mongo索引

----------mongo系列文章-------------

Mongo概括

NoSQL概述-从Mongo和Cassandra谈谈NoSQL

Mongo连接分析

mongo实现自增id

Spring Repository解析---以Mongo Repository为例

----------mongo系列文章-------------

摘要

mongo 的索引非常强大，和关系型数据库索引没什么区别。这里主要介绍mongo索引基本知识和mongo本人在索引上的犯的错。

索引种类

1. 单字段索引
2. 复合索引复合索引各个字段的顺序应该是精确匹配字段(=xxx),排序字段(避免在内存中排序，使用index排序)，范围查询字段 如db.book.find({company: 'xxx', age:{$lt:30}).sort({name:1}) db.book.find().explain("executionStats")可以很好的列出查询执行计划。 总共有四个重要参数： executionTimeMills：查询执行的时间 nReturned: 返回的文档数 totalKeysExamined: 索引扫描数 totalDocsExamined: 文档扫描数 当然希望nReturned数目=totalKeysExamined 不扫描文档。（后面不挂着数据，index及数据） 或者nReturned = totalKeysExamined = totalDocsExamined 如果有排序，为了不让排序在内存中进入，在nReturned = totalDocsExamined的基础上，totalKeysExamined可以大于nReturned。对于大数据量的内存排序会非常消耗性能 如果我们创建一个复合索引是db.book.ensureIndex({company:1,age:1,name:1}) 这时候nReturned = totalKeysExamined = totalDocsExamined 。因为查询会用到index，不需要额外的文档扫描。但是会有SORT stage,即在内存中排序,在大数据量的情况下内存排序是很慢的。 尝试加一个index，在排序字段放在扫描字段前面 db.book.ensureIndex({company:1,name:1,age:1})这时候发现mongo选择了新的index 且执行计划中有reject SORT排序 这时候nReturned = totalDocsExamined < totalKeysExamined 多扫描了index，但是是值得的。这也是为什么在开始的时候时候说联合index的字段排序顺序是精确匹配字段(=xxx),排序字段(避免在内存中排序，使用index排序)，范围查询字段 如{name:1,address:1}，包含的是两个查询 但是如果你的查询不是范围查询。而是精确匹配字段。那还是使用原来的index。因为这时候排序字段用到了index查询，不需要SORT阶段了
   1. db.book.find({company:'a',age:30}).sort({name:1}).explain("executionStats")
   2. "indexBounds" : {
   3. "company" : [
   4. "[\"a\", \"a\"]"
   5. ],
   6. "age" : [
   7. "[30.0, 30.0]"
   8. ],
   9. "name" : [
   10. "[MinKey, MaxKey]"
   11. ]
   12. },
   13. db.book.find({name:"xxx"})
   14. db.book.find({name:"xxx",address:"xxx"})
   15. "rejectedPlans" : [
   16. {
   17. "stage" : "SORT",
   18. "sortPattern" : {
   19. "name" : 1
   20. },
   21. "indexBounds" : {
   22. "company" : [
   23. "[\"a\", \"a\"]"
   24. ],
   25. "name" : [
   26. "[MinKey, MaxKey]"
   27. ],
   28. "age" : [
   29. "[-1.#INF, 30.0)"
   30. ]
   31. },
3. 多键索引 如array索引 https://docs.mongodb.com/manual/core/index-multikey/

• 多键索引是没法查一个数组全部匹配的，会先查第一个元素，后面的会使用filter
• $elemMatch son:{$elemMatch:{$gt:9,$lt:11}} 这个查询和 son:{$gt:9,$lt:11}的区别， 后者是只要数组中任意一个字段满足其他一个条件即可，比如第一个字段满足gt:9,第二个字段满足lt:11那么也认为是满足条件。所以使用索引时，只能使用到一个边界条件。
• 在联合索引中只允许有一个array字段。但是因为mongo是free schema的。可以是不同的字段，只要一个document中只有一个array就行了,在不同的document中可以是不同字段

1. 唯一索引 db.book.createIndex({"name":1},{"unique":true}) mongo 默认创建的不是唯一索引，需要显示指定。唯一索引会对数据进行校验，不允许重复数据。
2. sharding cluster 索引 索引是在各个shard上面单独建立的，不是全局的。 sharding cluster 环境，只允许_id,和shard key建立unique index.因为unique index 需要shard 之间通信，违背了shard 设计理念。所以需要避免

注意

1. 当一个collection上面有多个index 某个查询可能命中多个index，这时候mongo是如何选择索引的呢。
   1. 首先mongo会对某类类似查询语句在可能命中的index都执行一遍，并行执行的，最早返回100个结果找出最优的index，然后记住这类查询所用到的索引。以后查询操作就使用这个索引。当有index更改时，再去更改这个值。
2. 当有一个复合索引 {name:1,address:1,email:1} 这时候有一个新的查询{name:xxx,address:xxx,phone:xxx} 可以用到已经创建的复合索引。这时候你会不会单独在创建一个索引呢。 优势是这个查询也很快，缺点是多了一个index，减弱了插入性能。 这个可能需要衡量前两个字段过滤掉了多少数据，phone这个字段占剩下数据量的多少来决定需要创建什么样的index.
3. mongo 中有一个名字叫scalar(标量字段)就是非array,非embedded document这样的字段。针对这些字段的索引与关系型数据库并无差别，无需特殊处理 觉得这篇分享就有点过于强调阅读mongo源码来解决的问题的重要性，因为这个就可以通过上述分析找到root cause https://yq.aliyun.com/articles/74635?utmcampaign=wenzhang&utmmedium=article&utmsource=QQ-qun&201752&utmcontent=m_19216

array index

mongo 可以对array建立index,注意是将index中的每个元素都作为index key,进行索引。所以对array建立index一定要十分小心，很容易导致index size 很大。另外mongo支持指定array某一列进行查询。

test.book
{
    _id:1,
    name:english,
    address:[addr1,addr2]
}

db.book.find({"address.0":"addr1"})当对address创建index,这样的查询是用不到index的。只有基于array的查询，index才能有效。mongo并没有那么神奇的在创建index的同时还保留列数。

shard key index

• 表中有数据 表中有数据再创建shard key,需要首先创建对应的index,才能去创建shard key
• 表中无数据 表中无数据，创建shard key的同时,mongo会自动创建一个对应字段的index

sh.shardCollection("test.book",{name:1,address:1})

会自动创建index

{name:1,address:1}

mongo index VS cassandra secondary index

1.query 过程cassandra query,首先根据partitioner key去找对应partition,partition中的数据是按照clustering key排序的。注意是按照clustering key排序的，clustering key这个字段 不是index。

mongo(sharding cluster) query,首先根据给定的shard key去找在哪个节点上，然后将请求发送到此节点。进行查找。 如果你的query case是

db.book.find({name:"xxx",address:"xxx"})

而shard key是name。此外再单独为address建立一个index。这时候你的query其实是命中的address 的单字段index。而不是预想的已经将name数据过滤了。这点和cassandra有很大的不同

2.范围

cassandra secondary index 是local的,在每个节点上。 mongo sharding cluster 环境，index也是在各个shard上独立创建的。

参考

http://www.mongoing.com/eshu_explain3