Analizowanie wykonywania zapytań za pomocą funkcji Query Explain

Na tej stronie opisujemy, jak pobierać informacje o wykonywaniu zapytań.

Korzystanie z funkcji Query Explain

Funkcja Query Explain pozwala zrozumieć, jak wykonywane są zapytania. Dzięki temu możesz uzyskać szczegółowe informacje, które pomogą Ci zoptymalizować zapytania.

Funkcji Query Explain możesz używać w konsoli Firebase:

  • W konsoli Firebase otwórz Bazy danych i pamięć > Firestore > Dane > Edytor zapytań.
  • Uruchom zapytanie, dla którego chcesz uzyskać informacje o wykonaniu.
  • Kliknij kartę Query Explain , aby wyświetlić dane wyjściowe analizy zapytania.

Tryby wyjaśniania

W zależności od tego, co chcesz debugować, możesz wykonać zapytanie za pomocą funkcji Query Explain w różnych trybach:

  • analyze: planuje i wykonuje zapytanie. Zwraca informacje o planowaniu, statystyki i dane dotyczące wykonania w czasie rzeczywistym oraz zwykłe wyniki zapytania.

  • explain: planuje zapytanie, ale go nie wykonuje. Zwraca informacje o planowaniu, ale nie zwraca statystyk, danych ani wyników. Jest to przydatne do debugowania działania zapytania bez wykonywania kosztownych operacji.

Analiza

Dane wyjściowe funkcji Query Explain zawierają 2 główne komponenty – statystyki podsumowujące i drzewo wykonania. Jako przykład rozważmy to zapytanie:

db.pipeline().collection('/users').sort(field("status").ascending()).limit(100)

Statystyki podsumowujące

U góry wyjaśnionych danych wyjściowych znajduje się podsumowanie statystyk wykonania. Na podstawie tych statystyk możesz określić, czy zapytanie ma długi czas oczekiwania lub wysoki koszt. Zawierają one też statystyki pamięci, które informują o tym, jak blisko zapytanie jest do limitów pamięci.

Execution:
 results returned: 2
 request peak memory usage: 20.25 KiB (20,736 B)
 data bytes read: 148 B
 entity row scanned: 2

Billing:
 read units: 1

Drzewo wykonania

Drzewo wykonania opisuje wykonanie zapytania jako serię węzłów. Węzły dolne (węzły liści) pobierają dane z warstwy pamięci, która przechodzi przez drzewo, aby wygenerować odpowiedź na zapytanie.

Szczegółowe informacje o poszczególnych węzłach wykonania, znajdziesz w sekcji Informacje o wykonaniu.

Więcej informacji o tym, jak używać tych informacji do optymalizacji zapytań, zobacz Optymalizowanie wykonywania zapytań.

Oto przykład drzewa wykonania:

Tree:
• Compute
|  $out_1: map_set($record_1, "__name__", $__name___1, "__key__", unset)
|  is query result: true
|
|  Execution:
|   records returned: 2
|   latency: 5.96 ms (local <1 ms)
|
└── • Compute
    |  $__name___1: map_get($record_1, "__key__")
    |
    |  Execution:
    |   records returned: 2
    |   latency: 5.88 ms (local <1 ms)
    |
    └── • MajorSort
        |  fields: [$v_1 ASC]
        |  output: [$record_1]
        |  limit: 100
        |
        |  Execution:
        |   records returned: 2
        |   latency: 5.86 ms (local <1 ms)
        |   peak memory usage: 20.25 KiB (20,736 B)
        |
        └── • Compute
            |  $v_1: map_get($record_1, "status")
            |
            |  Execution:
            |   records returned: 2
            |   latency: 5.23 ms (local <1 ms)
            |
            └── • TableScan
                   source: /users
                   order: UNDEFINED
                   properties: *
                   row range: (-∞..+∞)
                   output record: $record_1
                   variables: [$record_1]

                   Execution:
                    records returned: 2
                    latency: 4.68 ms
                    records scanned: 2
                    data bytes read: 148 B

Co dalej?