一、MongoDB索引
1、索引介绍
索引在mongodb中被支持，如果没有索引，mongodb必须扫描每一个文档集合选择匹配的查询记录。这样扫描集合效率并不高，因为它需要mongod进程使用大量的数据作遍历操作。 索引是一种特殊的数据结构，它保存了小部分简单的集合数据。索引存储了一些特殊字段，并将其排序。
从根本上讲，索引在mongodb中和其他数据库系统是类似的。mongodb规定了索引的集合级别、支持索引任何字段或者子字段在mongodb文档集合中。
2、索引优化查询方案
要考虑数据之间的关系，做查询优化。
创建索引支持常见的面向用户的查询，确保扫描读取文件最小数量。
索引可以优化特定场景中的其它业务的性能。
3、排序返回数据
来看看一个索引的具体例子（其实就相当于我们查询字段一样的）
4、索引类型
MongoDB提供了一些不同的索引类型支持的数据和查询的具体类型
Default _id (默认_id索引) ：所有mongodb默认都有一个_id字段索引，如果我们不指定_id的值会自动生成一个ObjectId值。 该_id索引是唯一的，并且可以防止客户端对_id字段值相同插入两个。
# 查询articles集合的索引 db.articles.getIndexes(); # 添加titlei字段索引，并且为升序 db.articles.ensureIndex({title:1}); #重构索引(慎用) db.articles.reIndex();
注意：索引排序规则升序：1，降序-1
Single Field (单字段索引) ：mongodb允许定义单个字段的索引，与default _id一样，只是字段不同。
Compound Index (复合索引[多字段索引]) ：mongodb中可以自定多个字段的索引。例如，如果一个复合指标包括{userid：1，score：-1 }，索引排序第一的用户名后，在每一个用户标识符值，按得分++倒序++排序。
{
"_id": ObjectId(...),
"item": "Banana",
"category": ["food", "produce", "grocery"],
"location": "4th Street Store",
"stock": 4,
"type": "cases",
"arrival": Date(...)
}
创建方法：
# 创建item、stock字段的复合索引，并且升序排序
db.products.ensureIndex( { "item": 1, "stock": 1 } )
注意：Hashed 字段不能创建索引，如果创建将出现错误
Application Sort Order 使用案例：降序用户名升序时间。
# 查询结果集中排序
db.events.find().sort( { username: -1, date: 1 } )
# 查询结果集中排序
db.user_scores.find().sort({score:-1,date:-1}).limit(1)
MultiKey Index (多键索引)
官方文档中给出这样一个案例：
{
userid:"marker",
address:[
{zip:"618255"},
{zip:"618254"}
]
}
# 创建索引,并将zip升序排列
db.users.ensureIndex({"address.zip": 1});
# 假如我们做这样的查询
db.users.find({"addr":{"$in":[{zip:"618254"}]}})
注意：你可以创建 多键复合索引(multikey compound indexes)
Geospatial Index (地理空间索引)
db.places.ensureIndex( { loc : "2dsphere" } )
Text Indexes (文本索引) ：文本索引是在2.4版本更新的，提供了文本搜索文档中的集合功能，文本索引包含：字符串、字符数组。使用$text做查询操作。 2.6版本 默认情况下使文本搜索功能。在MongoDB 2.4，你需要使文本搜索功能手动创建全文索引和执行文本搜索
# 创建文本索引
db.articles.ensureIndex({content:"text"});
复合索引可以包含文本索引 称为：复合文本索引(compound text indexes)，但有限制 ：
复合文本索引不能包含任何其他特殊索引类型，比如：多键索引(multi-key Indexes)
如果复合文本索引包含文本索引的键，执行$text查询必须相同查询条件。可能翻译不对原文：
（If the compound text index includes keys preceding the text index key, to perform a $text search, the query
predicate must include equality match conditions on the preceding keys1）
Hashed Indexes (哈希码索引) ：哈希索引在2.4版本更新的，将实体的的哈希值作为索引字段，
# 给user_scores的score字段创建一个哈希索引
db.user_scores.ensureIndex( { score: "hashed" } )
5、索引的属性
除了众多索引类型的支持以外，还可以使用各种属性来调整性能。
TTL Indexes ：它是一个特殊的索引，可以在某个时间自动的删除文档集合的索引。对于一些信息数据比如说日志、事件对象、会话信息，只需要存放在数据库一个特定期限。
使用限制：
不支持复合索引
必须是date时间类型字段
如果是date数组，按照最早时间过期。
注意：TTL index不保证过期时间立即删除,，后台任务没60秒运行删除, 依赖于mongod进程。
Unique Indexes
# 创建唯一索引
db.members.ensureIndex( { "user_id": 1 }, { unique: true } )
注意：如果字段为null，那么就以null值，但不能重复插入空值。如果collection中有两个实体唯一索引字段为空，则不能创建唯一索引
也就是说，我们还可以利用它作为类似于关系型数据库的唯一约束。
# 强制插入空值对象后报错
> db.users.insert({content:"unique testing"})
WriteResult({
"nInserted" : 0,
"writeError" : {
"code" : 11000,
"errmsg" : "insertDocument :: caused by :: 11000 E11000 duplicat
e key error index: test.users.$dsadsadsa dup key: { : null }"
}
})
Sparse Indexes
db.addresses.ensureIndex( { "xmpp_id": 1 }, { sparse: true } )
background属性 高效修改/创建索引 ：在项目运行中，如果我们直接采用前面的方法创建索引或者修改索引，那么数据库会阻塞建立索引期间的所有请求。mongodb提供了background属性做后台处理。
db.addresses.ensureIndex( { "xmpp_id": 1 }, {background: true } )
我们知道如果阻塞所有请求，建立索引就会很快，但是使用系统的用户就需要等待，影响了数据库的操作，因此可以更具具体情况来选择使用background属性
6、索引名称
# 自动生成索引名称
db.products.ensureIndex( { item: 1, quantity: -1 } )
# 被命名为: item_1_quantity_-1
# 自定义索引名称
db.products.ensureIndex( { item: 1, quantity: -1 } , { name: "inventory" } )
7 、管理索引
# 添加/修改索引
db.users.ensureIndex({name:"text"});
# 删除集合所有索引
db.users.dropIndexes();
# 删除特定索引 (删除id字段升序的索引)
db.users.dropIndex({"id":1})
# 获取集合索引
db.users.getIndexes();
# 重构索引
db.users.reIndex();
8、索引分类
Default _id (默认_id索引)
Single Field (单字段索引)
Compound Index (复合索引[多字段索引])
MultiKey Index (多键索引)
Geospatial Index (地理空间索引)
Text Indexes (文本索引)
Hashed Indexes (哈希码索引)
二、应用举例
创建单字段索引：
> db.testcoll.ensureIndex({Name: 1})
> db.testcoll.getIndexes()
[
{
"v" : 1,
"name" : "_id_",
"key" : {
"_id" : 1
},
"ns" : "test.testcoll"
},
{
"v" : 1,
"name" : "Name_1",
"key" : {
"Name" : 1
},
"ns" : "test.testcoll"
}
]
创建哈希索引：
> db.testcoll.ensureIndex({Name: "hashed"})
> db.testcoll.getIndexes()
[
{
"v" : 1,
"name" : "_id_",
"key" : {
"_id" : 1
},
"ns" : "test.testcoll"
},
{
"v" : 1,
"name" : "Name_1",
"key" : {
"Name" : 1
},
"ns" : "test.testcoll"
},
{
"v" : 1,
"name" : "Name_hashed",
"key" : {
"Name" : "hashed"
},
"ns" : "test.testcoll"
}
]
删除哈希索引：
> db.testcoll.dropIndex("Name_hashed")
{ "nIndexesWas" : 3, "ok" : 1 }
> db.testcoll.getIndexes()
[
{
"v" : 1,
"name" : "_id_",
"key" : {
"_id" : 1
},
"ns" : "test.testcoll"
},
{
"v" : 1,
"name" : "Name_1",
"key" : {
"Name" : 1
},
"ns" : "test.testcoll"
}
]
删除单字段索引：
> db.testcoll.dropIndex({Name: 1})
{ "nIndexesWas" : 2, "ok" : 1 }
> db.testcoll.getIndexes()
[
{
"v" : 1,
"name" : "_id_",
"key" : {
"_id" : 1
},
"ns" : "test.testcoll"
}
]
删除所有索引：
> db.testcoll.dropIndexes()
查看索引是否用到：
> db.testcoll.find({Name: "User:88"}).explain()
{
"cursor" : "BasicCursor",
"isMultiKey" : false,
"n" : 1,
"nscannedObjects" : 100,
"nscanned" : 100,
"nscannedObjectsAllPlans" : 100,
"nscannedAllPlans" : 100,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 42,
"indexBounds" : {
},
"server" : "www.example.com:27017"
}
> db.testcoll.find().count()
100
通过创建索引可以发现在查询时只需要一次就行，不用在全文档扫描：
> db.testcoll.ensureIndex({Name: 1}),{unique: true}
{ "unique" : true }
> db.testcoll.find({Name: "User:88"}).explain()
{
"cursor" : "BtreeCursor Name_1",
"isMultiKey" : false,
"n" : 1,
"nscannedObjects" : 1,
"nscanned" : 1,
"nscannedObjectsAllPlans" : 1,
"nscannedAllPlans" : 1,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 0,
"indexBounds" : {
"Name" : [
[
"User:88",
"User:88"
]
]
},
"server" : "www.example.com:27017"
}
指定索引查询：
> db.testcoll.find({Name: "User:88"}).hint({Name: 1}).explain()
总结：
前面只是简单的介绍了MongoDB的索引及其的使用，在查询时我们最好可以根据创建的索引来进行查询，这样做可以大大节省磁盘IO的开销。若查询时没有相关的索引则极可能遍历全部文档，这样大大降低了性能。在实际使用中创建和使用索引要做到：根据实际的需求创建最合适索引，查询时也要使用最合适的索引。对于索引的使用前面所讲的只是一些皮毛知识，若想深入学习建议可以查阅《数据库索引设计与优化》。
转载于:https://blog.51cto.com/cuchadanfan/1701493