Skip to main content

การเรียนรู้ Performance Tuning

บทนำ​

การปรับแต่งประสิทธิภาพ (Performance Tuning) ใน MongoDB เป็นกระบวนการที่ช่วยเพิ่มประสิทธิภาพของฐานข้อมูลให้สามารถทำงานได้อย่างรวดเร็วและรองรับการทำงานในปริมาณมากขึ้น โดยจะเกี่ยวข้องกับการปรับแต่งตั้งแต่ระดับโครงสร้างข้อมูล การตั้งค่าระบบ ไปจนถึงการปรับแต่งฮาร์ดแวร์

การปรับแต่งประสิทธิภาพใน MongoDB​

1. การออกแบบ Schema ที่เหมาะสม​

คำแนะนำ:​

  • Denormalization: ใช้การออกแบบแบบฝังข้อมูล (Embedded Documents) เมื่อข้อมูลมีการใช้งานร่วมกันบ่อย
  • Indexing: สร้าง Index เพื่อเพิ่มความเร็วในการ Query
  • Shard Key: เลือก Shard Key ที่กระจายข้อมูลอย่างเหมาะสมในระบบ Sharded Cluster

ตัวอย่างการออกแบบ Schema แบบ Embedded:​

{
  "userId": "12345",
  "name": "John Doe",
  "orders": [
    { "orderId": "1", "amount": 500 },
    { "orderId": "2", "amount": 300 }
  ]
}

2. การใช้ Index อย่างมีประสิทธิภาพ​

คำแนะนำ:​

  • ใช้ Compound Index สำหรับ Query ที่มีหลายเงื่อนไข
  • ใช้ TTL Index สำหรับข้อมูลที่ต้องการหมดอายุ เช่น Logs หรือ Session
  • ตรวจสอบ Index ที่ไม่ได้ใช้งานและลบออกเพื่อลด Overhead

ตัวอย่างการสร้าง Compound Index:​

// สร้าง Index บนฟิลด์ "userId" และ "orderDate"
db.orders.createIndex({ "userId": 1, "orderDate": -1 });

3. การจัดการ Query​

คำแนะนำ:​

  • ใช้คำสั่ง explain() เพื่อตรวจสอบแผนการทำงานของ Query
  • หลีกเลี่ยงการ Query ด้วยฟิลด์ที่ไม่มี Index
  • ใช้ Projection เพื่อลดข้อมูลที่ส่งกลับ

ตัวอย่างการใช้ explain():​

db.orders.find({ "userId": "12345" }).explain("executionStats");

4. การปรับแต่ง Configurations​

คำแนะนำ:​

  • ปรับขนาด WiredTiger Cache เพื่อให้เหมาะสมกับปริมาณข้อมูล
  • ใช้ Connection Pooling เพื่อจัดการการเชื่อมต่อจากไคลเอนต์
  • กำหนด Journaling ให้เหมาะสมกับการใช้งานที่ต้องการความเร็วหรือความปลอดภัยของข้อมูล

ตัวอย่างการปรับค่า Cache:​

# เพิ่ม Cache Size สำหรับ WiredTiger
storage:
  wiredTiger:
    engineConfig:
      cacheSizeGB: 2

5. การใช้งาน Aggregation Framework​

คำแนะนำ:​

  • ใช้ Pipeline Optimization เพื่อรวมการประมวลผล
  • หลีกเลี่ยงการใช้ $lookup หรือ $unwind ในกรณีที่ไม่จำเป็น

ตัวอย่างการใช้ Aggregation Pipeline:​

db.orders.aggregate([
  { $match: { "status": "completed" } },
  { $group: { _id: "$userId", total: { $sum: "$amount" } } }
]);

6. การตรวจสอบและติดตามผลการทำงาน​

คำแนะนำ:​

  • ใช้คำสั่ง mongostat และ mongotop เพื่อติดตามการทำงานของ MongoDB
  • เปิดใช้งาน Profiler เพื่อตรวจสอบ Query ที่ช้าหรือมีการใช้งานทรัพยากรสูง

ตัวอย่างการเปิด Profiler:​

db.setProfilingLevel(2, { slowms: 100 });

การปรับแต่งฮาร์ดแวร์​

คำแนะนำ:​

  1. เพิ่ม RAM เพื่อรองรับข้อมูลที่ใช้บ่อยใน Cache
  2. ใช้ SSD แทน HDD เพื่อเพิ่มความเร็วในการอ่านและเขียนข้อมูล
  3. ปรับจำนวน CPU Core ให้เหมาะสมกับการใช้งานแบบ Multi-Thread

เครื่องมือสำหรับตรวจสอบและวิเคราะห์ประสิทธิภาพ​

  1. MongoDB Compass

    • ใช้ตรวจสอบ Index และ Query Performance

  2. Atlas Performance Advisor

    • ให้คำแนะนำในการปรับแต่ง Query และ Index บน MongoDB Atlas

  3. Monitoring Tools (e.g., Prometheus, Grafana)

    • ใช้ติดตามเมตริกของ MongoDB เช่น การใช้งาน CPU, Memory และ Disk I/O

สรุป​

การปรับแต่งประสิทธิภาพ MongoDB ต้องเริ่มต้นจากการออกแบบ Schema ที่เหมาะสม การใช้ Index และ Query อย่างมีประสิทธิภาพ รวมถึงการปรับแต่งฮาร์ดแวร์และการตั้งค่าระบบ การใช้เครื่องมือตรวจสอบอย่างสม่ำเสมอจะช่วยให้คุณสามารถรักษาประสิทธิภาพของฐานข้อมูลในระยะยาวได้