881248,
        "url_1" : 7673404928
    },
    "ok" : 1
}

如果有人能告诉我为什么会这样，我将不胜感激。:]

4

1 回答 1

0

有 1 亿个文档被提及，130 万个文档被提及。

两个索引中有相同数量的索引条目，因为您告诉我们您将提及存储在文档和提及中。

所以索引访问时间是一样的。您可以测量的方法是通过从两者运行覆盖索引查询 - 这意味着您只想取回存储在索引中的值： db.x.find({url:"xxx"}, {_id:0, "url":1})表示查找匹配的文档并仅从中返回 url 的值。如果这两个在两个连接中不相等，则可能是您的设置存在异常，或者其中一个索引不适合 RAM 或其他与测量相关的问题。

如果这两个相同，但在文档集合中获取文档始终更快，我会检查并了解原因 - 完整的解释输出可以显示时间花费在哪里 - 以及一个集合是否比另一个集合更多地存在于 RAM 中， 例如。

于 2013-09-06T04:28:02.303 回答