索引就像書的目錄，如果查找某內(nèi)容在沒有目錄的幫助下，只能全篇查找翻閱，這導(dǎo)致效率非常的低下；如果在借助目錄情況下，就能很快的定位具體內(nèi)容所在區(qū)域，效率會(huì)直線提高。

索引簡介

首先打開命令行，輸入mongo。默認(rèn)mongodb會(huì)連接名為test的數(shù)據(jù)庫。

➜ ~ mongoMongoDB shell version: 2.4.9connecting to: test> show collections> 

可以使用show collections/tables查看數(shù)據(jù)庫為空。

然后在mongodb命令行終端執(zhí)行如下代碼

> for(var i=0;i<100000;i++) {... db.users.insert({username:'user'+i})... }> show collectionssystem.indexesusers> 

再查看數(shù)據(jù)庫發(fā)現(xiàn)多了system.indexes 和 users兩個(gè)表，前者即所謂的索引，后者為新建的數(shù)據(jù)庫表。
這樣user表中即有了10萬條數(shù)據(jù)。

> db.users.find(){ "_id" : ObjectId("5694d5da8fad9e319c5b43e4"), "username" : "user0" }{ "_id" : ObjectId("5694d5da8fad9e319c5b43e5"), "username" : "user1" }{ "_id" : ObjectId("5694d5da8fad9e319c5b43e6"), "username" : "user2" }{ "_id" : ObjectId("5694d5da8fad9e319c5b43e7"), "username" : "user3" }{ "_id" : ObjectId("5694d5da8fad9e319c5b43e8"), "username" : "user4" }{ "_id" : ObjectId("5694d5da8fad9e319c5b43e9"), "username" : "user5" }

現(xiàn)在需要查找其中任意一條數(shù)據(jù),比如

> db.users.find({username: 'user1234'}){ "_id" : ObjectId("5694d5db8fad9e319c5b48b6"), "username" : "user1234" }

發(fā)現(xiàn)這條數(shù)據(jù)成功找到，但需要了解詳細(xì)信息，需要加上explain方法

> db.users.find({username: 'user1234'}).explain(){  "cursor" : "BasicCursor",  "isMultiKey" : false,  "n" : 1,  "nscannedObjects" : 100000,  "nscanned" : 100000,  "nscannedObjectsAllPlans" : 100000,  "nscannedAllPlans" : 100000,  "scanAndOrder" : false,  "indexOnly" : false,  "nYields" : 0,  "nChunkSkips" : 0,  "millis" : 30,  "indexBounds" : {      },  "server" : "root:27017"}

參數(shù)很多，目前我們只關(guān)注其中的"nscanned" : 100000和"millis" : 30這兩項(xiàng)。

nscanned表示mongodb在完成這個(gè)查詢過程中掃描的文檔總數(shù)。可以發(fā)現(xiàn)，集合中的每個(gè)文檔都被掃描了，并且總時(shí)間為30毫秒。

如果數(shù)據(jù)有1000萬個(gè)，如果每次查詢文檔都遍歷一遍。呃，時(shí)間也是相當(dāng)可觀。

對于此類查詢，索引是一個(gè)非常好的解決方案。

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

然后再查找user1234

> db.users.ensureIndex({"username": 1})> db.users.find({username: 'user1234'}).explain(){  "cursor" : "BtreeCursor username_1",  "isMultiKey" : false,  "n" : 1,  "nscannedObjects" : 1,  "nscanned" : 1,  "nscannedObjectsAllPlans" : 1,  "nscannedAllPlans" : 1,  "scanAndOrder" : false,  "indexOnly" : false,  "nYields" : 0,  "nChunkSkips" : 0,  "millis" : 0,  "indexBounds" : {    "username" : [      [        "user1234",        "user1234"      ]    ]  },  "server" : "root:27017"}

的確有點(diǎn)不可思議，查詢在瞬間完成，因?yàn)橥ㄟ^索引只查找了一條數(shù)據(jù)，而不是100000條。

當(dāng)然使用索引是也是有代價(jià)的：對于添加的每一條索引，每次寫操作（插入、更新、刪除）都將耗費(fèi)更多的時(shí)間。這是因?yàn)?，?dāng)數(shù)據(jù)發(fā)生變化時(shí)，不僅要更新文檔，還要更新級(jí)集合上的所有索引。因此，mongodb限制每個(gè)集合最多有64個(gè)索引。通常，在一個(gè)特定的集合上，不應(yīng)該擁有兩個(gè)以上的索引。

小技巧

如果一個(gè)非常通用的查詢，或者這個(gè)查詢造成了性能瓶頸，那么在某字段（比如username）建立索引是非常好的選擇。但只是給管理員用的查詢（不太在意查詢耗費(fèi)時(shí)間），就不該對這個(gè)字段建立索引。

復(fù)合索引

索引的值是按一定順序排列的，所以使用索引鍵對文檔進(jìn)行排序非常快。

db.users.find().sort({'age': 1, 'username': 1})

這里先根據(jù)age排序再根據(jù)username排序，所以u(píng)sername在這里發(fā)揮的作用并不大。為了優(yōu)化這個(gè)排序，可能需要在age和username上建立索引。

db.users.ensureIndex({'age':1, 'username': 1})
這就建立了一個(gè)復(fù)合索引（建立在多個(gè)字段上的索引），如果查詢條件包括多個(gè)鍵，這個(gè)索引就非常有用。

建立復(fù)合索引后，每個(gè)索引條目都包括一個(gè)age字段和一個(gè)username字段，并且指向文檔在磁盤上的存儲(chǔ)位置。
此時(shí)，age字段是嚴(yán)格升序排列的，如果age相等時(shí)再按照username升序排列。

查詢方式

點(diǎn)查詢（point query）

用于查詢單個(gè)值（盡管包含這個(gè)值的文檔可能有多個(gè)）

db.users.find({'age': 21}).sort({'username': -1})

因?yàn)槲覀円呀?jīng)建立好復(fù)合索引，一個(gè)age一個(gè)username，建立索引時(shí)使用的是升序排序（即數(shù)字1），當(dāng)使用點(diǎn)查詢查找{age：21},假設(shè)仍然是10萬條數(shù)據(jù)，可能年齡是21的很多人，因此會(huì)找到不只一條數(shù)據(jù)。然后sort({'username': -1})會(huì)對這些數(shù)據(jù)進(jìn)行逆序排序，本意是這樣。但我們不要忘記建立索引時(shí)'username'：1是升序（從小到大）,如果想得到逆序只要對數(shù)據(jù)從最后一個(gè)索引開始，依次遍歷即可得到想要的結(jié)果。

排序方向并不重要，mongodb可以從任意方向?qū)λ饕M(jìn)行遍歷。
綜上，復(fù)合索引在點(diǎn)查詢這種情況非常高效，直接定位年齡，不需要對結(jié)果進(jìn)行排序，返回結(jié)果。

多值查詢（multi-value-query）

db.users.find({'age': {"$gte": 21, "$lte": 30}})

查找多個(gè)值相匹配的文檔。多值查詢也可以理解為多個(gè)點(diǎn)查詢。
如上，要查找年齡介于21到30之間。monogdb會(huì)使用索引的中的第一個(gè)鍵"age"得到匹配的結(jié)果，而結(jié)果通常是按照索引順序排列的。

db.users.find({'age': {"$gte": 21, "$lte": 30}}).sort({'username': 1})

與上一個(gè)類似，這次需要對結(jié)果排序。
在沒有sort時(shí)，我們查詢的結(jié)果首先是根據(jù)age等于21，age等于22..這樣從小到大排序，當(dāng)age等于21有多個(gè)時(shí)，在進(jìn)行usernameA-Z（0-9）這樣排序。所以，sort({'username': 1})，要將所有結(jié)果通過名字升序排列，這次不得不先在內(nèi)存中進(jìn)行排序，然后返回。效率不如上一個(gè)高。

當(dāng)然，在文檔非常少的情況，排序也花費(fèi)不了多少時(shí)間。
如果結(jié)果集很大，比如超過32MB，MongoDB會(huì)拒絕對如此多的數(shù)據(jù)進(jìn)行排序工作。

還有另外一種解決方案

也可以建立另外一個(gè)索引{'username': 1, 'age': 1}, 如果先對username建立索引，當(dāng)再sortusername,相當(dāng)沒有進(jìn)行排序。但是需要在整個(gè)文檔查找age等于21的帥哥美女，所以搜尋時(shí)間就長了。

但哪個(gè)效率更高呢？

如果建立多個(gè)索引，如何選擇使用哪個(gè)呢？
效率高低是分情況的，如果在沒有限制的情況下，不用進(jìn)行排序但需要搜索整個(gè)集合時(shí)間會(huì)遠(yuǎn)超過前者。但是在返回部分?jǐn)?shù)據(jù)（比如limit（1000）），新的贏家就產(chǎn)生了。

>db.users.find({'age': {"$gte": 21, "$lte": 30}}).sort({username': 1}).limit(1000).hint({'age': 1, 'username': 1})explain()['millis']2031ms>db.users.find({'age': {"$gte": 21, "$lte": 30}}).sort({username': 1}).limit(1000).hint({'username': 1, 'age': 1}).explain()['millis']181ms

其中可以使用hint指定要使用的索引。
所以這種方式還是很有優(yōu)勢的。比如一般場景下，我們不會(huì)把所有的數(shù)據(jù)都取出來，只是去查詢最近的，所以這種效率也會(huì)更高。

索引類型

唯一索引

可以確保集合的每個(gè)文檔的指定鍵都有唯一值。

db.users.ensureIndex({'username': 1, unique: true})
比如使用mongoose框架，在定義schema時(shí)，即可指定unique: true.
如果插入2個(gè)相同都叫張三的數(shù)據(jù)，第二次插入的則會(huì)失敗。_id即為唯一索引，并且不能刪除。

稀疏索引

使用sparse可以創(chuàng)建稀疏索引

>db.users.ensureIndex({'email': 1}, {'unique': true, 'sparse': true})

索引管理

system.indexes集合中包含了每個(gè)索引的詳細(xì)信息

db.system.indexes.find()

1.ensureIndex()創(chuàng)建索引

db.users.ensureIndex({'username': 1})
后臺(tái)創(chuàng)建索引，這樣數(shù)據(jù)庫再創(chuàng)建索引的同時(shí)，仍然能夠處理讀寫請求，可以指定background選項(xiàng)。

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

2.getIndexes()查看索引

db.collectionName.getIndexes()db.users.getIndexes()[  {    "v" : 1,    "key" : {      "_id" : 1    },    "ns" : "test.users",    "name" : "_id_"  },  {    "v" : 1,    "key" : {      "username" : 1    },    "ns" : "test.users",    "name" : "username_1"  }]

其中v字段只在內(nèi)部使用，用于標(biāo)識(shí)索引版本。

3.dropIndex刪除索引

> db.users.dropIndex("username_1"){ "nIndexesWas" : 2, "ok" : 1 }

或

全選復(fù)制放進(jìn)筆記> db.users.dropIndex({"username":1})