印刻数据库

外观

MongoDB 索引原理 ​

索引的作用 ​

  1. 加速查询：减少查询时需要扫描的文档数量
  2. 支持排序：加速排序操作
  3. 强制唯一性：通过唯一索引确保字段值的唯一性
  4. 支持范围查询：提高范围查询的性能
  5. 优化聚合操作：加速聚合管道中的匹配和排序阶段

索引数据结构 ​

B树索引 ​

MongoDB使用B树作为默认的索引数据结构，B树具有以下特点：

  1. 平衡结构：B树是自平衡的，所有叶子节点位于同一层
  2. 多路搜索：每个节点可以有多个子节点，减少树的高度
  3. 有序存储：索引键按顺序存储，支持范围查询和排序
  4. 高效插入删除：插入和删除操作的时间复杂度为O(log n)
  5. 磁盘友好：节点大小设计为磁盘块大小，减少磁盘I/O

B树与B+树的区别 ​

MongoDB使用的是B树而不是B+树，两者的主要区别：

特性B树B+树
数据存储所有节点都存储数据只有叶子节点存储数据
叶子节点连接没有有（双向链表）
范围查询需要回溯高效（通过叶子节点链表）
适合场景随机访问范围查询

索引结构示例 ​

                 [ root ]
                /        \
         [ page 1 ]    [ page 2 ]
        /    |     \   /    |     \
[ leaf 1 ] [ leaf 2 ] [ leaf 3 ] [ leaf 4 ]

每个节点包含索引键和指向子节点或文档的指针：

  • 根节点：指向中间页或叶子页
  • 中间页：指向其他中间页或叶子页
  • 叶子页：存储索引键和指向文档的指针（或文档本身，对于覆盖索引）

索引类型 ​

单字段索引 ​

单字段索引是最基本的索引类型，基于单个字段创建索引：

javascript
// 创建单字段索引
db.collection.createIndex({ field: 1 })  // 升序索引
db.collection.createIndex({ field: -1 }) // 降序索引

复合索引 ​

复合索引基于多个字段创建索引，字段顺序对索引性能有重要影响：

javascript
// 创建复合索引
db.collection.createIndex({ field1: 1, field2: -1 })

复合索引的前缀原则 ​

复合索引支持前缀查询，例如索引 { a: 1, b: 1, c: 1 } 可以支持：

  • { a: ... }
  • { a: ..., b: ... }
  • { a: ..., b: ..., c: ... }

但不支持：

  • { b: ... }
  • { b: ..., c: ... }
  • { c: ... }

多键索引 ​

当字段值是数组时，MongoDB会自动创建多键索引，为数组中的每个元素创建索引条目：

javascript
// 文档结构
{ _id: 1, tags: [ "mongodb", "database", "nosql" ] }

// 创建多键索引
db.collection.createIndex({ tags: 1 })

地理空间索引 ​

用于地理位置数据的查询，支持点、线、面等地理空间数据类型：

javascript
// 2dsphere索引（用于地球表面的地理空间数据）
db.collection.createIndex({ location: "2dsphere" })

// 2d索引（用于平面地理空间数据）
db.collection.createIndex({ location: "2d" })

文本索引 ​

用于全文搜索，支持对字符串内容进行分词和搜索：

javascript
// 创建文本索引
db.collection.createIndex({ content: "text" })

// 多字段文本索引
db.collection.createIndex({ title: "text", content: "text" })

哈希索引 ​

基于字段的哈希值创建索引，用于相等查询，不支持范围查询：

javascript
// 创建哈希索引
db.collection.createIndex({ field: "hashed" })

唯一索引 ​

确保索引字段的值是唯一的：

javascript
// 创建唯一索引
db.collection.createIndex({ field: 1 }, { unique: true })

// 复合唯一索引
db.collection.createIndex({ field1: 1, field2: 1 }, { unique: true })

稀疏索引 ​

只包含具有索引字段的文档，跳过没有索引字段的文档：

javascript
// 创建稀疏索引
db.collection.createIndex({ field: 1 }, { sparse: true })

部分索引 ​

基于过滤条件创建索引，只包含满足条件的文档：

javascript
// 创建部分索引
db.collection.createIndex(
  { field: 1 },
  { partialFilterExpression: { status: { $eq: "active" } } }
)

索引工作原理 ​

查询优化器 ​

MongoDB查询优化器会评估多个查询计划，选择成本最低的计划执行：

  1. 生成查询计划：针对每个可能的索引生成查询计划
  2. 评估计划成本：基于文档扫描数量、索引使用情况等评估成本
  3. 选择最佳计划：选择成本最低的计划执行
  4. 缓存计划：缓存查询计划，提高重复查询的性能

索引扫描类型 ​

  1. IXSCAN：索引扫描，直接使用索引查找文档
  2. COLLSCAN：全表扫描，扫描整个集合查找文档
  3. FETCH：获取文档，从磁盘读取文档
  4. SORT：排序，对结果进行排序
  5. LIMIT：限制结果数量

索引使用示例 ​

javascript
// 创建索引
db.users.createIndex({ age: 1, name: 1 })

// 查询1：使用索引（前缀匹配）
db.users.find({ age: { $gt: 25 } })

// 查询2：使用索引（复合匹配）
db.users.find({ age: 30, name: { $regex: /^A/ } })

// 查询3：使用索引排序
db.users.find().sort({ age: 1, name: 1 })

// 查询4：不使用索引（不符合前缀原则）
db.users.find({ name: "Alice" })

索引创建与管理 ​

创建索引 ​

javascript
// 基本语法
db.collection.createIndex(
  { field1: 1, field2: -1 },  // 索引键和方向
  {                           // 索引选项
    name: "custom_index_name", // 索引名称
    unique: false,             // 是否唯一
    sparse: false,             // 是否稀疏
    expireAfterSeconds: 3600,  // TTL索引（秒）
    collation: { locale: "en" } // 排序规则
  }
)

查看索引 ​

javascript
// 查看集合的所有索引
db.collection.getIndexes()

// 查看索引大小
db.collection.totalIndexSize()

删除索引 ​

javascript
// 删除指定索引
db.collection.dropIndex("index_name")

// 删除所有索引（保留_id索引）
db.collection.dropIndexes()

重建索引 ​

javascript
// 重建所有索引
db.collection.reIndex()

// 重建指定索引
db.collection.dropIndex("index_name")
db.collection.createIndex({ field: 1 }, { name: "index_name" })

索引性能优化 ​

索引选择性 ​

索引选择性是指索引字段的唯一值数量与集合中文档数量的比值，选择性越高，索引效果越好：

javascript
// 高选择性索引（唯一值多）
db.users.createIndex({ email: 1 })

// 低选择性索引（唯一值少）
db.users.createIndex({ gender: 1 })

覆盖索引 ​

覆盖索引包含查询所需的所有字段，不需要额外的文档获取操作：

javascript
// 查询：db.users.find({ age: 30 }, { name: 1, email: 1, _id: 0 })

// 创建覆盖索引
db.users.createIndex({ age: 1, name: 1, email: 1 })

索引交集 ​

MongoDB支持使用多个索引的交集来满足查询：

javascript
// 创建两个索引
db.collection.createIndex({ field1: 1 })
db.collection.createIndex({ field2: 1 })

// 查询使用索引交集
db.collection.find({ field1: "value1", field2: "value2" })

索引排序顺序 ​

索引的排序顺序（升序/降序）会影响查询的性能，特别是对于复合索引：

javascript
// 查询排序顺序与索引一致
db.collection.find().sort({ field1: 1, field2: 1 })
// 对应的索引
db.collection.createIndex({ field1: 1, field2: 1 })

// 查询排序顺序与索引相反
db.collection.find().sort({ field1: -1, field2: -1 })
// 对应的索引（可以重用上面的索引）

索引监控与分析 ​

解释计划 ​

使用explain()方法分析查询计划：

javascript
// 查看查询计划
db.collection.find({ field: "value" }).explain()

// 详细模式
db.collection.find({ field: "value" }).explain("executionStats")

// 全量模式
db.collection.find({ field: "value" }).explain("allPlansExecution")

索引使用统计 ​

查看索引的使用情况：

javascript
// 启用索引使用统计
db.setProfilingLevel(1, { slowms: 100 })

// 查看索引使用统计
db.system.profile.find({
  op: "query",
  "executionStats.executionStages.inputStage.stage": "IXSCAN"
}).limit(10)

索引扫描统计 ​

javascript
// 查看索引扫描数量
db.serverStatus().indexCounters

// 查看集合级别的索引统计
db.collection.stats().indexDetails

索引最佳实践 ​

  1. 为常用查询创建索引：分析查询模式，为频繁使用的查询创建索引
  2. 遵循前缀原则：合理设计复合索引的字段顺序
  3. 使用覆盖索引：减少磁盘I/O，提高查询性能
  4. 避免过度索引：每个索引会增加写操作的开销
  5. 定期监控索引使用：删除不使用或低效率的索引
  6. 使用部分索引：只对常用文档创建索引
  7. 考虑索引选择性：优先为选择性高的字段创建索引
  8. 使用TTL索引管理过期数据：自动删除过期文档
  9. 在低峰期创建索引：避免影响生产环境性能
  10. 测试索引性能：使用explain()分析索引的效果

索引限制 ​

  1. 索引键大小限制：索引键的大小不能超过1024字节
  2. 索引数量限制：每个集合的索引数量建议不超过64个
  3. 复合索引字段限制：复合索引最多可以包含32个字段
  4. 内存限制：索引需要加载到内存中，占用内存资源
  5. 写操作开销：每次写操作需要更新所有相关索引
  6. 索引碎片：频繁的插入删除会导致索引碎片，影响性能

常见问题（FAQ） ​

Q1: 什么时候需要创建索引？ ​

A1: 当查询性能不佳，或者查询计划显示全表扫描（COLLSCAN）时，应该考虑创建索引。特别是对于频繁执行的查询、范围查询、排序操作和聚合操作，索引可以显著提高性能。

Q2: 如何选择索引的字段顺序？ ​

A2: 索引的字段顺序应该根据查询模式确定：

  • 首先放置选择性高的字段
  • 其次放置常用于精确匹配的字段
  • 最后放置用于范围查询或排序的字段

例如，对于查询 db.users.find({ age: 30, city: "Beijing" }).sort({ name: 1 })，最佳索引顺序是 { age: 1, city: 1, name: 1 }。

Q3: 复合索引和多个单字段索引哪个更好？ ​

A3: 这取决于查询模式：

  • 如果查询经常同时使用多个字段，复合索引更好
  • 如果查询经常只使用单个字段，多个单字段索引可能更好
  • MongoDB支持索引交集，可以组合使用多个单字段索引

Q4: 如何检测不使用的索引？ ​

A4: 可以通过以下方法检测不使用的索引：

  • 使用数据库分析器（profiler）监控索引使用情况
  • 查看索引访问统计信息
  • 定期运行查询计划分析
  • 使用第三方工具（如MongoDB Compass、Ops Manager）分析索引使用情况

Q5: 索引会影响写操作性能吗？ ​

A5: 是的，索引会增加写操作的开销。每次插入、更新或删除文档时，MongoDB需要更新所有相关的索引。因此，应该避免过度索引，只创建必要的索引。

Q6: 如何优化索引碎片？ ​

A6: 优化索引碎片的方法：

  • 定期重建索引（db.collection.reIndex()）
  • 使用compact命令压缩集合
  • 对于频繁更新的集合，考虑使用更大的索引页大小
  • 避免频繁的插入删除操作

Q7: 唯一索引和稀疏索引可以一起使用吗？ ​

A7: 是的，唯一索引可以和稀疏索引一起使用：

javascript
db.collection.createIndex({ field: 1 }, { unique: true, sparse: true })

这会创建一个唯一索引，只包含具有该字段的文档，并且确保这些文档的字段值是唯一的。

Q8: TTL索引是如何工作的？ ​

A8: TTL（Time To Live）索引自动删除过期文档：

  • 基于日期类型字段创建
  • 设置expireAfterSeconds参数指定过期时间
  • MongoDB后台线程定期检查并删除过期文档
  • 只能用于单字段索引
  • 不支持复合索引

Q9: 如何为数组字段创建索引？ ​

A9: MongoDB会自动为数组字段创建多键索引：

javascript
db.collection.createIndex({ arrayField: 1 })

对于嵌套数组，可以使用点表示法创建索引：

javascript
db.collection.createIndex({ "arrayField.nestedField": 1 })

Q10: 索引键大小超过限制怎么办？ ​

A10: 如果索引键大小超过1024字节，可以考虑以下解决方案：

  • 使用哈希索引（只适用于相等查询）
  • 缩短字段值长度
  • 使用部分索引，只索引常用值
  • 考虑使用其他查询策略，如全文搜索或正则表达式索引