【mongo 系列】索引浅析

什么是索引

索引是一种用来方便查询数据的 数据结构

B Tree就是一种常用的数据库索引数据结构，MongoDB采用 B 树做索引，索引创建在colletions 上。

我们可以在这个网站上直观的看到索引的效果

https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

除了 B 树，平衡二叉树、红黑树、B + 树都可以用来做索引

mongodb 使用索引和不使用索引

• MongoDB不使用索引的查询的时候，会先扫描所有的文档，再匹配符合条件的文档。
• 使用索引的查询，会通过索引找到文档，使用索引能够极大的提升查询效率

mongodb 中的索引

mongodb 中的索引与多种索引类型，梳理一下看看效果

如何使用索引

MongoDB 使用 createIndex() 方法来创建索引，createIndex() 方法基本语法格式是这样的

db.集合名.createIndex(keys, options)

• key

文档类型值为要创建的索引字段，1为指定按升序创建索引，-按降序来创建索引指定为-1。

• options

文档类型值 MongoDB 中提供了丰富的属性，比如 background，是否后台构建索引,

数据量太大时构建索引消耗时间长，为了不影响业务，可以加上此参数

后台运行同时还会为其他读写操作让路

• name

自定义索引名字

mongodb 的索引属性

唯一索引

可确保索引字段不会存储重复值

MongoDB默认在创建集合时会在_id字段上创建唯一索引，例如

db.collection.createIndex(
  {id:1},
  {unique:true}
) 

部分索引

仅索引集合中符合指定过滤器表达式的文档

较低的存储需求，索引创建和维护的成本变小，例如

db.restaurants.createIndex(
  { cuisine: 1, name: 1 }, 
  {
    partialFilterExpression:{
      rating:{
      $gt: 5
      }
    }
  }
) 

稀疏索引

仅索引包含具有索引字段的文档，哪怕索引字段包含空值，例如

db.addresses.createIndex(
  { "xmpp_id": 1 },
  { sparse: true }
) 

TLL索引

特殊的单字段索引，在一定时间后或在特定时间自动从集合中删除文档

这对于日志和会话类的信息很有用。

db.eventlog.createIndex( 
   {"lastModifiedDate":1},
   {expireAfterSeconds:3600 }
 ) 

不区分大小写

例如

db.fruit.createIndex(
  { type: 1},
  {
    collation:{
      locale:'en',
      strength:2
      } 
    }
)

如何管理索引

创建索引

db.集合名.createIndex()

查看索引

db.集合名.getIndexes()

db.集合名.totalIndexSize()

更新索引

db.集合名.reIndex()

删除索引

db.集合名.dropIndex()

db.集合名.dropIndexes()

单字段索引

图片来源于 mongodb 官网

MongoDB 为文档集合中的任何字段上的索引提供了完整的支持

默认情况下，所有集合在_id字段上都有一个索引，应用程序和用户可以添加额外的索引来支持重要的查询和操作

复合索引

MongoDB 支持复合索引，其中单个索引结构保存对集合文档中多个字段的引用。

图中可以看到使用了 userid 和 score 的引用， userid 是升序，score 是倒序

在官网上我们可以看到 mongodb 的每一种索引类型的图解

https://docs.mongodb.com/manual/indexes/

• 单字段索引
• 符合索引
• 多键索引

多键索引，或可以称为数组索引

文档的多个待索引字段是数组，不能创建两个多键值字段的复合索引，复合索引只能包含一个字段是多键索引。

MongoDB是文档型数据库，两个字段为数组，这个情况是可以发生改变的，比如其中一个为数组，另一个不是数组。

• 文本索引
• 通配符索引

MongoDB 支持动态的文档结构，通过通配符索引应用程序可以查询事先未知字段

例如可以这样创建索引

{ "userMetadata" : { "likes" : [ "pigs", "cats" ] } }
{ "userMetadata" : { "dislikes" : "pickles" } }
{ "userMetadata" : { "age" : 100 } }

可以 通过$**来匹配某个字段后面未知的字段

db.userData.createIndex( { "xxx.$**" : 1 } )

• 二维空间

MongoDB中有两种二维平面索引：2d、geoHaystack。

1、2d，对在二维平面上坐标点为存储的数据使用索引，是2.2版本中的坐标对。

2、GeyHaystack索引是一个特殊的索引，该索引被优化以在较小的区域上返回结

3、GeHaystack索引提高了使用平面几何图形的查询的性能

例如

平面的坐标我们可以这样来表示

// 数组形式
location: [-43.856077, 21.848447] 
// 内嵌文档形式，第一个为经度，第二个为纬度，忽略字段名
location: { field1: -63, field2: 31,6 }

空间索引总是稀疏的，并且忽略稀疏选项，仅支持简单的二进制比较

• hash 索引等等

Hash索引通过索引字段值的散列来维护索引数据，使用哈希函数来计算索引字段值的哈希，

主要使用在分片键上。需要注意的点：

1、支持任意单字段的Hash索引，不能创建多键的Hash索引

2、Hash值会发生碰撞，Hash索引不能设定为唯一约束

3、支持相等查询，不支持范围查询

4、创建hash索引的字段也可以创建其他索引

5、hashed索引不支持不能转换为64位整数的浮点值，大于2的53次方的浮点值

// 创建一个hash索引
db.集合名.createIndex( { field: "hashed" } )

写在最后

最后梳理一下 使用 mongodb 的注意事项：

• 对应用程序的查询要有深刻的理解

确定将要运行的查询的类型，以便可以构建引用这些字段的索引

• 通过索引来提高查询效率

当索引包含该查询扫描的所有字段时，该索引就支持该查询

• 通过索引对查询结果进行排序

为了支持有效的查询，在指定索引字段的顺序和排序顺序时间

• 确保索引有足够的内存

内存有限的情况下，MongoDB 通过保存最近的值来淘汰老值，mongodb 的索引还是很消耗内存的

• 使用能够覆盖索引的查询

查询使用索引缩小结果范围，可以限制可能检索的文档数量

总的来说，咱们学习还是从官网入手

欢迎点赞，关注，收藏

朋友们，你的支持和鼓励，是我坚持分享，提高质量的动力

好了，本次就到这里

技术是开放的，我们的心态，更应是开放的。拥抱变化，向阳而生，努力向前行。

我是阿兵云原生，欢迎点赞关注收藏，下次见~