这篇文章主要讲解了“Mongo中MongoDB WiredTiger引擎调优技巧有哪些”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Mongo中MongoDB WiredTiger引擎调优技巧有哪些”吧！

成都创新互联IDC提供业务:成都电信服务器托管,成都服务器租用,成都电信服务器托管,重庆服务器租用等四川省内主机托管与主机租用业务;数据中心含:双线机房,BGP机房,电信机房,移动机房,联通机房。

MongoDB从3.0开始引入可插拔存储引擎的概念。当前，有不少存储引擎可供选择：MMAPV1、WiredTiger、MongoRocks、TokuSE等等。每个存储引擎都有自己的优势，你需要根据性能要求及应用特征挑选最适合的一个。

从3.2.x开始，WiredTiger成为默认的存储引擎。最为MongoDB目前最流行的存储引擎，WiredTiger与原先的MMAPV1相比有以下优势：

• 性能&并发：在大多数工作负载下，WiredTiger的性能要比MMAPV1高很多。WiredTiger引擎为现代多核系统量身定制，更好地发挥多核系统的处理能力。MMAPV1引擎使用表级锁，因此，当某个单表上有并发的操作，吞吐将受到限制。WiredTiger使用文档级锁，由此带来并发及吞吐的提高。对于典型的应用，切到WiredTiger引擎，可带来5-10倍的性能提升。

• 压缩&加密：MMAPV1引擎要求数据在内存和在磁盘的形式一致(map磁盘内存映射)。因此，它并不支持压缩和加密。WiredTiger并没有这层限制，可以更好地支持。

• 索引前缀压缩：WiredTiger存储索引时使用前缀压缩——相同的前缀只存一次。由此带来的效果是：索引更小了，对物理内存使用也更少了。

接下来，我会展示几个用来调优WiredTiger引擎性能的关键参数。

调优Cache Size

WiredTiger最重要的调优参数就是cache规模。默认，MongoDB从3.x开始会保留可用物理内存的50%(3.2是60%)作为数据cache。虽然，默认的设置可以应对大部分的应用，通过调节为特定应用找到最佳配置值还是非常值得的。cache的规模必须足够大，以便保存应用整个工作集(working set)。

除了这个cache，MongoDB在做诸如聚合、排序、连接管理等操作时需要额外的内存。因此，必须确保有足够的内存可供使用，否则，MongoDB进程有被OOM killer杀死的风险。

调节这个参数，首先要理解在默认配置下，cache的使用情况。运行以下命令，可以获得cache统计：

db.serverStatus().wiredTiger.cache

命令输出结果例子如下：

{   "tracked dirty bytes in the cache" : 409861,   "tracked bytes belonging to internal pages in the cache" : 738956332,   "bytes currently in the cache" : 25769360777,   "tracked bytes belonging to leaf pages in the cache" : 31473298388,   "maximum bytes configured" : 32212254720,   "tracked bytes belonging to overflow pages in the cache" : 0,   "bytes read into cache" : 29628550664,   "bytes written from cache" : 34634778285,   "pages evicted by application threads" : 0,   "checkpoint blocked page eviction" : 102,   "unmodified pages evicted" : 333277,   "page split during eviction deepened the tree" : 0,   "modified pages evicted" : 437117,   "pages selected for eviction unable to be evicted" : 44825,   "pages evicted because they exceeded the in-memory maximum" : 74,   "pages evicted because they had chains of deleted items" : 33725,   "failed eviction of pages that exceeded the in-memory maximum" : 1518,   "hazard pointer blocked page eviction" : 34814,   "internal pages evicted" : 21623,   "maximum page size at eviction" : 10486876,   "eviction server candidate queue empty when topping up" : 8235,   "eviction server candidate queue not empty when topping up" : 3020,   "eviction server evicting pages" : 191708,   "eviction server populating queue, but not evicting pages" : 2996,   "eviction server unable to reach eviction goal" : 0,   "pages split during eviction" : 8821,   "pages walked for eviction" : 157970002,   "eviction worker thread evicting pages" : 563015,   "in-memory page splits" : 52,   "percentage overhead" : 8,   "tracked dirty pages in the cache" : 9,   "pages currently held in the cache" : 1499798,   "pages read into cache" : 2260232,   "pages written from cache" : 3018846}

第一个要关注的数值试，cache中脏数据的百分比。如果这个百分比比较高，那么调大cache规模很有可能可以提升性能。如果应用是重读的，可再关注bytes read into cache这个指标。如果这个指标比较高，那么调大cache规模很有可能可以提升读性能。

调节cache规模不一定非得重启服务，我们可以动态调整：

db.adminCommand( { "setParameter": 1, "wiredTigerEngineRuntimeConfig": "cache_size=xxG"})

如果你想让调整在重启后也有效，那么你需要将配置文件也相应调整一下。

控制Read/Write Tickets

WiredTiger使用tickets来控制可以同时被存储引擎处理的读/写操作数。默认值是128，在大部分情况下表现良好。如果这个值经常掉到0，所有后续操作将会被排队等待。例如，观察到读tickets下降，系统可能有大量长耗时的操作(未索引操作)。如果你想找出有哪些慢操作，可以用一些第三方工具。你可以根据系统需要和性能影响上下调节tickets。

运行以下命令可以确认tickets的使用情况：

db.serverStatus().wiredTiger.concurrentTransactions

下面是一个输出例子：

{   "write" : {      "out" : 0,      "available" : 128,      "totalTickets" : 128
   },   "read" : {      "out" : 3,      "available" : 128,      "totalTickets" : 128
   }
}

同样，可以动态调节tickets：

db.adminCommand( { setParameter: 1, wiredTigerConcurrentReadTransactions: xx } )db.adminCommand( { setParameter: 1, wiredTigerConcurrentWriteTransactions: xx } )

一旦做出调整，注意要观察系统的性能监控确保影响是符合预期的。

感谢各位的阅读，以上就是“Mongo中MongoDB WiredTiger引擎调优技巧有哪些”的内容了，经过本文的学习后，相信大家对Mongo中MongoDB WiredTiger引擎调优技巧有哪些这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

新闻名称：Mongo中MongoDBWiredTiger引擎调优技巧有哪些-创新互联
文章地址：http://lswzjz.com/article/dpidse.html