前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >《一起学mongodb》之第四卷 索引

《一起学mongodb》之第四卷 索引

作者头像
moon聊技术
发布2022-04-08 16:28:11
1.1K0
发布2022-04-08 16:28:11
举报
文章被收录于专栏:moon聊技术
  • 前言
  • mongo 的索引数据结构是什么
  • mongo 中支持哪些索引类型
    • 单个索引
    • 复合索引
    • 多键索引
    • 地理空间索引
    • 文本索引
    • Hashed索引
  • 索引特性
    • 唯一索引
    • 部分索引
    • 稀疏索引
    • TTL索引
    • 覆盖索引
    • 前缀索引
  • 使用索引的奇淫技巧
    • 组合索引的最佳方式 ESR 原则
    • 合理使用部分索引
    • 后台创建索引
  • 怎么查看我到有没有用到索引?

前言

索引的重要性在数据库中是不言而喻的,mysql 中使用了 B+ 数来当做索引的数据结构,为 mysql 性能提升做了很大的贡献,那么在 mongoDB 中又使用了什么数据结构呢?今天就和大家聊聊 mongoDB 的索引

  • mongoDB 的索引数据结构是什么?
  • mongoDB 支持哪些索引类型?
  • 索引奇淫技巧 ?
  • 怎么查看我到有没有用到索引?

mongo 的索引数据结构是什么

网上对 mongoDB 的数据结构有很多种说法,有说 B- 树的,有说 B 树的,还有说 B+ 树的

这里先说一个常识性的误区,「没有 B 减树」,B-tree 其实就是 B 树,中间的破折号只是用来连接而已,「只有 B 树和 B+ 树」

官方文档明确说到,在 WiredTiger 存储引擎当中,可以支持 B-Tree 和 LSM 两种结构组织数据,「默认使用 B+ 树」的数据结构在内存中维护表的数据,说 B 树也没错,因为 B+ 树就是 B 树的子集

对于 WiredTiger 存储引擎来说,集合所在的数据文件和相应的索引文件都是按 B-Tree 结构来组织的,不同之处在于数据文件对应的 B 树叶子结点上除了存储键名外(keys),还会存储真正的集合数据(values),所以数据文件的存储结构也可以认为是一种 B+Tree

mongo 中支持哪些索引类型

单个索引

简而言之就是单个字段的索引,比如

代码语言:javascript
复制
db.children.createIndex({ age : 1 })

就相当于给 children 表的 age 字段建立了一个升序索引 (升序 ( 1) 或降序 ( -1) )

复合索引

符合索引其实就是多个字段自合成一个索引,比如

代码语言:javascript
复制
db.children.createIndex({ age : 1,height : 1 })

就相当于给 children 表 以 age 字段升序 height 字段升序建立了一个索引

多键索引

在MongoDB中可以「基于数组来创建索引」。MongoDB为数组每一个元素创建索引值。多键索引支持数组字段的高效查询,比如

代码语言:javascript
复制
([{ _id: 1, name: "xiaohong", age: "1", ratings: [ 1, 2, 3 ] })
db.children.createIndex( { ratings: 1 } )

但是对于一个复合多键索引,「每个索引最多可以包含一个数组」。比如以下情况就无法建立索引

代码语言:javascript
复制
([{ _id: 1, name: "xiaohong", age: "1", ratings: [ 1, 2, 3 ],teams:[ 1 , 3 , 4] })
db.children.createIndex( { ratings: 1 ,teams : -1} )

地理空间索引

为了支持对地理空间坐标数据的高效查询,MongoDB提供了两个特殊的索引:在返回结果时使用平面几何的2d索引和使用球面几何返回结果的2dsphere索引。有关地理空间索引的高级介绍,请参见2d Index Internals。

文本索引

MongoDB提供了一种文本索引类型,它支持搜索集合中的字符串内容。这些文本索引不存储特定于语言的停止词(例如**“the”,“a”,“or”**),并且在一个集合中只存储根词的词干。有关文本索引和搜索的更多信息,请参见文本索引。

Hashed索引

为了支持基于Hashed的分片,MongoDB提供了Hashed索引类型,该索引类型对字段值的Hashed进行索引。这些索引在其范围内具有更随机的值分布,但只支持相等匹配,而不支持基于范围的查询。

索引特性

唯一索引

在创建集合期间,MongoDB 在_id字段上创建唯一索引,这也是默认的唯一索引。该索引主要是为了区分文档并且不能删除。创建方式就是加上 unique: true

代码语言:javascript
复制
db.children.createIndex( { age : 1 }, { unique: true } )

部分索引

部分索引仅索引集合中符合指定过滤器表达式的文档。

比如 children 表中,将 age 大于 5 数据创建一个升序索引

代码语言:javascript
复制
db.children.createIndex(
{age:1},
{partialFilterExpression: {age: {$gt:5}}})

建立部分索引可以节省存储空间,提升索引查询效率。比如该文档 2000 年前的数据为垃圾数据,不常用,那就可以根据时间大于 2000 年创建索引

稀疏索引

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。创建方式就是加上 sparse: true

代码语言:javascript
复制
db.children.createIndex( { "age": 1 }, { sparse: true } )

TTL索引

TTL 索引是 MongoDB 可以使用的特殊索引,它可以在一定时间后自动从集合中删除文档。

代码语言:javascript
复制
db.children.createIndex( { "lastModifiedDate": 1 }, { expireAfterSeconds: 5 } )

以上案例就是设置 5 秒后过去,使用方式只需要创建索引时加上 expireAfterSeconds: 5

覆盖索引

所有需要查询的数据都在索引当中,不需要从数据页中再去寻找数据

代码语言:javascript
复制
比如我此时为 children 表的时间创建了一个索引
db.children.createIndex({ age : 1 })
在此时我查找年龄为两岁的孩子时,就不需要从数据页中去寻找数据了
db.children.find({ age : 2 })

前缀索引

所有的前缀索引都可以被这条索引所覆盖,不需要再去针对这些前缀建立额外的索引,避免额外的开销

比如我此时为 children 表的时间创建了「一个复合索引(多字段索引)」

代码语言:javascript
复制
db.children.createIndex({ age : 1,name : 1,address : 1})

「那么其实这条索引等价于三条索引」,分别是

代码语言:javascript
复制
db.children.createIndex({ age : 1 })
db.children.createIndex({ age : 1,name : 1 })
db.children.createIndex({ age : 1,name : 1,address : 1})

使用索引的奇淫技巧

组合索引的最佳方式 ESR 原则

  • 1.精准匹配(Equal)的放前面
  • 2.排序(Sort)的放中间
  • 3.范围匹配(Range)的方最后

比如一条查询语句

代码语言:javascript
复制
db.largeClass.find({className:"a",age:{$gte:5}}).sort(time:1)

最好的索引建立就应该是 {className:1,time:1,age:1}

E 放在最前面大家应该都能理解,用等值匹配去过滤掉大量数据,「那为什么是 ESR 不是 ERS 呢?」

原因就是因为如果范围匹配放在中间,那么后续我们排序的时候只能进行「内存排序」,而内存排序又是很消耗资源的,数据量大时可能会「面对着多次的磁盘读取刷内存操作」,非常的消耗时间

合理使用部分索引

对于有些比较大的文档,可能很多数据都是无用的,比如文档中有三年的数据,但是业务只需要最近一年的数据,那么就可以只根据时间对最近一年的数据建立索引

后台创建索引

记得在创建索引时加上 {background: true},在后台创建索引,防止影响 mongoDB 的正常工作,让其自动调配创建时间

怎么查看我到有没有用到索引?

在 mongoDB 中提供了 「explain 执行计划」,可以清晰的看到你当前的查询语句时候有使用到索引,使用方式也很简单,只要在查询语句右面加上 .explain 就可以了,有几个「比较重要的属性」在这里说下

「executionTimeMillis」:指的是我们这条语句的执行时间 「docsExamined」:文档扫描数 「totalDocsExamined」:文档扫描条目 「totalKeysExamined」:索引扫描条目 「stage」:扫描类型,主要有

COLLSCAN:全表扫描 IXSCAN:索引扫描 FETCH:根据索引去检索指定document SHARD_MERGE:将各个分片返回数据进行merge SORT:表明在内存中进行了排序 LIMIT:使用limit限制返回数 SKIP:使用skip进行跳过 IDHACK:针对_id进行查询 SHARDING_FILTER:通过mongos对分片数据进行查询 COUNT:利用db.coll.explain().count()之类进行count运算 COUNTSCAN:count不使用Index进行count时的stage返回 COUNT_SCAN:count使用了Index进行count时的stage返回 SUBPLA:未使用到索引的$or查询的stage返回 TEXT:使用全文索引进行查询时候的stage返回 PROJECTION:限定返回字段时候stage的返回

所以当 「stage 为 IXSCAN」 的时候就是使用到了索引扫描

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-02-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 moon聊技术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前言
  • mongo 的索引数据结构是什么
  • mongo 中支持哪些索引类型
    • 单个索引
      • 复合索引
        • 多键索引
          • 地理空间索引
            • 文本索引
              • Hashed索引
              • 索引特性
                • 唯一索引
                  • 部分索引
                    • 稀疏索引
                      • TTL索引
                        • 覆盖索引
                          • 前缀索引
                          • 使用索引的奇淫技巧
                            • 组合索引的最佳方式 ESR 原则
                              • 合理使用部分索引
                                • 后台创建索引
                                • 怎么查看我到有没有用到索引?
                                相关产品与服务
                                数据库
                                云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
                                领券
                                问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档