HiDocs

1、什么是索引

索引是特殊的数据结构，它以一种易于遍历的形式存储集合数据集的一小部分。索引存储一个或一组特定字段的值，按字段的值排序。索引项的排序支持有效的相等匹配和基于范围的查询操作。

此外，MongoDB可以通过使用索引中的排序返回排序后的结果。

MongoDB使用的存储引擎是WiredTiger，其中索引构建使用的是 B+ tree 。

比如基于 B+ tree 的索引数据结构图示如下：

1.1、单键索引

如基于主键ID 进行的B+ tree 数据结构：

1.2、复合索引

复合索引只能支持前缀子查询。

基于（name， age， position）建立的复合索引

以下排列会走索引： name name age name age postion

以下排列不会走索引： age : position age position

2、索引的特点

索引支持更快的查询

更快的排序

3、默认id索引

在创建集合期间，MongoDB 在_id字段上创建唯一索引。该索引可防止客户端插入两个具有相同值的文档。你不能将_id字段上的index删除。

数据构造：

java

db.members.insertMany(
[
  {
   name:"zhangsan",age:19,tags:["00","It","SH"]},
  {
   name:"lisi",age:35,tags:["80","It","BJ"]},     
  {
   name:"wangwu",age:31,tags:["90","It","SZ"]}
]
);

1、索引查询

java

db.collection.getIndexes()

可以看到生成的集合默认是存在索引的。

v：索引版本
key：针对哪个字段生成的所有，这里可以看到是针对id生成了索引；这里的1表示索引是按照升序构建的
name：索引名称

2、索引创建

java

db.collection.createIndex(<keys>, <options>)

< keys> 指定了创建索引的字段
< options>可以指定成1或者-1表示升序或降序

2.1、创建一个单键索引

java

db.members.createIndex({
   name:1});

索引的默认名称是索引键和索引中每个键的方向(即1或-1)的连接，使用下划线作为分隔符，也可以通过指定 name 来自定义索引名称；

java

db.members.createIndex({
   name:1}，{
    name: "whatever u like."});

对于单字段索引和排序操作，索引键的排序顺序(升序或降序)并不重要，因为MongoDB可以从任何方向遍历索引。

2.2、创建一个复合索引

MongoDB支持在多个字段上创建用户定义索引，即复合索引。

复合索引中列出的字段的顺序具有重要意义。如果一个复合索引由 {name: 1, age: -1} 组成，索引首先按name 升序排序，然后在每个name值内按 age 降序排序。

java

db.members.createIndex({
    name:1,age:-1});

对于复合索引和排序操作，索引键的排序顺序(升序或降序)可以决定索引是否支持排序操作。

2.3、创建多键索引

MongoDB使用多键索引来索引存储在数组中的内容。如果索引包含数组值的字段，MongoDB为数组的每个元素创建单独的索引项。数组字段中的每一个元素，都会在多键索引中创建一个键。

java

db.members.createIndex( {
    tags:1})

2.4、删除索引

可以根据名称删除：

java

db.members.dropIndex("索引名称")

也可以根据定义删除：

java

db.members.dropIndex({
   name:1})

3、索引的效果解析

java

db.collection.explain().method(?)

可以使用 explain 进行分析的操作包含 aggregate, count, distinct, find ,group, remove, update.

这里我们需要重点关注winningPlan中stage 的值含义：

COLLSCAN: 整个集合扫描
IXScan: 索引扫描
FETCH: 根据索引指向的文档的地址进行查询（相当于mysql中的回表查询）
PROJECTION_COVERED：映射覆盖，不需要回表查询
SORT: 需要再内存中排序，效率不高

查询之前我们清空members集合中的所有索引！现在没有添加任何索引，所以我们按照name过滤的时候就需要扫描整个集合。

我们现在来给name字段加一个索引，然后再来查看执行计划：

java

db.members.createIndex({
   name:1})

java

db.members.explain().find({
   name:"xxx"})
{
   
	"queryPlanner" : {
   
		"plannerVersion" : 1,
		"namespace" : "demo.members",
		"indexFilterSet" : false,
		"parsedQuery" : {
   
			"name" : {
   
				"$eq" : "xxx"
			}
		},
		"queryHash" : "01AEE5EC",
		"planCacheKey" : "4C5AEA2C",
		"winningPlan" : {
   
			"stage" : "FETCH",
			"inputStage" : {
   
				"stage" : "IXSCAN",
				"keyPattern" : {
   
					"name" : 1
				},
				"indexName" : "name_1",
				"isMultiKey" : false,
				"multiKeyPaths" : {
   
					"name" : [ ]
				},
				"isUnique" : false,
				"isSparse" : false,
				"isPartial" : false,
				"indexVersion" : 2,
				"direction" : "forward",
				"indexBounds" : {
   
					"name" : [
						"[\"xxx\", \"xxx\"]"
					]
				}
			}
		},
		"rejectedPlans" : [ ]
	},
	"serverInfo" : {
   
		"host" : "jihu1",
		"port" : 27017,
		"version" : "4.4.2",
		"gitVersion" : "15e73dc5738d2278b688f8929aee605fe4279b0e"
	},
	"ok" : 1
}

可以看到，现在的winningPlan.stage变成了FETCH，表示根据索引指向的文档的地址进行查询。

此时我们可以再关注一下winningPlan.inputStage中的值：

其中的stage是IXSCAN，表示索引扫描。

其实这里是可以进行优化的。我们可以使用覆盖查询来进行优化。

4、覆盖查询

当查询条件和查询的<投影>只包含索引字段时，MongoDB直接从索引返回结果，而不扫描任何文档或将文档带入内存。这些覆盖的查询可能非常高效。

java

db.members.explain().find({
    name:"zhangsan"},{
   _id:0, name:1});

这时不需要 fetch, 可以直接从索引中获取数据。可以看到此时winningPlan.stage是PROJECTION_COVERED，此时MongoDB直接从索引返回结果，而不扫描任何文档或将文档带入内存。

我们在实际的使用中要尽量优化成 PROJECTION_COVERED。

java

db.members.explain().find().sort( {
   name:1 ,age:-1}) ;

使用已创建索引的字段进行排序，能利用索引的顺序，不需要重新排序，效率高。

java

db.members.explain().find().sort( {
   name:1 ,age: 1}) ;

此时的winningPlan.stage是SORT.

使用未创建索引的字段进行排序，因为和创建索引时的顺序不一致，所以需要重新排序，效率低。

如果需要更改某些字段上已经创建的索引，必须首先删除原有索引，再重新创建新索引，否则，新索引不会包含原有文档。

java

db.collection.dropIndex()

5、索引的唯一性

索引的unique属性使MongoDB拒绝索引字段的重复值。

除了唯一性约束，唯一索引和MongoDB其他索引功能上是一致的。

java

db.members.createIndex({
   age:1},{
   unique:true});

如果文档中的字段已经出现了重复值，则不可以创建该字段的唯一性索引。

如果新增的文档不具备加了唯一索引的字段，则只有第一个缺失该字段的文档可以被添加，索引中该键值被置为null。

复合键索引也可以具有唯一性，这种情况下，不同的文档之间，其所包含的复合键字段值的组合不可以重复。

6、索引的稀疏性

索引的稀疏属性可确保索引仅包含具有索引字段的文档的条目。

索引会跳过没有索引字段的文档。

可以将稀疏索引与唯一索引结合使用，以防止插入索引字段值重复的文档，并跳过索引缺少索引字段的文档。

准备数据：

java

db.sparsedemo.insertMany([{
   name:"xxx",age:19},{
   name:"zs",age:20}]);

创建唯一键，稀疏索引：

java

db.sparsedemo.createIndex({
   name:1},{
   unique:true ,sparse:true});

如果同一个索引既具有唯一性，又具有稀疏性，就可以保存多篇缺失索引键值的文档了。

java

db.sparsedemo.insertOne({
   name:"zs2w",age:20});

db.sparsedemo.insertOne({
   name:"zs2w2",age:20});

说明：如果只单纯的唯一键索引，则缺失索引键的字段，只能有一个

复合键索引也可以具有稀疏性，在这种情况下，只有在缺失复合键所包含的所有字段的情况下，文档才不会被加入到索引中。

7、索引的生存时间

针对日期字段，或者包含了日期元素的数组字段，可以使用设定了生存时间的索引，来自动删除字段值超过生存时间的文档。

构造数据：

java

db.members.insertMany( [ 
    {
   
     name:"zhangsanss",
     age:19,tags:["00","It","SH"],
     create_time:new Date()}
    ] );

java

db.members.createIndex({
    create_time: 1},{
   expireAfterSeconds:30 });

在create_time字段上面创建了一个生存时间是30s的索引。

复合键索引不具备生存时间的特性

当索引键是包含日期元素的数组字段时，数组中最小的日期将被用来计算文档是否已经过期。

数据库使用一个后台线程来监测和删除过期的文档，删除操作可能会有一定的延迟。

https://docs.mongodb.com/manual/core/index-compound/#index-ascending-and-descending

https://docs.mongodb.com/manual/reference/operator/aggregation/addFields/#pipe._S_addFields

1、什么是索引 ​

1.1、单键索引 ​

1.2、复合索引 ​

2、索引的特点 ​

3、默认id索引 ​

1、索引查询 ​

2、索引创建 ​

2.1、创建一个单键索引 ​

2.2、创建一个复合索引 ​

2.3、创建多键索引 ​

2.4、删除索引 ​

3、索引的效果解析 ​

4、覆盖查询 ​

5、索引的唯一性 ​

6、索引的稀疏性 ​

7、索引的生存时间 ​

1、什么是索引

1.1、单键索引

1.2、复合索引

2、索引的特点

3、默认id索引

1、索引查询

2、索引创建

2.1、创建一个单键索引

2.2、创建一个复合索引

2.3、创建多键索引

2.4、删除索引

3、索引的效果解析

4、覆盖查询

5、索引的唯一性

6、索引的稀疏性

7、索引的生存时间