MongoDB的Basic Indexes 和 Compound Indexes结合使用

MongoDB的Basic Indexes 和 Compound Indexes结合使用

转自：http://blog.csdn.net/crazyjixiang/article/details/6847383

前几天看到一个关于 MongoDB 深入索引的PPT

MongoDB Indexing: The Details

仔细的从头看到尾, 里面有个关于Compound Indexes的Range and Equality的讲解,在ppt第129页,重新回顾下这个例子.向一个collection中插入 9 条数据,像下面这样:

view plain print ?

1. > db.good.find()  
2. { "_id" : ObjectId("4e8d629d8ad8bdf2ed6c1990"), "x" : 1, "y" : "b" }  
3. { "_id" : ObjectId("4e8d62a38ad8bdf2ed6c1991"), "x" : 3, "y" : "d" }  
4. { "_id" : ObjectId("4e8d62ad8ad8bdf2ed6c1992"), "x" : 4, "y" : "g" }  
5. { "_id" : ObjectId("4e8d62b28ad8bdf2ed6c1993"), "x" : 5, "y" : "c" }  
6. { "_id" : ObjectId("4e8d62ba8ad8bdf2ed6c1994"), "x" : 6, "y" : "a" }  
7. { "_id" : ObjectId("4e8d62c18ad8bdf2ed6c1995"), "x" : 7, "y" : "e" }  
8. { "_id" : ObjectId("4e8d62ce8ad8bdf2ed6c1996"), "x" : 8, "y" : "c" }  
9. { "_id" : ObjectId("4e8d62d38ad8bdf2ed6c1997"), "x" : 9, "y" : "f" }  
10. { "_id" : ObjectId("4e8d719a6cee6416a5a75a43"), "x" : 5, "y" : "d" }  

然后给x 和 y进行联合索引

view plain print ?

1. db.good.ensureIndex({x:1,y:1})  

我们来进行这样的查找

view plain print ?

1. <pre name="code" class="cpp">> db.good.find({x:{$gte:4}, y:'c'}).explain()  
2. {  
3.     "cursor" : "BtreeCursor x_1_y_1",  
4.     "nscanned" : 7,  
5.     "nscannedObjects" : 2,  
6.     "n" : 2,  
7.     "millis" : 0,  
8.     "nYields" : 0,  
9.     "nChunkSkips" : 0,  
10.     "isMultiKey" : false,  
11.     "indexOnly" : false,  
12.     "indexBounds" : {  
13.         "x" : [  
14.             [  
15.                 4,  
16.                 1.7976931348623157e+308  
17.             ]  
18.         ],  
19.         "y" : [  
20.             [  
21.                 "c",  
22.                 "c"  
23.             ]  
24.         ]  
25.     }  
26. }  

 可以看出 nscanned 非常高! 而 n只有 2 .官网上有这样一句话:

If nscanned is much higher than nreturned, the database is scanning many objects to find the target objects. Consider creating an index to improve this.

这里nscanned可以认为是扫描的记录数.n为返回的记录数

让我们配合PPT看下 nscanned:7是怎么来的:

这是MongoDB的B-tree索引树,因为x>=4 && y='c',所以先选择左枝搜索,左枝搜索了4/g 和 5/c ,(5/c符合条件),然后搜索 右枝 搜索了 7/e, 6/a ,8/c, 9/f ,(8/c符合条件). 任何 符合的 x都要被check一下.

延伸:

看了PPT后到此结尾了, 真遇到这种情况,效率可不乐观,于是稍微思考了下, y 在 这颗树中只有两个节点含有,也就是说 既然是 '与'  那就只要先把 y 筛选出来 ,搜索次数就大大减半了 .  

我们在 y 上再进行Basic Indexes 的建立.

view plain print ?

1. db.good.ensureIndex({y:1})  

这样如果搜索时会先 搜索 y  ,也就只有2次搜索了.看下实际情况:

view plain print ?

1. > db.good.find({x:{$gte:4}, y:'c'}).explain()  
2. {  
3.     "cursor" : "BtreeCursor y_1",  
4.     "nscanned" : 2,  
5.     "nscannedObjects" : 2,  
6.     "n" : 2,  
7.     "millis" : 0,  
8.     "nYields" : 0,  
9.     "nChunkSkips" : 0,  
10.     "isMultiKey" : false,  
11.     "indexOnly" : false,  
12.     "indexBounds" : {  
13.         "y" : [  
14.             [  
15.                 "c",  
16.                 "c"  
17.             ]  
18.         ]  
19.     }  
20. }  

正如预料的一样. 直接走 基本索引了.