mongodb索引学习（六）

时间：2022-11-22 17:02:59

在mongodb中，索引可以按字段升序/降序来创建，便于排序，默认是按btree来组织索引文件，也允许建立hash索引：

explain.queryPlanner: queryPlanner的返回
explain.queryPlanner.namespace:该值返回的是该query所查询的表
explain.queryPlanner.indexFilterSet:针对该query是否有indexfilter
explain.queryPlanner.winningPlan:查询优化器针对该query所返回的最优执行计划的详细内容。
explain.queryPlanner.winningPlan.stage:最优执行计划的stage，这里返回是FETCH，可以理解为通过返回的index位置去检索具体的文档。

stage的类型的意义，mongodb的文档中列出了前4种类型，还有一些没有列出来，但是会比较常见，这里一并解释一下。

COLLSCAN ：全表扫描
IXSCAN：索引扫描
FETCH:：根据索引去检索指定document
SHARD_MERGE：各个分片返回数据进行merge
SORT：表明在内存中进行了排序（与前期版本的scanAndOrder:true一致）
SORT_MERGE：表明在内存中进行了排序后再合并
LIMIT：使用limit限制返回数
SKIP：使用skip进行跳过
IDHACK：针对_id进行查询
SHARDING_FILTER：通过mongos对分片数据进行查询
COUNT：利用db.coll.count()之类进行count运算
COUNTSCAN：count不使用用Index进行count时的stage返回
COUNT_SCAN：count使用了Index进行count时的stage返回
SUBPLA：未使用到索引的$or查询的stage返回
TEXT：使用全文索引进行查询时候的stage返回

queryPlanner返回的结构：

explain.queryPlanner.winningPlan.inputStage:用来描述子stage，并且为其父stage提供文档和索引关键字。
explain.queryPlanner.winningPlan.stage的child stage，此处是IXSCAN，表示进行的是index scanning。
explain.queryPlanner.winningPlan.keyPattern:所扫描的index内容，此处是did:1,status:1,modify_time: -1与scid : 1
explain.queryPlanner.winningPlan.indexName：winning plan所选用的index。
explain.queryPlanner.winningPlan.isMultiKey是否是Multikey，此处返回是false，如果索引建立在array上，此处将是true。
explain.queryPlanner.winningPlan.direction：此query的查询顺序，此处是forward，如果用了.sort({modify_time:-1})将显示backward。
explain.queryPlanner.winningPlan.indexBounds:winningplan所扫描的索引范围,如果没有制定范围就是[MaxKey, MinKey]，这主要是直接定位到mongodb的chunck中去查找数据，加快数据读取。
explain.queryPlanner.rejectedPlans：其他执行计划（非最优而被查询优化器reject的）的详细返回，其中具体信息与winningPlan的返回中意义相同，故不在此赘述。

executionStats返回结构的意义：

executionStats.executionSuccess：是否执行成功
executionStats.nReturned：满足查询条件的文档个数，即查询的返回条数
executionStats.executionTimeMillis：整体执行时间
executionStats.totalKeysExamined：索引整体扫描的文档个数，和早起版本的nscanned 是一样的
executionStats.totalDocsExamined：document扫描个数， 和早期版本中的nscannedObjects 是一样的
executionStats.executionStages:整个winningPlan执行树的详细信息，一个executionStages包含一个或者多个inputStages
executionStats.executionStages.stage：这里是FETCH去扫描对于documents,后面会专门用来解释大部分查询使用到的各种stage的意思
executionStats.executionStages.nReturned：由于是FETCH，所以这里该值与executionStats.nReturned一致
executionStats.executionStages.docsExamined：与executionStats.totalDocsExamined一致executionStats.inputStage中的与上述理解方式相同
explain.executionStats.executionStages.works：被查询执行阶段所操作的“工作单元(work units)”数。
explain.executionStats.executionStages.advanced:优先返回给父stage的中间结果集中文档个数
explain.executionStats.executionStages.isEOF:查询执行是否已经到了数据流的末尾

这些值的初始值都是0。Works的 值当isEOF为1时要比nReturned大1， isEOF为0是相同。

1.查看执行计划explain

db.stu.find({sn:99}).explain();
(1).未创建索引

mongodb索引学习（六）

(2).增加索引后
db.stu.createIndex({sn:1})      # 1 为升序； 2 为降序

注：新版本创建索引为 db.collection.createIndex()  # 1 为升序； -1 为降序

mongodb索引学习（六）

2.查看索引

db.stu.getIndexes();

3.删除单个索引

db.stu.dropIndex({name:-1})

4.删除表下面的所有索引

db.stu.dropIndexes()

5.创建多列索引

db.stu.createIndex({sn:1,name:1})

6.子文档索引创建和查询

db.shop.insert({name:'Nokia',spc:{weight:120,area:'*'}});
db.shop.insert({name:'sanxing',spc:{weight:100,area:'hanguo'}});

mongodb索引学习（六）

子文档索引创建

db.shop.createIndex({'spc.area':1})

7.创建唯一索引

db.tea.createIndex({email:1},{unique:true});

创建唯一索引去掉重复的，如下表

mongodb索引学习（六）

在极少数情况下，可能希望直接删除重复的值，创建索引时使用dropDups选项，如果遇到重复值，第一个会被保留，之后重复的文档都会被删除。

dropDups会强制性建立唯一索引，但是这种方式太粗暴了，你无法控制那些文档被保留那些文档被删除（不会提示），对于比较重要的数据，千万不要使用dropDups

db.test7.createIndex({name:1},{unique:true,dropDups:true})

8.创建稀疏索引(null数据将无法查询到)

当使用3.2之后的Mongo版本时，应优先考虑Partial Indexes（部分索引）。

db.tea.createIndex( { "email": 1 }, { sparse: true } );

如果一个稀疏索引会导致一个不完整的结果集查询和排序操作,MongoDB不会使用索引,除非一个hint()显式地指定了索引 

db.scores.insert({"userid" : "newbie"})
db.scores.insert({"userid" : "abby", "score" : 82})
db.scores.insert({"userid" : "nina", "score" : 90})

mongodb索引学习（六）

集合在 score 键上有一个稀疏索引

db.scores.createIndex( { score: 1 } , { sparse: true } )

mongodb索引学习（六）

由于userid为 "newbie" 的文档不包含 score 键， 因此稀疏索引中不包含该文档的索引项

假设有如下查询，返回 scores 集合中 所有 文档并按照 score 键排序：

即使是按照被索引键排序，MongoDB仍然 不会 选择稀疏索引来匹配这个查询

db.scores.find().sort( { score: -1 } )

mongodb索引学习（六）

如果希望使用稀疏索引，请在 hint() 显示指定该索引

db.scores.find().sort( { score: -1 } ).hint( { score: 1 } )

(稀疏)索引的使用导致了只有那些包含 score 键的文档被返回了

mongodb索引学习（六）

9.hash索引

db.tea.createIndex({email:'hashed'});

10.重建索引

一张表经过很多次修改后，导致表的文件产生碎片，索引文件也是，可以通过索引文件的重建来提高索引的效率

db.tea.reIndex()

11.向表中插入100w数据  

    for(i=0;i<1000000;i++){
         db.com_user.insert(
{
              i:i,
              username:'user'+i,
              age:Math.floor(Math.random()*120),
              created:new Date()
}
)
}

mongodb索引学习（六）

12.创建hash索引

db.collection.createIndex( { _id: "hashed" } )

您可能无法创建一个带有 哈希 索引键的复合索引或者对 哈希 索引施加唯一性的限制。但是，您可以在同一个键上同时创建一个 哈希 索引

和一个递增/递减(例如，非哈希)的索引，这样MongoDB对于范围查询就会自动使用非哈希的索引

警告：MongoDB的 哈希 索引会在哈希前将浮点数字截断为64位整数。例如，如果一个键上存储的值是 2.3, 2.2, 或者 2.9 ，哈希索引存储的哈希值会是一样的。为了避免冲突，请不要对浮点数字使用 哈希 索引，如果这个这个数组无法可靠的转换到64位整数(然后再转换回浮点数字)。MongoDB 哈希 索引不支持大于 253 的浮点数字.

13.创建部分索引

对集合中指定的筛选器表达式筛选后的部分集合进行创建索引，优点：减少了存储空间，提高的查询效率,在3.2版本中，MongoDB现在可以创建部分索引，索引只包含符合给定条件的文档 

mongodb索引学习（六）

创建部分索引

db.com_user.createIndex({ name: 1 },{ partialFilterExpression: { age: { $gt: 22 } } } )

mongodb索引学习（六）

查询wangwu数据，不再索引范围内（年龄必须>22才可以走索引）

db.com_user.find({name:'wangwu'}).explain(true).executionStats

mongodb索引学习（六）

搜索年龄>22岁的信息

db.com_user.find({name:'zhangfei',age:50}).explain(true).executionStats

mongodb索引学习（六）

标签：

相关文章