MongoDB系列之一文总结索引

最新推荐文章于 2024-04-16 09:00:00 发布
最新推荐文章于 2024-04-16 09:00:00 发布
阅读量1.2k 收藏 18
点赞数 21
分类专栏： MongoDB 文章标签： mongodb
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lonelymanontheway/article/details/135778466
版权

概述

分类

索引的分类：

  • 按照索引包含的字段数量，可分为单键索引（单字段索引）和组合索引（联合索引、复合索引）
  • 按照索引字段的类型，可以分为主键索引和非主键索引
  • 按照索引节点与物理记录的对应方式来分，可以分为聚簇索引和非聚簇索引，其中聚簇索引是指索引节点上直接包含了数据记录，而后者则仅仅包含一个指向数据记录的指针
  • 按照索引的特性不同，可分为唯一索引、稀疏索引、文本索引、地理空间索引等

索引介绍

单键索引和复合索引

创建单键索引：db.user.ensureIndex({ income: 1});。

单字段索引对内嵌字段创建索引：db.user.ensureIndex({ health.height: 1}); // 健康指标信息。

创建复合索引：db.user.ensureIndex({ income: 1, health.height: 1});。

数组索引

数组索引，也被称为多值索引（multikey index），当对数组型的字段创建索引时，这个索引就是多值的。多值索引在使用上与普通索引并没有什么不同，只是在索引键上会同时产生多个值。数组索引必然会使索引的条目和体积发生膨胀。

多值索引和复合索引可以一起使用，即复合索引前面的字段是非数组类型，后面的字段是数组类型（这个先后顺序，和关系型数据库组合索引最左匹配原则是一个意思）。MongoDB不支持一个复合索引中同时出现多个多值索引，即不允许出现多个数组类型字段。

db.user.ensureIndex({ age: 1, hobbies: 1}); // OK, 可以有多个爱好
db.user.ensureIndex({ hobbies: 1, careers: 1}); // wrong, 职业经历(生涯)

地理空间索引

LBS，Location Based Service，基于地理位置的检索。

2dsphere

MongoDB有两种类型的地理空间索引：2dsphere和2d。2dsphere索引可以与基于WGS84基准的地球球面几何模型一起使用。这个基准将地球表面模拟成一个扁圆球体，这意味着在两极会比较扁。使用 2dsphere 索引的距离计算考虑到地球的形状，提供比2d索引更准确的距离处理，如计算两个城市之间的距离。在存储二维平面上的点时使用2d索引。

2dsphere允许以GeoJSON格式指定点、线和多边形。点由一个二元数组给出，[经度,纬度]，即[longitude,latitude]。GeoJSON格式是固定的：

"location" : {
    "type" : "Point",
    "coordinates" : [50, 2]
}

即type和coordinates两个字段名不能更改，type枚举值有：Point、LineString、Polygon。location可以使用其他名称，如loc。

创建一个地理空间索引：db.shop.createIndex({ loc: "2dsphere"})。可使用三种类型的地理空间查询：交集（intersection）、包含（within）和接近（nearness）。

查询：

db.shop.find({
	loc: {
		$near: {$geometry: {type: Point, coordinates: [121.615, 31.190] } },
		$maxDistance: 1000,
	}
})

$near操作符，用于实现附近店铺的检索，返回数据结果会按距离排序。$geometry操作符用于指定一个GeoJSON格式的地理空间对象，type=Point表示地理坐标点，coordinates则是用户当前所在的经纬度位置；$maxDistance限定最大距离，单位是米。

注意点：

  • MongoDB的地理空间检索基于WGS84坐标系，在与一些地图平台集成时需要注意转换，如GCJ-02（火星坐标系）、BD-09（百度中国坐标系）
  • MongoDB 4.0版本之后，near可以用于分片集合（sharded collection），而在此版本之前可以使用geoNear聚合操作来代替

2d

对于非球面地图（电子游戏地图、时间序列数据等），可使用2d索引代替2dsphere索引：db.game.createIndex({ 'tile': '2d' }, );

默认情况下，2d 索引会假设取值范围为-180到180。如果希望对边界大小进行调整，则可以指定最小值和最大值作为createIndex的选项：db.game.ensureIndex({ 'tile': '2d'}, {min: -1000, max: 1000});

2d索引支持$geoWithin、$nearSphere和$near查询选择器。

应该使用 $geoWithin查询在平面上定义的形状内的点。$geoWithin可以查询矩形、多边形、圆形或球体内的所有点，它使用$geometry运算符来指定 GeoJSON 对象。

db.game.find({tile: {$geoWithin: {$box: [[0, 0], [10, 10]]}}}); // 查询左下角为[0, 0]、右上角为[10, 10]的矩形内的文档，即坐标
db.game.find({tile: {$geoWithin: {$center: [[0, 0], 5]}}}); // 查询圆心为[0, 0]、半径为5的圆形内的坐标
db.game.find({tile: {$geoWithin: {$polygon: [[0, 0], [3, 6], [3, 0]]}}}); // 查询三个点指定的三角形(多边形)内的所有文档

由于历史遗留原因，MongoDB支持在平面2d索引上执行球面查询，结合$geoWithin和$centerSphere运算符。指定一个数组，其中包括圆心坐标和以弧度为单位的圆半径：db.game.find({tile: {$geoWithin: {$centerSphere: [[0, 0], 0.01]}}});。

临近查询会返回距离给定点最近的坐标对的文档，并按照距离对结果进行排序：db.game.find({tile: {$near: [0, 0]}});

全文搜索索引

MongoDB Atlas全文搜索索引（full-text search index）基于Apache Lucene。

MongoDB text索引支持全文搜索，不同于精确匹配搜索、模糊搜索、正则表达式搜索。text索引需要一定数量的与被索引字段中单词成比例的键。创建text索引可能会消耗大量的系统资源。有分片时，则还会减慢数据移动的速度：当迁移到一个新分片时，所有文本都必须重新进行索引。

创建全文索引：

db.articles.createIndex(
{"title": "text", "body": "text"},
{"weights" : {"title" : 3, "body" : 2}}
)

全文索引中的字段顺序并不重要，等同对待。如果要区别对待，可通过weights对每个字段指定权重来控制不同字段的相对重要性。索引一旦创建，就不能改变字段的权重，除非删除索引再重建。

对于某些集合，如果不知道文档包含哪个字段。可以使用$**在文档的所有字符串字段上创建全文本索引。这样做不仅会对顶层的字符串字段建立索引，也会搜索内嵌文档和数组中的字符串字段。

文本索引存在诸多限制，如并未提供中文分词功能，应用场景有限。

TTL索引

并非所有的数据都需要持久化存储，即过了一定时间段后，可以执行硬删除，如监控业务日志。TTL索引对于此场景提供支持。

TTL索引需要声明在一个日期类型的字段上：db.sysLog.ensureIndex({ 'createDate': 1}, { expireAfterSeconds: 3600 });。为systemlog集合声明一个TTL索引，指向createdDate字段，expireAfterSeconds=3600表示数据将在createdDate之后3600秒（1小时）后过期。

MongoDB会在周期性运行的后台线程中对该集合进行检查及数据清理工作。TTL索引具有普通索引的功能，同样可以用于加速数据的查询。

修改TTL索引过期时间：db.runCommand({collMod: 'sysLog', index: {keyPattern: {createDate: 1}, expireAfterSeconds: 7200 }});

需要注意以下限制：

  • 只能支持单个字段，且必须是非_id字段
  • TTL索引不能用于固定集合
  • TTL索引无法保证及时的数据老化，MongoDB会通过后台的TTL Monitor定时器来清理老化数据，典型的间隔时间是1分钟。当然如果在数据库负载过高的情况下，TTL的行为则会进一步受到影响
  • TTL索引对于数据的清理仅仅使用remove命令，并不是很高效。TTL Monitor在运行期间对系统CPU、磁盘都会造成一定的压力。相比之下，按日期分表的方式操作会更加高效

条件索引

partial index，条件索引允许只对部分文档建立索引。

db.book.createIndex({ 'name': 1}, { partialFilterExpression: {rateing: {$gt: 8 } } });

上面的SQL对书籍评分超过8分的文档才创建索引。

稀疏索引

模糊索引

索引特性

唯一性索引

通过unique=true选项可将索引定义为唯一性索引：db.user.ensureIndex({ name: 1 }, { unique: true });。

也可用于复合索引：db.book.ensureIndex({ type: 1, title: 1}, { unique: true }); // 分类下的书籍标题保持唯一性。

也可用于嵌套文档：：db.user.ensureIndex({ 'health.height': 1}, { unique: true });。

嵌套文档的唯一性约束根据不同的MongoDB版本，其行为不太一致。以6.0.5版本来说，字段的位置无所谓，MongoDB会识别出来：
在这里插入图片描述
对数组索引使用唯一性约束，可以保证所有的文档之间不会存在重叠的数组元素：db.user.ensureIndex({ 'careers': 1}, { unique: true });。数组索引上的唯一性约束并无法保证同一个文档中包含重复的元素。需要从应用层进行distinct去重处理，如使用Set集合。

db.user.insertOne({careers: ['DevOps', 'IT manager']});
db.user.insertOne({careers: ['doctor', 'nurse', 'doctor']});

注意事项：

  • 唯一性索引对于文档中缺失的字段，会使用null值代替，因此不允许存在多个文档缺失索引字段的情况。

集合现在有2条数据：
在这里插入图片描述
对一个新增字段创建索引：db.user.ensureIndex({ 'health.height': 1}, { unique: true });，报错：Write failed with error code 11000 and error message 'Index build failed: caused by :: E11000 duplicate key error collection: test.user index: health.height_1 dup key: { health.height: null }'

  • 对于分片的集合，唯一性约束必须匹配分片规则。换句话说，为了保证全局的唯一性，分片键必须作为唯一性索引的前缀字段。

ensureIndex和createIndex

进阶

explain

和关系型数据库一样，MongoDB也提供explain命令帮助评估指定查询模型（query model）的计划。

命令db.getSiblingDB("corpus").getCollection('mds_factors').find().explain('executionStats');执行输出：

[
  {
    "$clusterTime": {
      "clusterTime": {"$timestamp": {"t": 1706014465, "i": 1}},
      "signature": {
        "hash": {"$binary": {"base64": "ZFjBv3to5hMaqrdVckd9c0qZh7M=", "subType": "00"}},
        "keyId": 7281537397286764545
      }
    },
    "executionStats": {
      "executionSuccess": true,
      "nReturned": 1,
      "executionTimeMillis": 5,
      "totalKeysExamined": 1,
      "totalDocsExamined": 1,
      "executionStages": {
        "stage": "FETCH",
        "nReturned": 1,
        "executionTimeMillisEstimate": 0,
        "works": 2,
        "advanced": 1,
        "needTime": 0,
        "needYield": 0,
        "saveState": 0,
        "restoreState": 0,
        "isEOF": 1,
        "invalidates": 0,
        "docsExamined": 1,
        "alreadyHasObj": 0,
        "inputStage": {
          "stage": "IXSCAN",
          "nReturned": 1,
          "executionTimeMillisEstimate": 0,
          "works": 2,
          "advanced": 1,
          "needTime": 0,
          "needYield": 0,
          "saveState": 0,
          "restoreState": 0,
          "isEOF": 1,
          "invalidates": 0,
          "keyPattern": {
            "key": 1
          },
          "indexName": "key",
          "isMultiKey": false,
          "multiKeyPaths": {
            "key": []
          },
          "isUnique": false,
          "isSparse": false,
          "isPartial": false,
          "indexVersion": 2,
          "direction": "forward",
          "indexBounds": {
            "key": ["[\"factor:Age\", \"factor:Age\"]"]
          },
          "keysExamined": 1,
          "seeks": 1,
          "dupsTested": 0,
          "dupsDropped": 0,
          "seenInvalidated": 0
        }
      }
    },
    "ok": 1,
    "operationTime": {"$timestamp": {"t": 1706014465, "i": 1}},
    "queryPlanner": {
      "plannerVersion": 1,
      "namespace": "corpus.mds_factors",
      "indexFilterSet": false,
      "parsedQuery": {
        "key": {
          "$eq": "factor:Age"
        }
      },
      "winningPlan": {
        "stage": "FETCH",
        "inputStage": {
          "stage": "IXSCAN",
          "keyPattern": {
            "key": 1
          },
          "indexName": "key",
          "isMultiKey": false,
          "multiKeyPaths": {
            "key": []
          },
          "isUnique": false,
          "isSparse": false,
          "isPartial": false,
          "indexVersion": 2,
          "direction": "forward",
          "indexBounds": {
            "key": ["[\"factor:Age\", \"factor:Age\"]"]
          }
        }
      },
      "rejectedPlans": []
    },
    "serverInfo": {
      "host": "mongodb-replicaset-2",
      "port": 27017,
      "version": "3.6.20",
      "gitVersion": "39c200878284912f19553901a6fea4b31531a899"
    }
  }
]

解读：

  • winningPlan：表示获胜的计划，即数据库经过一系列评估后选择的最优计划，stage=COLLSCAN表示全表扫描，IXSCAN表示索引扫描
  • executionStats：描述执行的过程信息。nReturned指返回结果条数，而totalDocsExamined表明整个过程扫描多少条记录

参考

johnny233
关注
  • 21
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
MongoDB系列之索引
jxinlina的博客
03-07 508
涉及内容：索引的创建、查看、删除、执行计划、TTL索引。
MongoDB 索引结构
azi-v(大日月)的博客
10-23 513
复合索引数据结构 事务 原子性 一个事务被称为是原子的：从其他事务的角度来看，它要么整个发生，要么完全不发生； 持久性 我们同样希望能保证一旦一个事务被数据库系统完成并认可，它就被永久地记录下来且即便其后发生崩溃也不会被丢失； 隔离型 当多个事务并发运行时，每一个都不能看到其他事务未完成的修改。一个事务所做的更新在它完成之前对于其他事务是不可见的，而之后所有的更新将同时变得可见。 一致性 事务必须是使数据库从一个一致性状态变到另一个一致性状态。一致性与原子性是密切相关的。 ...
mongo索引
乾复道
07-26 4314
不同于MySQL的索引，mongo的索引是有方向的，value代表了索引的方向，这个特性在排序的使用很好用。就能查看是否使用了索引，以及其他的一些详细信息，包括，使用的索引，扫描的文档数据，结果的数量，查询用时等等。如此我们就建立了一个唯一索引，当然类似MySQL的联合唯一索引mongo也是有的，只需要指定多个字段即可。索引好用，但是切记复合索引是有顺序排列的，如果将查询字段顺序写错，是不会使用索引的哈！需要注意的是，如果集合中包含多个待索引字段是数组，则无法创建复合多键索引。...
MongoDB学习笔记之索引（一）
yaya_jn的博客
04-25 7921
MongoDB索引 索引是一种用来快速查询数据的数据结构。B+Tree就是一种常见的数据库索引数据结构，MongoDB采用B+Tree做索引，索引创建在collections上。MongoDB不使用索引的查询，先扫描所有的文档，再匹配符合条件的文档。使用索引的查询，通过索引找到文档，使用索引能够极大的提升查询效率。 一、MongoDB索引数据结构 索引数据结构介绍及官方文档 MongoDB索引数据结构具体使用的是B+Tree，因为B+Tree是B-Tree的子集，所以叫B-Tree也对，但是容易混淆
MongoDB 索引全攻略
我是一名热爱编程和分享知识的技术作者，在金融和教育领域有多年的研发管理经验，感谢您访问我的博客，一定会为您带来不一样的收货！
04-16 1376
任何数据库都有索引这一核心功能，索引通常能够极大的提高查询效率，如果没有索引，MongoDB 在读取数据时必须扫描集合中的每个文件，并选取那些符合查询条件的记录。这种扫描查询集合的查询方式效率非常低，特别在处理大量数据时。索引是特殊的数据结构，索引存储在一个易于遍历读取的数据集合中，索引是对数据库表中一列或多列的值进行排序的一种结构。
MongoDB索引
qq15035899256的博客
05-08 2271
本文是对MongoDB的学习，先认识了MongoDB的数据存储结构和索引数据结构，又学习了如何创建、查看、删除索引，最后深入学习了索引的多种类型和属性。之后的学习内容将持续更新！！！
6.MongoDB之索引
mijichui2153的博客
02-18 4982
关于索引举个日常生活中的例子。拿到一本书想查阅某知识的时候我们一般都会先去看目录，找到相关的章节后直接翻到对应的页码然后在这里小章节里面进一步定位我们想要的内容；这就是目录索引，能够帮助读者快读的找到想要找的内容。(一个更好的例子应该是英汉词典了，当我们查询单词的时候我们不会一页一页的去遍历整个词典，而是现根据首字母快读定位到对应章节然后再根据次字母进一步缩小查询范围，知道最终找到对应单词。) 其实在数据库中也一样，索引能够极大的提高查询效率。如果没有索引mongodb在读取数据的时候必须扫描集合中的每个.
MongoDB之索引
热门推荐
ntzzzsj的博客
06-22 1万+
数据库索引类似于图书索引。有了索引便不需要浏览整本书，而是可以采取一种快捷方式，只查看一个有内容引用的有序列表。这使得 MongoDB 的查找速度提高了好几个数量级。
mongodb处理中文索引与查找字符串详解
09-09
总结来说，MongoDB 支持中文文本索引和查找，但需要正确创建 text 索引并可能需要配置中文分词器。通过使用 `$text` 和 `$search` 操作符，可以方便地执行全文搜索，而 `$meta` 和 `textScore` 可用于对搜索结果进行...
MongoDB教程之索引介绍
12-15
一、索引基础：  MongoDB的索引几乎与传统的关系型数据库一模一样，这其中也包括一些基本的优化技巧。下面是创建索引的命令：  代码如下:  > db.test.ensureIndex({“username”:1})    可以通过下面的名称查看...
MongoDB 覆盖索引查询
12-16
MongoDB 覆盖索引查询 官方的MongoDB的文档中说明，覆盖查询是以下的查询： 所有的查询字段是索引的一部分 所有的查询返回字段在同一个索引中 由于所有出现在查询中的字段是索引的一部分， MongoDB 无需在整个数据...
MongoDB入门教程之索引操作浅析
09-10
查询优化器是MongoDB的另一个亮点，它会选择最佳的索引进行查询。在某些情况下，可以使用 `hint` 方法强制数据库使用特定的索引，但通常应信任查询优化器的决策。 最后，当不再需要某个索引时，可以使用 `...
MongoDB索引简介与使用
snow_adfe的博客
06-26 2847
MongoDB索引简介与使用
MongoDB索引详解-03
YanQiuXiang
06-17 4163
索引是一种用来快速查询数据的数据结构。B+Tree就是一种常用的数据库索引数据结构，MongoDB采用B+Tree 做索引，索引创建在colletions上。MongoDB不使用索引的查询，先扫描所有的文档，再匹配符合条件的文档。使用索引的查询，通过索引找到文档，使用索引能够极大的提升查询效率。按照索引包含的字段数量，可以分为单键索引和组合索引（或复合索引）。按照索引字段的类型，可以分为主键索引和非主键索引。按照索引节点与物理记录的对应方式来分，可以分为聚簇索引和非聚簇索引，其。
MongoDB 索引和常用命令
快乐的小三菊的博客
10-13 3116
mongoDB 常用命令和索引，以及集成 springboot
详解Mongodb 添加索引
点点关注不迷路
12-09 2146
详解Mongodb 添加索引
MongoDB索引Index
小城我家
09-25 743
什么是索引 索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储结构，它是某个表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单。索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。索引目标是提高数据库的查询效率，没有索引的话，查询会进行全表扫描（scan every document in a collection）,数据量大时严重降低了查询效率。默认情况下Mongo在一个集合（collection）创建时，自动地对集合的_id创建了唯一索引 索引
MongoDB 索引详解（一）
YHJ
05-12 8004
默认_id 索引 创建索引 索引类型 索引属性 索引使用 索引及排序规则 覆盖查询 交叉索引 限制 其他注意事项 索引支持MongoDB中查询的高效执行。如果没有索引，MongoDB必须执行集合扫描，即扫描集合中的每个文档，以选择与查询语句匹配的文档。如果查询存在适当的索引，MongoDB可以使用索引来限制它必须检查的文档数。 索引是特殊的数据结构[1]，它以易于遍历的形式存储部分集合数据集。索引存储特定字段或字段集的值，按字段值排序。索引条目的排序支持高效的等值匹配和基于范围的查询操作
MongoDB基础之索引详解
上善若泪
11-05 2336
索引通常能够极大的提高查询的效率，如果没有索引，MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录。这种扫描全集合的查询效率是非常低的，特别在处理大量的数据时，查询可以要花费几十秒甚至几分钟，这对网站的性能是非常致命的。索引是特殊的数据结构，索引存储在一个易于遍历读取的数据集合中，索引是对数据库表中一列或多列的值进行排序的一种结构由于索引存在于RAM中，所以覆盖索引 从索引中获取数据比通过扫描文档读取数据要快得多MongoDB在MongoDB。
mongodb 全文索引
最新发布
04-20
MongoDB是一个开源的文档数据库，它提供了全文索引功能来支持文本搜索。全文索引是一种用于在文本数据中进行关键字搜索的技术。在MongoDB中，全文索引可以用于对文档中的某个字段进行全文搜索，以便快速地找到包含指定关键字的文档。 MongoDB的全文索引使用了一种称为文本索引的特殊索引类型。要创建一个全文索引，首先需要在集合中选择一个字段作为全文索引的目标字段。然后，使用`db.collection.createIndex()`方法来创建该字段的全文索引。 创建全文索引后，可以使用`$text`操作符来执行全文搜索。`$text`操作符可以与`$search`操作符一起使用，用于指定要搜索的关键字。例如，以下是一个使用全文索引进行搜索的示例查询： ``` db.collection.find({ $text: { $search: "关键字" } }) ``` 这将返回包含指定关键字的所有文档。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

johnny233

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值