Ta strona zawiera przykłady strategii indeksowania, które należy stosować w przypadku zapytań z zakresami & filtry nierówności w wielu polach w celu zapewnienia wydajnego korzystania z zapytań.
Przed zoptymalizowaniem kampanii zapoznaj się z powiązanymi pojęciami. zapytań.
Optymalizowanie zapytań za pomocą narzędzia Query Explain
Aby określić, czy użyte zapytania i indeksy są optymalne, możesz użyć narzędzia Query Explain, aby uzyskać podsumowanie planu zapytania i statystyki wykonania zapytania:
Java
Query q = db.collection("employees").whereGreaterThan("salary",
100000).whereGreaterThan("experience", 0);
ExplainResults<QuerySnapshot> explainResults = q.explain(ExplainOptions.builder().analyze(true).build()).get();
ExplainMetrics metrics = explainResults.getMetrics();
PlanSummary planSummary = metrics.getPlanSummary();
ExecutionStats executionStats = metrics.getExecutionStats();
System.out.println(planSummary.getIndexesUsed());
System.out.println(stats.getResultsReturned());
System.out.println(stats.getExecutionDuration());
System.out.println(stats.getReadOperations());
System.out.println(stats.getDebugStats());
Node.js
let q = db.collection("employees")
.where("salary", ">", 100000)
.where("experience", ">",0);
let options = { analyze : 'true' };
let explainResults = await q.explain(options);
let planSummary = explainResults.metrics.planSummary;
let stats = explainResults.metrics.executionStats;
console.log(planSummary);
console.log(stats);
Poniższy przykład pokazuje, jak zastosowanie prawidłowej kolejności indeksu zmniejsza liczbę wpisów indeksu skanowanych przez Cloud Firestore.
Proste zapytania
W wcześniejszym przykładzie zbioru pracowników
uruchamia się z indeksem (experience ASC, salary ASC)
, wygląda tak:
Java
db.collection("employees")
.whereGreaterThan("salary", 100000)
.whereGreaterThan("experience", 0)
.orderBy("experience")
.orderBy("salary");
Zapytanie skanuje tylko 95 000 wpisów indeksu, aby zwrócić 5 dokumentów. Ponieważ predykat zapytania nie jest spełniony, odczytywana jest duża liczba wpisów indeksu, ale są one odfiltrowywane.
// Output query planning info { "indexesUsed": [ { "properties": "(experience ASC, salary ASC, __name__ ASC)", "query_scope": "Collection" } ], // Output Query Execution Stats "resultsReturned": "5", "executionDuration": "2.5s", "readOperations": "100", "debugStats": { "index_entries_scanned": "95000", "documents_scanned": "5", "billing_details": { "documents_billable": "5", "index_entries_billable": "95000", "small_ops": "0", "min_query_cost": "0" } } }
Na podstawie specjalistycznej wiedzy w danej dziedzinie możemy wywnioskować, że większość pracowników ma co najmniej pewne doświadczenie, ale niewiele osób zaoferuje wynagrodzenie wyższe niż
100000. Na podstawie tych statystyk możemy stwierdzić, że ograniczenie salary
jest bardziej selektywne niż ograniczenie experience
. Aby wpłynąć na indeks używany przez Cloud Firestore do wykonania zapytania, przed ograniczeniem experience
określ klauzulę orderBy
, która porządkuje ograniczenie salary
.
Java
db.collection("employees")
.whereGreaterThan("salary", 100000)
.whereGreaterThan("experience", 0)
.orderBy("salary")
.orderBy("experience");
Jeśli dodasz predykaty za pomocą klauzuli orderBy()
, Cloud Firestore użyje indeksu (salary ASC, experience ASC)
do uruchomienia
zapytania. Ponieważ selektywność pierwszego filtra zakresu jest w tym zapytaniu większa niż
że jest ono szybsze i mniej kosztowne.
// Output query planning info { "indexesUsed": [ { "properties": "(salary ASC, experience ASC, __name__ ASC)", "query_scope": "Collection" } ], // Output Query Execution Stats "resultsReturned": "5", "executionDuration": "0.2s", "readOperations": "6", "debugStats": { "index_entries_scanned": "1000", "documents_scanned": "5", "billing_details": { "documents_billable": "5", "index_entries_billable": "1000", "small_ops": "0", "min_query_cost": "0" } } }
Co dalej
- Dowiedz się więcej na temat funkcji Query Explain.
- Dowiedz się więcej o sprawdzonych metodach indeksowania.