mongoengine中queryset触发网络访问机制剖析

背景

最近新上线的一个服务，偶尔会有超时告警，其主要逻辑仅仅只是简单的读/写mongodb，而且服务上线初期，流量并不大，因而理论上来说，每次请求都应该很快才对，事实上分析日志也证实90%以上的请求都在100ms内返回，大部分请求耗时都在10ms内，但是依然有1%不到的请求会显示耗时超过1s，极端个例耗时可达2-3s，这几天相对比较有空，于是决心仔细研究一下原因，最终定位到是由于对mongoegine的model机制中的QuerySet使用机制不够了解而踩坑了,这里记录一下。

问题浮现

mongoengine的使用非常简单，用户通过简单的定义一个继承于mongonengine.Document的子类，即可方便的通过该类实现对对应mongodb中collection的各种操作，官方tutorial中的一个例子：

首先需要告诉程序需要连接到哪个mongod实例，使用下面的connect函数：

from mongoengine import *
 
connect('tumblelog')

在不显示指定host和port的情况下，默认连接localhost的27017端口，显示指定则加上host和port参数即可：

connect('project1', username='webapp', password='pwd123')

定义下面一个User类，即可访问对应mongod数据库中的user colletion了。

from datetime import datetime
class User(Document):
    email = StringField(required=True)
    first_name = StringField(max_length=50)
    last_name = StringField(max_length=50)
    ctime = DateTimeField(default=datetime.utcnow)

如果要获取mongodb中first_name为Jack的记录，一下代码即可轻松实现：

records = User.objects(first_name='Jack').order_by('ctime')

而后通过获取到的records就可以对其进行各种操作了：

if not records: # 判断数据是否为空
    if len(records) > 1: # 判断记录条数是否符合要求
        pk = records[0].pk # 获取首条记录的pk
        pk = records[0]['ctime'] # 获取收条记录的创建时间

这样的使用逻辑是没有问题的，从业务逻辑上来说完全可以达到编码者的目的，然而却存在一个耗时较高、对mongodb访问过于平凡的隐藏坑。

之前一直以为向上面的一段代码，程序在开始定义records时，即已经通过User.objects指定查找和排序条件执行完将记录结果赋值给了records，因而后面的records使用都是直接访问已经存在本地的返回结果进行的操作，然而事实上，上面这段代码，每一行都会触发一次对mongodb实时网络访问，总共是四次网络访问，至于records定义赋值的哪一行，反而没有对mongodb进行访问，远超多次的网络访问，不但增加了服务本身处理请求的总耗时，使其对网络和mongodb的波动更加敏感，而且使mongodb的访问量毫无必要的增加了好几倍，危害甚大。

mongoengine的这种表现，着实有些出乎自己的直觉预期，在网上尝试找寻相关资料，却并没有找到关于这一问题描述的合适资料，于是深究了一下其源码。

源码剖析

首先要弄清楚的是，为什么这行代码不会马上触发网络访问，从mongodb获取到按ctime排序的查询结果呢？

records = User.objects(first_name='Jack').order_by('ctime') #records实际类型为：<class 'mongoengine.queryset.queryset.QuerySet'>

其实这行代码的赋值对象records命名存在误导性，让人容易误以为返回的结果就是已经按条件查询好的一个记录list，然而实际返回的对象并非如此，而是一个QuerySet，这个QuerySet对象的创建，并不需要去远程调用mongodb，而只是把查询的相关条件（first_name='Jack'、order_by排序条件等）记录在QuerySet对象之中，在后面真正需要访问具体的记录属性时，才会根据条件去远程查询mongodb。

在QuerySet这个类之中，重载了对QuerySet对象执行len()函数时的行为，相关代码如下:

#source file: mongoengine/queryset/queryset.py
class QuerySet(BaseQuerySet):
    """The default queryset, that builds queries and handles a set of results
    returned from a query.
 
    Wraps a MongoDB cursor, providing :class:`~mongoengine.Document` objects as
    the results.
...
    def __len__(self):
        """Since __len__ is called quite frequently (for example, as part of
        list(qs) we populate the result cache and cache the length.
        """
        if self._len is not None:
            return self._len
        if self._has_more:
            # populate the cache
            list(self._iter_results())
 
        self._len = len(self._result_cache)
        return self._len

QuerySet继承于BaseQuerySet，其中定义了根据下标/slice语法访问对象行为的内部函数__getitem__()、对象转化为布尔值时的执行的内部函数(__nonzero__/__bool__)，以及使对象具备可调用属性的__call__函数。

# source file: mongoengine/queryset/base.py
class BaseQuerySet(object):
    """A set of results returned from a query. Wraps a MongoDB cursor,
    providing :class:`~mongoengine.Document` objects as the results.
    """  
...
    def __init__(self, document, collection):
        self._document = document
        self._collection_obj = collection
        self._mongo_query = None
        self._query_obj = Q()
        self._initial_query = {}
        self._where_clause = None
        self._loaded_fields = QueryFieldList()
        self._ordering = None
        self._snapshot = False
        self._timeout = True
        self._class_check = True
        self._slave_okay = False
        self._read_preference = None
        self._iter = False
        self._scalar = []
        self._none = False
        self._as_pymongo = False
        self._as_pymongo_coerce = False
        self._search_text = None
 
        # If inheritance is allowed, only return instances and instances of
        # subclasses of the class being used
        if document._meta.get('allow_inheritance') is True:
            if len(self._document._subclasses) == 1:
                self._initial_query = {"_cls": self._document._subclasses[0]}
            else:
                self._initial_query = {
                    "_cls": {"$in": self._document._subclasses}}
            self._loaded_fields = QueryFieldList(always_include=['_cls'])
        self._cursor_obj = None
        self._limit = None
        self._skip = None
        self._hint = -1  # Using -1 as None is a valid value for hint
        self.only_fields = []
        self._max_time_ms = None
 
    def __call__(self, q_obj=None, class_check=True, read_preference=None,
                 **query):
        """Filter the selected documents by calling the
        :class:`~mongoengine.queryset.QuerySet` with a query.
 
        :param q_obj: a :class:`~mongoengine.queryset.Q` object to be used in
            the query; the :class:`~mongoengine.queryset.QuerySet` is filtered
            multiple times with different :class:`~mongoengine.queryset.Q`
            objects, only the last one will be used
        :param class_check: If set to False bypass class name check when
            querying collection
        :param read_preference: if set, overrides connection-level
            read_preference from `ReplicaSetConnection`.
        :param query: Django-style query keyword arguments
        """
        query = Q(**query)
        if q_obj:
            # make sure proper query object is passed
            if not isinstance(q_obj, QNode):
                msg = ("Not a query object: %s. "
                       "Did you intend to use key=value?" % q_obj)
                raise InvalidQueryError(msg)
            query &= q_obj
 
        if read_preference is None:
            queryset = self.clone()
        else:
            # Use the clone provided when setting read_preference
            queryset = self.read_preference(read_preference)
 
        queryset._query_obj &= query
        queryset._mongo_query = None
        queryset._cursor_obj = None
        queryset._class_check = class_check
 
        return queryset
...
    def __getitem__(self, key):
        """Support skip and limit using getitem and slicing syntax.
        """
        queryset = self.clone()
 
        # Slice provided
        if isinstance(key, slice):
            try:
                queryset._cursor_obj = queryset._cursor[key]
                queryset._skip, queryset._limit = key.start, key.stop
                if key.start and key.stop:
                    queryset._limit = key.stop - key.start
            except IndexError, err:
                # PyMongo raises an error if key.start == key.stop, catch it,
                # bin it, kill it.
                start = key.start or 0
                if start >= 0 and key.stop >= 0 and key.step is None:
                    if start == key.stop:
                        queryset.limit(0)
                        queryset._skip = key.start
                        queryset._limit = key.stop - start
                        return queryset
                raise err
            # Allow further QuerySet modifications to be performed
            return queryset                                                                                                                                  
        # Integer index provided
        elif isinstance(key, int):
            if queryset._scalar:
                return queryset._get_scalar(
                    queryset._document._from_son(queryset._cursor[key],
                                                 _auto_dereference=self._auto_dereference,
                                                 only_fields=self.only_fields))
 
            if queryset._as_pymongo:
                return queryset._get_as_pymongo(queryset._cursor[key])
            return queryset._document._from_son(queryset._cursor[key],
                                                _auto_dereference=self._auto_dereference,
                                                only_fields=self.only_fields)
 
        raise AttributeError
...
    def _has_data(self):
        """ Retrieves whether cursor has any data. """
 
        queryset = self.order_by()
        return False if queryset.first() is None else True
 
    def __nonzero__(self):
        """ Avoid to open all records in an if stmt in Py2. """
 
        return self._has_data()
 
    def __bool__(self):
        """ Avoid to open all records in an if stmt in Py3. """
 
        return self._has_data()
 
    # Core functions
 
    def all(self):
        """Returns all documents."""
        return self.__call__()
 
    def filter(self, *q_objs, **query):
        """An alias of :meth:`~mongoengine.queryset.QuerySet.__call__`
        """
        return self.__call__(*q_objs, **query)
...
    @property
    def _cursor(self):
        if self._cursor_obj is None:                                                                                                                         
 
            # In PyMongo 3+, we define the read preference on a collection
            # level, not a cursor level. Thus, we need to get a cloned
            # collection object using `with_options` first.
            if IS_PYMONGO_3 and self._read_preference is not None:
                self._cursor_obj = self._collection\
                    .with_options(read_preference=self._read_preference)\
                    .find(self._query, **self._cursor_args)
            else:
                self._cursor_obj = self._collection.find(self._query,
                                                         **self._cursor_args)
            # Apply where clauses to cursor
            if self._where_clause:
                where_clause = self._sub_js_fields(self._where_clause)
                self._cursor_obj.where(where_clause)
 
            if self._ordering:
                # Apply query ordering
                self._cursor_obj.sort(self._ordering)
            elif self._ordering is None and self._document._meta['ordering']:
                # Otherwise, apply the ordering from the document model, unless
                # it's been explicitly cleared via order_by with no arguments
                order = self._get_order_by(self._document._meta['ordering'])
                self._cursor_obj.sort(order)
 
            if self._limit is not None:
                self._cursor_obj.limit(self._limit)
 
            if self._skip is not None:
                self._cursor_obj.skip(self._skip)
 
            if self._hint != -1:
                self._cursor_obj.hint(self._hint)
 
        return self._cursor_obj
 
...  

从代码可以看出来了，实际QuerySet对象创建时并不会立即去查询mongodb获取结果，而是在真正使用时，根据重载的使用行为再去查询mongodb，其查询mongodb的相关代码位于BaseQuerySet基类的_cursor函数中。

所以对于User.objects返回结果其实更好的命名风格应该是:

query_set = User.objects(first_name='Jack').order_by('ctime')
or
qs = User.objects(first_name='Jack').order_by('ctime')

而为了避免之后对queryset的直接操作导致预期之外的多次网络请求mongodb，在获取query_set后，可以直接执行一次查询将其所有查询到的结果单独存到一个本地list对象中：

records = [rc for rc in qs]

之后对records操作就不会再触发对mongodb的网络访问了，这么做相比之前唯一的缺陷就是如果本地使用records时耗时过长，可能导致本地数据和mongodb端不一致，不过对于绝大部分场景，查询完mongodb后，对其结果的引用应该会在很短的时间内完成，基本不会存在不一致的问题，应用者根据场景评估下即可。