每一个成功人士的背后，必定曾经做出过勇敢而又孤独的决定。

放弃不难，但坚持很酷~

在项目开发中需要对 MongoDB 查询进行优化，在网上查阅资料的时候发现了一篇好文章，对 MongoDB 索引介绍的挺清楚的，非常适合 MongoDB 新手阅读。

参考链接：https://www.cnblogs.com/wyy1234/p/11032163.html

一、MongoDB 索引的管理

本节介绍 MongoDB 中的索引，熟悉 mysql/sqlserver 等关系型数据库的小伙伴应该都知道索引对优化数据查询的重要性。我们先简单了解一下索引：索引的本质就是一个排序的列表，在这个列表中存储着索引的值和包含这个值的数据(数据 row 或者 document 的物理地址，索引可以大大加快查询的速度，这是因为使用索引后可以不再扫描全表来定位某行的数据，而是先通过索引表找到该行数据对应的物理地址(多数为 B-tree 查找)，然后通过地址来访问相应的数据。

索引可以加快数据检索、排序、分组的速度，减少磁盘 I/O ，但是索引也不是越多越好，因为索引本身也是数据表，需要占用存储空间，同时索引需要数据库进行维护，当我们对索引列的值进行增改删操作时，数据库需要更新索引表，这会增加数据库的压力。

我们要根据实际情况来判断哪些列适合添加索引，哪些列不适合添加索引，一般遵循的规律如下：

• 主/外键列，主键用于强制该列的唯一性和组织表中数据的排列结构；外键可以加快连接的速度；

• 经常用于比较的类(大于小于等于等)，因为索引已经排序，值就是大于/小于的分界点；

• 经常进行范围搜索，因为索引已经排序，其指定的范围是连续的；

• 经常进行排序的列，因为索引已经排序，这样查询可以利用索引的排序，加快排序查询时间；

• 经常进行分组的列，因为索引已经排序，同一个值的所有数据地址会聚集在一块，很方便分组。

我们看一下 MongoDB 的索引使用，首先往 userinfos 集合中插入一些数据：

<code>db.userinfos.insertMany([
{_id:1, name: "张三", age: 23,level:10, ename: { firstname: "san", lastname: "zhang"}, roles: ["vip","gen" ]},
{_id:2, name: "李四", age: 24,level:20, ename: { firstname: "si", lastname: "li"}, roles:[ "vip" ]},
{_id:3, name: "王五", age: 25,level:30, ename: { firstname: "wu", lastname: "wang"}, roles: ["gen","vip" ]},
{_id:4, name: "赵六", age: 26,level:40, ename: { firstname: "liu", lastname: "zhao"}, roles: ["gen"] },
{_id:5, name: "田七", age: 27, ename: { firstname: "qi", lastname: "tian"}, address:'北京' },
{_id:6, name: "周八", age: 28,roles:["gen"], address:'上海' }
]);
/<code>

索引的增删改查还是十分简单的，我们看一下索引管理的几个方法：

<code>// 创建索引,值 1 表示正序排序，-1 表示倒序排序；background 为 true 表示索引在后台创建，默认为false。
db.userinfos.createIndex({age: -1}, {background: true})

// 查看userinfos中的所有索引
db.userinfos.getIndexes

// 删除特定一个索引
db.userinfos.dropIndex({name:1,age:-1})

// 删除所有的索引(主键索引_id不会被删除)
db.userinfos.dropIndexes

// 如果我们要修改一个索引的话，可以先删除索引然后在重新添加。
/<code>

二、MongoDB 中常用的索引类型

1、单键索引

单键索引( Single Field Indexes )顾名思义就是单个字段作为索引列，MongoDB 的所有 collection 默认都有一个单键索引 _id ，我们也可以对一些经常作为过滤条件的字段设置索引，如给 age 字段添加一个索引，语法十分简单：

<code>// 给age字段添加升序索引
db.userinfos.createIndex({age:1})
/<code>

其中 {age:1} 中的 1 表示升序，如果想设置倒序索引的话使用 db.userinfos.createIndex({age:-1}) 即可。我们通过 explain 方法查看查询计划，如下图，看到查询 age=23 的 document 时使用了索引，如果没有使用索引的话stage 为 COLLSCAN 。

因为 document 的存储是 bson 格式的，我们也可以给内置对象的字段添加索引，或者将整个内置对象作为一个索引，语法如下：

<code>// 1.内嵌对象的某一字段作为索引
// 在ename.firstname字段上添加索引
db.userinfos.createIndex({"ename.firstname":1})
// 使用ename.firstname字段的索引查询
db.userinfos.find({"ename.firstname":"san"})

// 2.整个内嵌对象作为索引
// 给整个ename字段添加索引
db.userinfos.dropIndexes
// 使用ename字段的索引查询
db.userinfos.createIndex({"ename":1})
/<code>

2、复合索引

复合索引( Compound Indexes )指一个索引包含多个字段，用法和单键索引基本一致。使用复合索引时要注意字段的顺序，如下添加一个 name 和 age 的复合索引，name 正序，age 倒序，document 首先按照 name 正序排序，然后 name 相同的 document 按 age 进行倒序排序。MongoDB 中一个复合索引最多可以包含 32 个字段。

<code>// 添加复合索引，name正序，age倒序
db.userinfos.createIndex({"name":1,"age":-1})

// 过滤条件为name，或包含name的查询会使用索引(索引的第一个字段)
db.userinfos.find({name:'张三'}).explain 

db.userinfos.find({name:"张三",level:10}).explain
db.userinfos.find({name:"张三",age:23}).explain

// 查询条件为age时，不会使用上边创建的索引,而是使用的全表扫描
db.userinfos.find({age:23}).explain
/<code>

执行查询时查询计划如下：

3、多键索引

多键索引 ( mutiKey Indexes ) 是建在数组上的索引，在 MongoDB 的 document 中，有些字段的值为数组，多键索引就是为了提高查询这些数组的效率。看一个栗子：准备测试数据，classes 集合中添加两个班级，每个班级都有一个 students 数组，如下：

<code>db.classes.insertMany([
{
"classname":"class1",
"students":[{name:'jack',age:20},
{name:'tom',age:22},
{name:'lilei',age:25}]
},
{
"classname":"class2",
"students":[{name:'lucy',age:20},
{name:'jim',age:23},
{name:'jarry',age:26}]
}]
)
/<code>

为了提高查询 students 的效率，我们使用 db.classes.createIndex({'students.age':1}) 给 students 的 age 字段添加索引，age 是数组中的字段哦，然后使用索引，如下图：

4、哈希索引

哈希索引( hashed Indexes )就是将 field 的值进行 hash 计算后作为索引，其强大之处在于实现 O(1) 查找，当然用哈希索引最主要的功能也就是实现定值查找，对于经常需要排序或查询范围查询的集合不要使用哈希索引。

三、MongoDB中常用的索引属性

1、唯一索引

唯一索引 (unique indexes) 用于为 collection 添加唯一约束，即强制要求 collection 中的索引字段没有重复值。添加唯一索引的语法：

<code>// 在userinfos的name字段添加唯一索引
db.userinfos.createIndex({name:1},{unique:true})
/<code>

看一个使用唯一索引的栗子：

2、局部索引

局部索引 (Partial Indexes) 顾名思义，只对 collection 的一部分添加索引。创建索引的时候，根据过滤条件判断是否对 document 添加索引，对于没有添加索引的文档查找时采用的全表扫描，对添加了索引的文档查找时使用索引。使用方法也比较简单：

<code>//userinfos集合中age>25的部分添加age字段索引
db.userinfos.createIndex(
{age:1},
{partialFilterExpression: {age:{$gt: 25 }}}
)

//查询age<25的document时，因为age<25的部分没有索引，会全表扫描查找(stage:COLLSCAN)
db.userinfos.find({age:23})

//查询age>25的document时，因为age>25的部分创建了索引，会使用索引进行查找(stage:IXSCAN)
db.userinfos.find({age:26})
/<code>

当查询 age=23 的记录时，stage 为 COLLSCAN，当查询 age=26 的记录时，使用了索引，如下：

3、稀疏索引

稀疏索引 (sparse indexes) 在有索引字段的 document 上添加索引，如在 address 字段上添加稀疏索引时，只有 document 有 address 字段时才会添加索引。而普通索引则是为所有的 document 添加索引，使用普通索引时如果 document 没有索引字段的话，设置索引字段的值为 。

稀疏索引的创建方式如下，当document包含address字段时才会创建索引：

<code>//创建在address上创建稀疏索引
db.userinfos.createIndex({address:1},{sparse:true})
/<code>

看一个使用稀疏索引的栗子：

4、TTL索引

TTL索引 (TTL indexes) 是一种特殊的单键索引，用于设置 document 的过期时间，MongoDB 会在 document 过期后将其删除，TTL 非常容易实现类似缓存过期策略的功能。我们看一个使用 TTL 索引的栗子：

<code>// 添加测试数据
db.logs.insertMany([
{_id:1,createtime:new Date(),msg:"log1"},
{_id:2,createtime:new Date(),msg:"log2"},
{_id:3,createtime:new Date(),msg:"log3"},
{_id:4,createtime:new Date(),msg:"log4"}
])

// 在createtime字段添加TTL索引，过期时间是120s
db.logs.createIndex({createtime:1}, { expireAfterSeconds: 120 })

// logs中的document在创建后的120s后过期，会被mongoDB自动删除
/<code>

注意：TTL索引只能设置在 date 类型字段（或者包含 date 类型的数组）上，过期时间为字段值 +exprireAfterSeconds ；document 过期时不一定就会被立即删除，因为 MongoDB 执行删除任务的时间间隔是60s；capped Collection（固定集合） 不能设置 TTL 索引，因为 MongoDB 不能主动删除 capped Collection 中的 document 。

四、总结

本文介绍了 MongoDB 中常用的索引和索引属性，索引对提升数据检索的速度十分重要，在数据量比较大的时候一般都要在 collection 上建立索引。在建立索引的测试中，可以使用 explain 方法来查看 MongoDB 在语句查询中走没走索引，一般就是看 queryPlanner.winningPlan.inputStage.stage 属性，IXSCAN 表示走索引扫描，COLLSCAN 表示走集合扫描。

MongoDB 提供的索引种类很丰富，总会有几种适用于我们的业务，除了上边介绍的索引外，MongoDB 还支持 text index 和 一些地理位置 相关的索引，这里不再介绍，有兴趣的小伙伴可以到官网研究下。

官网地址：https://docs.mongodb.com/manual/indexes/

点关注，不迷路

好了各位，以上就是这篇文章的全部内容了，能看到这里的人呀，都是人才。

白嫖不好，创作不易。各位的支持和认可，就是我创作的最大动力，我们下篇文章见！

如果本篇博客有任何错误，请批评指教，不胜感激 ！

☞ Ambari 2.7.3.0 安装部署 hadoop 3.1.0.0 集群视频完整版

☞ 【实战】使用 Kettle 工具将 mysql 数据增量导入到 MongoDB 中

☞ 都快2020年了，ambari自定义服务集成，你还没掌握吗？文末有福利

☞ HBase原理（一）：架构理解

☞ HBase二次开发之搭建HBase调试环境，如何远程debug HBase源代码

☞ Kafka消费者 之 指定位移消费

☞ Kylin配置Spark并构建Cube（修订版）

☞ 看完您如果还不明白 Kerberos 原理，算我输！

欢迎大家留言讨论

朕已阅

閱讀更多 大數據實戰演練 的文章

關鍵字: 详解 SQL Microsoft