Ta strona zawiera przykłady strategii indeksowania, która powinna być stosowana w przypadku zapytań z filtrami zakresu i nierówności w wielu polach, aby zapewnić jak największą wydajność zapytań.
Zanim zaczniesz optymalizować zapytania, przeczytaj powiązane pojęcia.
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 indeksów zmniejsza liczbę wpisów indeksu skanowanych przez Cloud Firestore.
Proste zapytania
W wcześniejszym przykładzie zbioru pracowników proste zapytanie uruchamiane 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 powyżej 1 000 000. 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 uruchomi zapytanie za pomocą indeksu (salary ASC, experience ASC)
. W związku z tym selektywność pierwszego filtra zakresu jest w tym zapytaniu większa w porównaniu z wcześniejszym zapytaniem, więc zapytanie działa szybciej i jest bardziej ekonomiczne.
// 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.