MongoDB：16-MongoDB-索引数组字段和索引子文档字段

2019独角兽企业重金招聘Python工程师标准>>>

 

1. MongoDB允许深入文档内部，对嵌套字段和数组建立索引；
2. 嵌套对象和数组字段可以和复合索引中的顶级字段一起使用，多数情况下与“正常”索引字段的行为也是一致的。
3. 1.  
   2.  

4. 1. 考虑以下文档集合（user ）:

   2.  

1. db.user.insertMany(
2. [
3. {
4. "address": {
5. "province": "HeNan",
6. "city": "ZhengZhou",
7. "pincode": "123"
8. },
9. "tags": [
10. "music",
11. "cricket",
12. "blogs"
13. ],
14. "name": "fly"
15. },
16. {
17. "address": {
18. "province": "HeBei",
19. "city": "HanDan",
20. "pincode": "234"
21. },
22. "tags": [
23. "music",
24. "basket",
25. "blogs"
26. ],
27. "name": "chen"
28. },
29. {
30. "address": {
31. "province": "ChongQing",
32. "city": "ChongQing",
33. "pincode": "456"
34. },
35. "tags": [
36. "music",
37. "writing",
38. "running"
39. ],
40. "name": "wang"
41. }
42. ]
43. )

 

 

以上文档包含了 address 子文档和 tags 数组。

索引数组字段

 

• 假设我们基于标签来检索用户，为此我们需要对集合中的数组 tags 建立索引。
• 在数组中创建索引，需要对数组中的每个字段依次建立索引。所以在我们为数组 tags 创建索引时，会为 music、cricket、blogs三个值建立单独的索引。

 

 

 

• • 使用以下命令创建数组索引：

1. db.user.ensureIndex({"tags":1})

 

 

 

• • 创建索引后，我们可以这样检索集合的 tags 字段：

1. db.user.find({tags:"music"})

 

 

• • 为了验证我们使用使用了索引，可以使用 explain 命令：

1. db.user.find({tags:"music"}).explain()

1. 执行结果
2. /* 1 */
3. {
4. "queryPlanner" : {
5. "plannerVersion" : 1,
6. "namespace" : "mongotest.user",
7. "indexFilterSet" : false,
8. "parsedQuery" : {
9. "tags" : {
10. "$eq" : "music"
11. }
12. },
13. "winningPlan" : {
14. "stage" : "FETCH",
15. "inputStage" : {
16. "stage" : "IXSCAN",
17. "keyPattern" : {
18. "tags" : 1.0
19. },
20. "indexName" : "tags_1",
21. "isMultiKey" : true,
22. "multiKeyPaths" : {
23. "tags" : [
24. "tags"
25. ]
26. },
27. "isUnique" : false,
28. "isSparse" : false,
29. "isPartial" : false,
30. "indexVersion" : 2,
31. "direction" : "forward",
32. "indexBounds" : {
33. "tags" : [
34. "[\"music\", \"music\"]"
35. ]
36. }
37. }
38. },
39. "rejectedPlans" : []
40. },
41. "serverInfo" : {
42. "host" : "kf-PC",
43. "port" : 27017,
44. "version" : "3.4.9",
45. "gitVersion" : "876ebee8c7dd0e2d992f36a848ff4dc50ee6603e"
46. },
47. "ok" : 1.0
48. }

 

 

 

• 以上命令执行结果中会显示  "stage" : "FETCH",，则表示已经使用了索引。
  1. stage的类型的意义
  2. mongodb的文档中列出了前4种类型，还有一些没有列出来，但是会比较常见，这里一并解释一下。
  3.  
  4. COLLSCAN ：全表扫描
  5. IXSCAN：索引扫描
  6. FETCH:：根据索引去检索指定document
  7. SHARD_MERGE：各个分片返回数据进行merge
  8. SORT：表明在内存中进行了排序（与前期版本的scanAndOrder:true一致）
  9. SORT_MERGE：表明在内存中进行了排序后再合并
  10. LIMIT：使用limit限制返回数
  11. SKIP：使用skip进行跳过
  12. IDHACK：针对_id进行查询
  13. SHARDING_FILTER：通过mongos对分片数据进行查询
  14. COUNT：利用db.coll.count()之类进行count运算
  15. COUNTSCAN：count不使用用Index进行count时的stage返回
  16. COUNT_SCAN：count使用了Index进行count时的stage返回
  17. SUBPLA：未使用到索引的$or查询的stage返回
  18. TEXT：使用全文索引进行查询时候的stage返回
  19.  
  20. 附：explain查询结果解析官方文档：
  21. https://docs.mongodb.org/v3.0/reference/explain-results/
• 具体参考：http://blog.csdn.net/fly910905/article/details/78184302

1. 数组上的索引
2. （1）可以看得出在数组字段上建立索引的代价比较大，因为每次的删除，更新都会对每一个索引进行刷新，太消耗服务器的资源；
3. （2）可以针对数组字段中的某一个元素做具体的单独索引，减少索引的数量；

• 例如，在数组字段tags中的第1个元素中的music上建立索引：

1. db.user.ensureIndex({"tags.0.music":1})

• 同样，只有精确匹配tags.0.music查询，上述索引才会起到索引的作用。

1. 多键索引
2. 如果在数组字段上创建索引，那么这个索引称为多键索引（ multikey）。
3. 多键索引用explain函数中可以看到“isMultikey”字段的值为true，多键索引比非多键索引要慢一些；

 

索引子文档字段

 

• 假设我们需要通过city、state、pincode字段来检索文档，由于这些字段是子文档的字段，所以我们需要对子文档建立索引。
  • 为子文档的三个字段创建索引，命令如下：

 

1. db.user.ensureIndex({"address.province":1,"address.city":1,"address.pincode":1})

 

 

1. 利用这种方式可以建立任意深度的索引，例如可以在X.Y.Z.A.B.C上建立索引。
2. 但是，针对子文档“address”上建立的索引，和建立在子文档的某个字段“address.provincey”上的索引是不同的：
3. （1）对整个子文档上建立的索引，只会提高整个子文档的的查询速度；
4. 也就是说只有在完全匹配子文档的查询（包括字段顺序），子文档索引才会起作用；
5. （2）只有查询address.province字段，索引address.province才会起作用，
6. 其他情况索引address.province不起作用；

 

• • 一旦创建索引，我们可以使用子文档的字段来检索数据：

1. db.user.find({"address.province":"HeNan"})

 

 

 

• • 记住查询表达式必须遵循指定的索引的顺序。所以上面创建的索引将支持以下查询：

1. db.user.find({"address.province":"HeNan","address.city":"ZhengZhou"})

 

 

• • 同样支持以下查询：

 

 

1. db.user.find({"address.province":"HeNan","address.city":"ZhengZhou","address.pincode":"123"})

1. 查询分析
2. /* 1 */
3. {
4. "queryPlanner" : {
5. "plannerVersion" : 1,
6. "namespace" : "mongotest.user",
7. "indexFilterSet" : false,
8. "parsedQuery" : {
9. "$and" : [
10. {
11. "address.city" : {
12. "$eq" : "ZhengZhou"
13. }
14. },
15. {
16. "address.pincode" : {
17. "$eq" : "123"
18. }
19. },
20. {
21. "address.province" : {
22. "$eq" : "HeNan"
23. }
24. }
25. ]
26. },
27. "winningPlan" : {
28. "stage" : "FETCH",
29. "inputStage" : {
30. "stage" : "IXSCAN",
31. "keyPattern" : {
32. "address.province" : 1.0,
33. "address.city" : 1.0,
34. "address.pincode" : 1.0
35. },
36. "indexName" : "address.province_1_address.city_1_address.pincode_1",
37. "isMultiKey" : false,
38. "multiKeyPaths" : {
39. "address.province" : [],
40. "address.city" : [],
41. "address.pincode" : []
42. },
43. "isUnique" : false,
44. "isSparse" : false,
45. "isPartial" : false,
46. "indexVersion" : 2,
47. "direction" : "forward",
48. "indexBounds" : {
49. "address.province" : [
50. "[\"HeNan\", \"HeNan\"]"
51. ],
52. "address.city" : [
53. "[\"ZhengZhou\", \"ZhengZhou\"]"
54. ],
55. "address.pincode" : [
56. "[\"123\", \"123\"]"
57. ]
58. }
59. }
60. },
61. "rejectedPlans" : []
62. },
63. "serverInfo" : {
64. "host" : "kf-PC",
65. "port" : 27017,
66. "version" : "3.4.9",
67. "gitVersion" : "876ebee8c7dd0e2d992f36a848ff4dc50ee6603e"
68. },
69. "ok" : 1.0
70. }

 

参考来源： http://www.runoob.com/mongodb/mongodb-advanced-indexing.html

参考来源：http://281816327.blog.51cto.com/907015/1601473

转载于:https://my.oschina.net/airship/blog/1929407