MongoDB的索引类型

下面详细介绍MongoDB的索引类型，包括它们的特点、适用场景、创建方法和示例查询，最后附上总结表格。

1. B树索引（B-Tree Index）

特点：

• 数据结构：B树（Balanced Tree），适合范围查询、排序和等值查询。
• 查询性能：对范围查询、排序、前缀匹配和等值查询都有良好的性能。
• 支持：等值查询（=）、范围查询（<, >, <=, >=）、排序、前缀查询（^）。

适用场景：

• 适用于大多数查询，包括范围查询和排序。
• 适用于需要高效执行范围查询、排序和前缀匹配的场景。

创建方法：

db.collection.createIndex({ fieldName: 1 });  // 升序
db.collection.createIndex({ fieldName: -1 }); // 降序

2. 哈希索引（Hashed Index）

特点：

• 数据结构：哈希表，通过哈希函数映射字段值。
• 查询性能：高效的等值查询（时间复杂度为O(1)），不支持范围查询。

适用场景：

• 适用于高效的等值查询。
• 不适用于范围查询和排序。

创建方法：

db.collection.createIndex({ fieldName: "hashed" });

3. 全文索引（Full-Text Index）

特点：

• 数据结构：倒排索引，用于处理文本搜索。
• 查询性能：高效的文本搜索，支持复杂的查询条件和权重排序。
• 功能：支持全文搜索、文本匹配、查询词的排序等。

适用场景：

• 适用于需要执行复杂文本搜索的场景，如搜索引擎。

创建方法：

db.collection.createIndex({ fieldName: "text" });

示例查询：

db.collection.find({ $text: { $search: "keyword" } });

4. 地理空间索引（Geospatial Index）

特点：

• 数据结构：用于地理位置数据的索引。
• 查询性能：支持位置范围查询、地理空间数据的查询。

适用场景：

• 适用于需要处理地理位置数据的应用，如地图和位置服务。

创建方法：

db.collection.createIndex({ location: "2dsphere" });  // 用于经纬度数据
db.collection.createIndex({ location: "2d" });       // 用于平面坐标数据

示例查询：

db.collection.find({ location: { $near: { $geometry: { type: "Point", coordinates: [longitude, latitude] }, $maxDistance: 5000 } } });

5. 多键索引（Multikey Index）

特点：

• 数据结构：对数组中的每个元素进行索引。
• 查询性能：对数组字段中的每个元素进行索引，支持对数组字段的查询。

适用场景：

• 适用于存储数组数据，并对数组中的每个元素进行查询的场景。

创建方法：

db.collection.createIndex({ arrayField: 1 });

示例查询：

db.collection.find({ arrayField: 2 });

6. 复合索引（Compound Index）

特点：

• 数据结构：对多个字段创建的索引。
• 查询性能：优化对多个字段的查询，支持排序和等值查询。

适用场景：

• 适用于涉及多个字段的查询操作，如复合查询、排序和筛选。

创建方法：

db.collection.createIndex({ field1: 1, field2: -1 });

示例查询：

db.collection.find({ field1: value1, field2: value2 });

7. 唯一索引（Unique Index）

特点：

• 数据结构：保证索引字段的值唯一。
• 查询性能：可以用于确保数据的一致性和完整性。

适用场景：

• 适用于需要唯一值的字段，如用户名、电子邮件等。

创建方法：

db.collection.createIndex({ fieldName: 1 }, { unique: true });

8. 部分索引（Partial Index）

特点：

• 数据结构：只对符合特定条件的文档创建索引。
• 查询性能：可以优化特定条件下的查询。

适用场景：

• 适用于只需要对集合中部分数据创建索引的场景。

创建方法：

db.collection.createIndex(
  { fieldName: 1 },
  { partialFilterExpression: { fieldName: { $exists: true } } }
);

9. 稀疏索引（Sparse Index）

特点：

• 数据结构：只为那些包含索引字段的文档创建索引。
• 查询性能：节省空间，减少索引的大小。

适用场景：

• 适用于字段可能在某些文档中缺失的情况。

创建方法：

db.collection.createIndex({ fieldName: 1 }, { sparse: true });

11. 聚合索引（Aggregation Index）

特点：

• 数据结构：适用于聚合操作的索引。
• 查询性能：可以优化聚合管道的性能。

适用场景：

• 适用于需要高效进行聚合操作的场景。

创建方法：

• 聚合索引不是一个特定的索引类型，而是通过创建复合索引来支持聚合操作。

db.collection.createIndex({ field1: 1, field2: -1 });

总结表

索引类型	适用场景	支持的查询类型	主要特点
B树索引	大多数查询场景，包括范围查询和排序	等值查询、范围查询、排序、前缀匹配	适用于大多数查询类型
哈希索引	高效的等值查询	等值查询	不支持范围查询
全文索引	复杂的文本搜索	全文搜索、文本匹配	适用于文本搜索和权重排序
地理空间索引	地理位置数据的处理	地理空间数据查询	支持位置范围查询
多键索引	数组字段的查询	对数组中的每个元素进行索引	处理数组数据
复合索引	涉及多个字段的查询操作	多字段组合查询、排序	适用于复杂的查询需求
唯一索引	保证字段值唯一	等值查询	数据唯一性保障
部分索引	仅对符合条件的文档创建索引	针对特定条件的查询	节省空间、优化性能
稀疏索引	字段可能在某些文档中缺失	存在性查询、部分文档索引	节省空间
TTL 索引	自动过期的数据管理	数据过期管理	自动删除过期文档
聚合索引	聚合操作的优化	聚合管道优化	通过复合索引优化聚合操作

这些索引类型可以根据你的具体需求选择和配置，以优化 MongoDB 数据库的性能和查询效率。