mongodb学习(四)

索引操作

       日常开发中我们都需要对程序进行性能优化。

          mongodb的索引会带来怎样的性能提升呢？

          我们先插入10w条数据

                db.person.remove()

                for(var i=0;i<100000;i++){

                db.person.insert({"name":"zjs"+i,"age":i})

                }

          一：性能分析函数（explain）

             db.person.find({"name":"zjs"+10000})  查询到结果，好，我们的数据已经插入成功，mongodb给我们提供了一种分析工具。这里name字段没有建立任何索引，这里我们就查询一个“name10000”的姓名。

这里有几个关键的字段

        cursor：这里为BasicCursor，意思是采用表扫描，也就是顺序查找。

        nscanned：100000，意思就是数据了浏览了10W个文档。

        n:这里为1，也就是最终返回了1个文档。

        millis:耗时78毫秒。

下面我们使用索引

 

这里我们使用ensureIndex对name设置索引  1表示对name进行升序，-1表示对name进行降序。

我们可以看到 cursor为 BtreeCursor  mongodb采用B树的结构来存放索引，索引名为后面的“name_1"

            nscanned为1     n:1    millis:竟然为0。

二：唯一索引

   db.person.ersureIndex（{“name”:1},{"unique":true}）

三：组合索引

     有时候我们的查询不是单条件的，可能是多条件，比如查找出生于“1995-05-03”名字为bob的同学。我们可以建立姓名和生日的联合索引来加速查询。

     db.person.ensureIndex({"name":1,"birthday":1})

     db.person.ensureIndex({"birthday":1,"name":1})

   上面两种建立的索引不同，升序和降序的顺序不同都会产生不同的索引。

   我们可以使用db.person.getIndexes()来查看到底产生了哪些索引。

   那查询优化器会使用哪个查询操作作为操作呢？

   它会给我们做出最优的选择，我们做查询时，查询优化器会使用我们建立的这些索引来创建查询方案

，如果某一个先执行完则其他查询方案被close掉，这种方案会被mongodb保存起来，当然如果非要自己指定

的查询方案，这也是可以的，在mongodb中给我们提供了hint方法让我们可以暴力执行。

   db.person.find({"birthday":"1989-2-4","name"："bob"}).hint({"birthday":1,"name":1}).explain()

四：删除索引

     可能随着业务需求的变化，原先建立的索引可能没有存在的必要了，我们需要删除，索引会降低cud这三种操作的性能。

     db.person.dropIndexes("name_1")