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)

MongoDB(三)

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》。