MongoDB权威指南（4）- Indexing

最新推荐文章于 2025-08-21 23:21:52 发布

iteye_17686

最新推荐文章于 2025-08-21 23:21:52 发布

阅读量84

点赞数

文章标签：数据库运维数据结构与算法

本文深入探讨MongoDB索引的工作原理，包括基本概念、唯一索引、地理空间索引及索引管理等内容，并通过实例说明如何高效使用索引提高查询性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Note:mongoDB的索引的工作方式和关系数据库中的索引几乎是一样的。

1.索引简介

假设我们要按单个key查询，如下：

>db.people.find({"username":"mark"})

对单个的key进行查询的时候，我们可以在这个key上建立索引来提高查询速度。使用ensureIndex方法建立索引如下：

>db.people.ensureIndex({"username":1})

一个索引只需创建一次，重复创建相同的索引没有任何效果。

一个key上建立的索引会使对这个key的查询速度提高，除此之外就没有效果了，即使是查询包含这个key，如：

>db.people.find({"date": date1}).sort({"date":1,"username":1})

这个查询里，服务器必须遍历整个collction来找到日期符合的记录，这个过程叫做table scan（全表扫描），一般情况下你都会尽量避免

table scan，因为它对大型的collection运行非常缓慢。作为一条经验规则，你需要给它创建一个索引，包含了查询中用到的所有key的一个索引。

>db.ensureIndex({"date":1,"username":1})

传递给ensureIndex方法的document参数和sort方法的参数是一样的，它是一组key/value对，值可能是1或-1，代表索引进行的方向。

如果索引里只有一个key，方向就无所谓了，如果索引里有多个key，那么你就得考虑索引的方向问题。假设我们有下边的一些用户：

{"_id": ...,"username":"smith","age":48,"user_id":0}

{"_id": ...,"username":"smith","age":30,"user_id":1}

{"_id": ...,"username":"john","age":36,"user_id":2}

{"_id": ...,"username":"john","age":18,"user_id":3}

{"_id": ...,"username":"joe","age":36,"user_id":4}

{"_id": ...,"username":"john","age":7,"user_id":5}

{"_id": ...,"username":"simon","age":3,"user_id":6}

{"_id": ...,"username":"joe","age":27,"user_id":7}

{"_id": ...,"username":"jacob","age":17,"user_id":8}

{"_id": ...,"username":"sally","age":52,"user_id":9}

{"_id": ...,"username":"simon","age":59,"user_id":10}

如果我们建立索引{"username" : 1, "age" : -1}，mongoDB就会按下边的样子组织用户：

{"_id": ...,"username":"jacob","age":17,"user_id":8}

{"_id": ...,"username":"joe","age":36,"user_id":4}

{"_id": ...,"username":"joe","age":27,"user_id":7}

{"_id": ...,"username":"john","age":36,"user_id":2}

{"_id": ...,"username":"john","age":18,"user_id":3}

{"_id": ...,"username":"john","age":7,"user_id":5}

{"_id": ...,"username":"sally","age":52,"user_id":9}

{"_id": ...,"username":"simon","age":59,"user_id":10}

{"_id": ...,"username":"simon","age":3,"user_id":6}

{"_id": ...,"username":"smith","age":48,"user_id":0}

{"_id": ...,"username":"smith","age":30,"user_id":1}

首先按名字的升序排列，名字相同的组里按降序排列。这索引会优化按{"username" : 1, "age" :-1}的排序操作，而对{"username" : 1, "age" : 1}

的排序效果就没那么好了，如果我们想优化{"username" : 1, "age" : 1}，那就应该按{"username" : 1, "age" : 1}来建立索引，让年龄也升序排列。

对username和age建立的索引同时也会是对username的查询速度提高，通常，如果索引有N个key组成，对其中前边部分的查询速度也会提高。

例如，我们建立了索引{"a" : 1, "b" : 1, "c" : 1, ..., "z" : 1},那么效果上相当于我们也有了{"a" : 1}, {"a" : 1, "b" : 1}, {"a" : 1, "b" : 1, "c" :1}等等。

mongoDB的查询优化器会调整查询条件之间的顺序以利用索引，比如说你要查询{"x" : "foo", "y" : "bar"}，而你的索引是{"y" : 1, "x" :1}，优化器会自行调整。

索引的不利之处是给插入、更新、删除操作增添了一些负担。

在某些情况下，使用索引也许还不如不用索引。通常，如果查询返回collection里一半甚至更多的记录，那么相比为几乎每个document查找索引及其值，直接使用

全表扫描还更快些。

索引度量？（Scaling Index）

假设我们有个collection存储用户的状态消息，我们想按用户查询每个用户的最新状态，根据我们学到的知识，我们可能会这样建立索引：

>db.status.ensureIndex({user :1, date :-1})

这个索引会使对user和date的查询速度提高，但实际上并不是最好的选择。按照这个索引，我们的数据可能是下边这个样子：

User123on March13,2010

User123on March12,2010

User123on March11,2010

User123on March5,2010

User123on March4,2010

User124on March12,2010

User124on March11,2010

...

如果只是这个数据规模，这样子看起来还是不错的，如果程序里有百万千万的用户，每个用户每天都会产生几十条状态更新呢？

如果每个用户的状态消息的索引记录都占用了磁盘空间一页的大小，那么每次进行最新状态查询时，数据都不得不加载另外一个页面进内存。

要是我们使用{date : -1, user : 1}做索引，那么数据库就可以将最近几天的索引保持在内存里，会有更少的页面对换，查询最新状态

也会更快。

对嵌入document的key建立索引

>db.blog.ensureIndex({"comments.date":1})

对嵌入的document建立索引和对顶级document建立索引没有差别，两者在组合索引里也可以组合使用。

为排序建立索引

如果对一个未建立索引的key调用sort方法，mongoDB需要取出所有的数据，放入内存然后排序，所以这个大小是有限制的，

如果collection太大，mongoDB就会返回一个错误。建立索引可以避免这个问题，使你可以对任意数量的数据进行排序而不会耗尽内存。

2.唯一索引

唯一索引保证对于指定的key，collection里每个document中其值都是唯一的。如，要保证用户名都不重复：

>db.people.ensureIndex({"username":1},
 {"unique":true})

Note：如果key不存在，索引就会将其值存储为null，如果要再插入一个不含此key的document，插入就会失败，因为已经有了一个

值为null的document。

删除重复

对已有的collection建立唯一索引时，里边也许已经有了重复的值，这会导致索引建立失败，如果你想删掉具有重复值的document，

可以使用dropDups选项，遇到的第一个document被保留，其他的都被删除掉了。

>db.people.ensureIndex({"username":1},
 {"unique":true,"dropDups":true})

组合唯一索引

组合唯一索引里的单个key的值可以是重复的，但是所有key的组合必须是唯一的。

3.使用explain和hint

>db.foo.find().explain()

explain方法返回一个document而不是游标本身，这个document包含了用到的索引、统计信息等。

举个例子，对一个无索引的collection执行一个最简单的查询({}),返回64个document，那么explain的输出为

>db.people.find().explain()

{
　　"cursor":"BasicCursor",
　　"indexBounds": [ ],
　　"nscanned":64,
　　"nscannedObjects":64,
　　"n":64,
　　"millis":0,
　　"allPlans": [

　　{
　　　　"cursor":"BasicCursor",
　　　　"indexBounds": [ ]

　　}

　　]

}

"cursor" : "BasicCursor"
意思是查询没有使用索引

"nscanned" : 64
数据库扫描过的document数量
"n":64
返回的结果集的document数量
"millis":0
数据库执行查询消耗的毫秒数

现在我们看个稍微复杂点的例子，假设我们在age键上建立了索引，我们要查询年龄为20多岁的用户。

>db.c.find({age : {$gt :20, $lt :30}}).explain()

{
　　"cursor":"BtreeCursor age_1",
　　"indexBounds": [

　　　　[{"age":20},{"age":30}]

　　],
　　"nscanned":14,
　　"nscannedObjects":12,
　　"n":12,
　　"millis":1,
　　"allPlans": [

　　　　{
　　　　"cursor":"BtreeCursor age_1",
　　　　"indexBounds": [

　　　　　　[{"age":20},{"age":30}]

　　　　]

　　}

　　]

}

"cursor" : "BtreeCursor age_1"
这次不是BasicCursor了，索引是存储在B-Tree的数据结构里，这个查询使用了索引，它是使用了B-Tree类型的游标。
age_1是索引的名字，有了这个名字我们就可以查询system.indexes collection,获取关于此索引的更多信息。

>db.system.indexes.find({"ns":"test.c","name":"age_1"})

{
　　"_id": ObjectId("4c0d211478b4eaaf7fb28565"),
　　"ns":"test.c",
　　"key": {
　　　　"age":1

　　},
　　"name":"age_1"

}

"allPlans" : [ ... ]
列出了此查询可用的所有的计划。如果我们有多个索引和更加复杂的查询，"allPlans"就会包含所有可能的计划。

让我们看个更复杂点的查询例子，假设我们有一个索引{"username" : 1, "age" : 1}和一个索引{"age" : 1, "username" : 1}，那么当我们

查询username和age的时候会发生什么事？实际上这样要依赖于查询。

>db.c.find({age : {$gt :10}, username :"sally"}).explain()

{
　　"cursor":"BtreeCursor username_1_age_1",
　　"indexBounds": [

　　　　[

　　　　　　{
　　　　　　　　"username":"sally",
　　　　　　　　"age":10

　　　　　　},

　　　　　　{
　　　　　　　　"username":"sally",
　　　　　　　　"age":1.7976931348623157e+308

　　　　　　}

　　　　]

　　],
　　"nscanned":13,
　　"nscannedObjects":13,
　　"n":13,
　　"millis":5,
　　"allPlans": [

　　　　{
　　　　　　"cursor":"BtreeCursor username_1_age_1",
　　　　　　"indexBounds": [

　　　　　　　　[

　　　　　　　　　　{
　　　　　　　　　　　　"username":"sally",
　　　　　　　　　　　　"age":10

　　　　　　　　　　},

　　　　　　　　　　{
　　　　　　　　　　　　"username":"sally",
　　　　　　　　　　　　"age":1.7976931348623157e+308

　　　　　　　　　　}

　　　　　　　　]

　　　　　　]

　　　　}

　　],
　　"oldPlan": {
　　　　"cursor":"BtreeCursor username_1_age_1",
　　　　"indexBounds": [
　　　　　　[

　　　　　　　　{

　　　　　　　　　　"username" : "sally",

　　　　　　　　　　"age" : 10

　　　　　　　　},

　　　　　　　　{

　　　　　　　　　　"username" : "sally",

　　　　　　　　　　"age" : 1.7976931348623157e+308

　　　　　　　　}

　　　　　　]

　　　　]

　　}

}

由于当我们查询的是一个确定的username值和一个age范围值，所以数据库使用的是{"username" : 1, "age" : 1}这个索引，

反过来，如果我们查询的是一个确定的年龄和名字范围，那么数据库就会使用另外的那个索引

>db.c.find({"age":14,"username":/.*/}).explain()

{
　　"cursor":"BtreeCursor age_1_username_1
 multi",
　　"indexBounds": [

　　　　[

　　　　　　{
　　　　　　　　"age":14,
　　　　　　　　"username":""

　　　　　　},

　　　　　　{
　　　　　　　　"age":14,
　　　　　　　　"username": {

　　　　　　　　}

　　　　　　}

　　　　],

　　　　[

　　　　　　{
　　　　　　　　"age":14,
　　　　　　　　"username":/.*/

　　　　　　},

　　　　　　{
　　　　　　　　"age":14,
　　　　　　　　"username":/.*/

　　　　　　}

　　　　]

　　],
　　"nscanned":2,
　　"nscannedObjects":2,
　　"n":2,
　　"millis":2,
　　"allPlans": [

　　　　{
　　　　　　"cursor":"BtreeCursor age_1_username_1
 multi",
　　　　　　"indexBounds": [

　　　　　　　　[

　　　　　　　　　　{
　　　　　　　　　　　　"age":14,
　　　　　　　　　　　　"username":""

　　　　　　　　　　},

　　　　　　　　　　{
　　　　　　　　　　　　"age":14,
　　　　　　　　　　　　"username": {

　　　　　　　　　　　　}

　　　　　　　　　　}

　　　　　　　　],

　　　　　　　　[

　　　　　　　　　　{
　　　　　　　　　　　　"age":14,
　　　　　　　　　　　　"username":/.*/

　　　　　　　　　　},

　　　　　　　　　　{
　　　　　　　　　　　　"age":14,
　　　　　　　　　　　　"username":/.*/

　　　　　　　　　　}

　　　　　　　　]

　　　　　　]

　　　　}

　　]

}

如果你发现数据库使用的不是你想用的索引，那么你可以使用hint强制数据库使用你指定的索引。

>db.c.find({"age":14,"username":/.*/}).hint({"username":1,"age":1})

指定索引通常是没有必要的，mongoDB有自己的查询优化器，会很聪明地选择使用哪个索引，你只需要关心的是优化器有可用的索引以备选择。

4.索引管理

每个database都有个叫system.indexes的collection，它里边存储了索引的元数据信息，这个collection是保留的，不能进行插入或删除，

只能通过ensureIndex和dropIndexes命令来操作里边的document。system.indexes里包含了每个索引的详细信息，另外还有个叫

system.namespaces的collection列出了索引的名字。查看这collection可以看到，每个collection至少有两条记录，一个是collection本身，

另外的是collection里的每个索引。

建立索引是个耗时耗资源的操作，如果collection的数据量很大，你可以指定background选项来在后台进行工作。

>db.people.ensureIndex({"username":1},
 {"background":true})

如果没有使用background选项的话，database就会阻塞所有的请求，知道索引建立完成。

如果你不在需要某个索引，你可以用dropIndexes命令移除它，你可能得先在system.indexes里找到索引的名字，因为各种驱动自动生成

的索引名字各不一样。

>db.runCommand({"dropIndexes":"foo","index":"alphabet"})

使用*删除collection的所有的索引

>db.runCommand({"dropIndexes":"foo","index":"*"})

5.地理空间索引

在ensureIndex方法中使用"2d"做参数而不是1或者-1，建立空间索引

>db.map.ensureIndex({"gps":"2d"})

gps这个key的值必须是某种成对的值，一个包含两个元素的数组，或者一个有两个key的嵌入的document，下边的例子都是可以的

{"gps": [0,100]
 }

{"gps": {"x":-30,"y":30}
 }

{"gps": {"latitude":-180,"longitude":180}
 }

嵌入的document里边key的名字是任意的，它们的值缺省是从-180到180，方便使用经纬度，如果你要使用其他的单位，可以指定

最大值和最小值

>db.star.trek.ensureIndex({"light-years":"2d"},
 {"min":-1000,"max":1000})

地理空间索引可以通过两种方式来使用，一是普通的find查询，另外是作为数据库命令。

> db.map.find({"gps" : {"$near" : [40, -73]}}).limit(10)

和下边的使用geoNear命令进行的查询等价

>db.runCommand({geoNear :"map", near
 : [40,-73], num :10});

mongoDB还允许你使用一个shape来查找document，为了查找shape里所有的点，我们可以使用"$within"条件操作符，使用"$box"

定义一个矩形

>db.map.find({"gps": {"$within":
 {"$box": [[10,20],
 [15,30]]}}})

"$box"的值是含两个元素的数组，第一个是左边的Y值小的顶点，第二个是右边的Y值大的顶点。（大概就是这个意思，因为一般地理坐标系统

中，Y轴是向上的，而我们的屏幕坐标中，原点在左上角，Y轴是向下的，数据库里仅仅是数据）

同样，你也可以找到一个圆里边的所有点，$center的第一个元素是圆心，第二个元素是半径

>db.map.find({"gps": {"$within":
 {"$center": [[12,25],5]}}})

组合空间索引

>db.ensureIndex({"location":"2d","desc":1})

如果你要查询最近的咖啡馆

>db.map.find({"location": {"$near":
 [-70,30]},"desc":"coffeeshop"}).limit(1)

{
　　"_id": ObjectId("4c0d1348928a815a720a0000"),
　　"name":"Mud",
　　"location": [x, y],
　　"desc": ["coffee","coffeeshop","muffins","espresso"]

}