mongodb索引讲解与性能调优

mongodb索引规则基本上与传统的关系库一样，大部分优化MySQL/Oracle/SQLite索引的技巧也适用于mongodb。

一、 为什么用索引：

当查询中用到某些条件时，可以对该键建立索引，以提高查询速度。

如果数据量很多且查询多于更新时，可以用索引提高查询的速度。

二、 索引管理：

a)         查询索引：

1. 查询已有索引的明细：

查询索引很简单，比如说需要查询mailaccess数据库中的Mail collection上的索引时：

mongo                          进入mongo

MongoDB shell version: 1.8.1

connecting to: test

> use mailaccess                  进入mailaccess database

switched to db mailaccess

> db.Mail.getIndexes()             查询索引明细

[

{

"name" : "_id_",

"ns" : "mailaccess.Mail",

"key" : {

"_id" : 1

},

"v" : 0

},

{

"_id" : ObjectId("4df063ac48857df7ac35c348"),

"ns" : "mailaccess.Mail",

"key" : {

"user" : 1,

"folderId" : 1,

"mailfilename" : 1

},

"name" : "user_1_folderId_1_mailfilename_1",

"v" : 0

},

……

1. 查询索引大小：

> db.Mail.totalIndexSize()                  查询索引大小

114688                                                    索引所占大小，单位：字节

b)         创建索引：

db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1})

该命令会在Mail上创建一索引，默认索引名称的规则为：

Keyname1_dir1_keyname2_dir2…，如果该索引的默认名称：

user_1_folderId_1_mailfilename_1

其中：1表示升序 -1表示降序

要是索引键很多时，最好自定义名称，如：定义名称为：index1

db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1} ,{name:'index1'})

c)         删除索引：

如需删除名称为index1的索引：

db.Mail.dropIndex(‘index’)

如需删除Mail中的所有索引时：

db.Mail.dropIndex(‘*’)   _id索引不会删除

还有一种方式是删除collection，collection中的所以索引也会消失，注意：_id索引也会被删除。(删除collection中的数据不会删除索引)

d)         修改索引：

Mongodb没有单独的修改索引的方法，如果需要修改某个索引，需要先删除旧有的索引，再创建新的索引。

随 着数据量的不断增长，你可能会发现某个collection需要修改索引或增加索引，此时创建索引就会很费力了，同时也很消耗性能。创建索引时 mongodb默认是阻塞式，阻塞会让索引建立得更快，任何此期间的请求将不能响应。可以使用｛”background”:true｝选项在后台完成，同 时也可能正常处理请求。不过这种方式也会造成请求的响应很慢。如果非紧急情况，最好在晚上统一处理。

三、 索引种类：

a)         默认索引：

Mongodb每个collection都会有一个默认主键_id，这个不能删除、也不会更名。当collection创建后，系统会自动创建一个”_id_”的索引，这个也是无法删除与更名的。

b)         单列索引：

在单个栏位上创建的索引，比如，需要对Mail的read创建升序索引：

db.Mail.ensureIndex({‘read’:1})

c)         组合索引：

对多个键创建的索引，比如，需要对Mail的user与folderId创建降序索引：

db.Mail.ensureIndex({‘user’:-1,’folderId’:-1})

d)         子文档索引：

可以为内嵌文档的键创建索引，这种与普通索引没有什么区别，比如：需要对Mail中的attachments下的filename创建索引:

db.Mail.ensureIndex({‘attachments.filename’:1})

注意：attachments.filename必须位于’’之中，否则会报错

e)         唯一索引：

唯 一索引可能确保collection的每一个document指定的键的唯一性。当文档不存在指定键时，会被认为键值是“null”，所以“null”也 会被认为是重复的，所以一般被作为唯一索引的键，最好都要有键值对。比如：要保证Mail中每个用户的mailfilename的唯一性：

db.Mail.ensureIndex({‘user’:1,‘filename’:1},{name:’index1’,‘unique’:true})

当为已有的collection增加唯一索引时，可能会有数据已经重复了。有时候可能希望将所有包含重复的文档都删除，可能在创建唯一索引时，使用dropDups选项：

db.Mail.ensureIndex({‘user’:1,‘filename’:1},{‘unique’:true，’dropDups’:true})

这个会将重复的数据只保留一份，不过有点鲁莽，如果数据很重要的话，建议不好这样做。

注意了：

Insert并不检查文档是否插入过，所以确保数据的唯一性，可能要用安全模式插入才行。这样，在插入时，如果有重复就会有错误提醒

f)          Sparse索引：

Sparse index解决索引文件过大的问题，有时候我们要索引的某个属性并非是所有记录都有，普通的索引是将所有的记录都包含进来，而sparse索引则仅包含含 有这个属性的记录，它不会对该项值为空的行作索引。这样就大大减小了某些列的索引大小。目前的限制是，sparse index只能包含一个属性。比如：在Mail中有个标签属性labels，这个属性是唯一的，且有值的情况也不多，这种情况就最适合用sparse索引 了，创建索引的命令为：

db.Mail.ensureIndex({labels:1},{sparse:true})

g) Covered 索引:

如果你查找的值正好是在索引中，则可以直接返回索引中存的值，而不用到数据文件中查找。（这个在传统关系型数据库中也有实现），不过，必须满足以下条件：

• 必须提供准备的返回字段，以便可以直接从索引库中查询
• 必须明确地排除使用_id字段{_id：0}

当用explain时，当indexOnly=true，表示有用到covered index:

// do a login with a covered index, returning the users roles/groups

> db.users.ensureIndex( { username : 1, password : 1, roles : 1} );

> db.users.save({username: "joe", password: "pass", roles: 2})

> db.users.save({username: "liz", password: "pass2", roles: 4})

> db.users.find({username: "joe"}, {_id: 0, roles: 1})

{ "roles" : 2 }

> db.users.find({username: "joe"}, {_id: 0, roles: 1}).explain()

{

"cursor" : "BtreeCursor username_1_password_1_roles_1",

...

"indexOnly" : true,

...

}

四、 正则表达式在索引中的使用：

正则表达式可以灵活地匹配查询条件，如果希望正则表达式能命中索引，就要注意了：

Mongodb能为前缀型的正则表达式命中索引，比如：需要查询Mail中user以z开头的：

/^z/

如果有user索引，这种查询很高效

但其他的即使有索引，也不会命中索引，比说：需要查询Mail中的user中含有z的：

/.*z.*/

/^.*z.*/

这种查询是不会命中到索引的，当数据量很大，速度很慢

总之，^后的条件必须明确，不能^.* ^[a-z]之类开头的

五、 索引分析：

a)         索引命中：

假设索引为:{a:1,b:1,c:1,…,z:1}：

实际上是有了：{a:1},{a:1,b:1},{a:1,b:1,c:1}…等索引的。

但是使用{b:1}、{a:1,c:1}等索引的查询是会被优化的，只有使用索引前部的查询才能使用该索引。

Mongodb的查询优化器会重排查询项的顺序，以便命中索引，比如：查询{x:’a’,y:’b’}的时候，如果已有了{y:1,x:1}的索引，mongodb也会自己找到并命中的。

创建索引的缺点是每次插入、更新与删除时都会产生额外的开销，这是因为数据库不但需要执行这些操作，还是处理索引，因些，要尽量可能少创建索引。每个集合默认的最大索引个数为64个。

b)         查询时，不要使用$ne or $nin，这样不能命中索引

c)         使用explain

db.collection.find(query).explain();

返回的信息如下

{“cursor” : “BasicCursor”,

“indexBounds” : [ ],

“nscanned” : 57594,

“nscannedObjects” : 57594,

“nYields” : 2 ,

“n” : 3 ,

“millis” : 108,

“indexOnly” : false}

现实结果可以得知cursor的类型，DB扫描的数据数，返回的数据数，还有执行的毫秒数。

“cursor” : “BasicCursor”：

命中的索引，当为BasicCursor时表示没有命中任何索引

indexBounds: 所使用的索引，被设置为表示为索引扫描的关键边界。

nscanned – 扫描的数据条数。

nscannedObjects – 扫描对象的数。

nYields – 查询所产生的锁的个数。

isMultiKey- MongoDB中提供了可以自动索引数组对象的值

If true, a multikey index was used.

n- 返回文档的数量

millis- 数据库中执行查询的时间

indexOnly – 是否使用了covered index。

六、 强制索引：

如果发现mongodb用了非预期的索引，可以用hint强制用某个索引，如：

db.Mail.find({user:’zhaoxy1@szdep.com’,folderId:’inbox’}).hint(‘index1’)

多 数情况下这种指定没有什么必要，mongodb会替你选择用哪个索引，初次查询时，查询优化器会同时尝试各种查询方案，最先完成的被确定使用，其他的则终 止掉。查询方案也会记录下来，以备是后应对相同键的查询，查询优化器定期也重试其他的方案，以防因为添加新的数据后，之前的方案不再是最优的。

七、 为排序创建索引：

随着集合的增长，如果查询中有用到排序时，就要创建索引了。如果对没有索引的键用sort，mongodb需要将所有的数据提到内存中进行排序，这个是很影响性能的。

八、 索引优化：

这个是有人统计的不同数据类型所占的索引的大小：

另外，如果有关于日期的索引，我针对于String/Long/Date做了下测试：

可以看出，用Date类型所占的索引最小(Long/Date所占的大小差不多，1000w时也只相差3M左右)，所以如果有需要日期索引的，需要将类型设置为Date或Long

九、 实例讲解：

以MA为例，场景为：

1. 获取某个邮件夹的所有邮件列表
2. 查看某个邮件夹中的已读邮件
3. 查看某个邮件夹中的未读邮件
4. 查看某个邮件夹中的重要邮件
5. 查看某个邮件夹中的邮件来源

索引为：

{user:1,folderId:1,sendTime:-1,read:1,sourceSystem:1,importantFlag:1},{name:’folder_list_index’}

需要用到的查询条件组合(都需要以sendTime降序排列)：

user:1,folderId:1,read:1,sourceSystem:1,importantFlag:1

user:1,folderId:1, read:1,sourceSystem:1

user:1,folderId:1,read:1

user,folderId, sourceSystem:1,importantFlag:1

user,folderId, sourceSystem:1

（红包部分必须hint，否则第一次速度会很快）

设计规则：

1. 索引中的栏位，尽量用int类型，这样可减少索引的内存大小。

比如：sendTime的类型为Long，read、sourceSystem、importantFlag的类型为int

2.    索引的组合尽量包含常见的查询：

比如：获取邮件夹列表，查看邮件夹中的已读、未读邮件、重要邮件这几个查询很常用，设计索引时尽量包括这些查询

3.   有需要排序的栏位，要建索引，否则mongodb会在内存中排序。另外，排序索引尽量加在某个固定的大范围之后。

比 如：获取邮件夹列表并按照sendTime降序排列，查询条件的大范围肯定要有user/folderId，此时，可将sendTime放在user /folderId之后，这样user/folderId对应的记录已经都以sendTime:-1的形式存放在索引库中（此时，用sort与不用 sort的效果是相同的），sort时，也不用在内存中进行排序。如果有其他查询都在这个范围之内时，即使不能自动命中索引，也可以通过强制索引来提高查 询的速度

4. 查询列表范围尽量小，数据量很多时，不加limit的查询会死人的。

转载自：http://hi.baidu.com/dd907067/item/a35028e6696c41a5ce2d4f63