开心档 - 软件开发入门之 MongoDB 覆盖索引查询

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
简介: 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

 

作者简介:每天分享https://www.infoq.cn/profile/371C387AEB0C15/publish的学习经验、和学习笔记。

座右铭:有自制力,做事有始有终;学习能力强,愿意不断地接触学习新知识。

前言

本章将会讲解MongoDB 覆盖索引查询

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-covered-queries.html%23mongodb-%25E8%25A6%2586%25E7%259B%2596%25E7%25B4%25A2%25E5%25BC%2595%25E6%259F%25A5%25E8%25AF%25A2

目录

MongoDB 覆盖索引查询

https://xie.infoq.cn/article/b57d67e739715aa1343010db8#mongodb-%E8%A6%86%E7%9B%96%E7%B4%A2%E5%BC%95%E6%9F%A5%E8%AF%A2

使用覆盖索引查询

https://xie.infoq.cn/article/b57d67e739715aa1343010db8#%E4%BD%BF%E7%94%A8%E8%A6%86%E7%9B%96%E7%B4%A2%E5%BC%95%E6%9F%A5%E8%AF%A2

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 无需在整个数据文档中检索匹配查询条件和返回使用相同索引的查询结果。

因为索引存在于 RAM 中,从索引中获取数据比通过扫描文档读取数据要快得多。

使用覆盖索引查询

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-covered-queries.html%23%25E4%25BD%25BF%25E7%2594%25A8%25E8%25A6%2586%25E7%259B%2596%25E7%25B4%25A2%25E5%25BC%2595%25E6%259F%25A5%25E8%25AF%25A2

为了测试覆盖索引查询,使用以下 users 集合:

{
   "_id": ObjectId("53402597d852426020000002"),
   "contact": "987654321",
   "dob": "01-01-1991",
   "gender": "M",
   "name": "Tom Benzamin",
   "user_name": "tombenzamin"
}

我们在 users 集合中创建联合索引,字段为 gender 和 user_name :

>db.users.createIndex({gender:1,user_name:1})

**注:**5.0 之前版本可以使用 db.collection.ensureIndex() ,但 ensureIndex() 在 5.0 版本后已被移除,使用 createIndex() 代替。

现在,该索引会覆盖以下查询:

>db.users.find({gender:"M"},{user_name:1,_id:0})

也就是说,对于上述查询,MongoDB 的不会去数据库文件中查找。相反,它会从索引中提取数据,这是非常快速的数据查询。

由于我们的索引中不包括 _id 字段,_id 在查询中会默认返回,我们可以在 MongoDB 的查询结果集中排除它。

下面的实例没有排除_id,查询就不会被覆盖:

>db.users.find({gender:"M"},{user_name:1})

最后,如果是以下的查询,不能使用覆盖索引查询:

  • 所有索引字段是一个数组 所有索引字段是一个子文档

上一篇

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-connections.html

MongoDB - 连接

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-connections.html

下一篇

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-create-collection.html

MongoDB 创建集合

https://xie.infoq.cn/link?target=http%3A%2F%2Fwww.kxdang.com%2Ftopic%2Fmongodb%2Fmongodb-create-collection.html

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
21天前
|
NoSQL Java API
MongoDB 强制使用索引 hint
MongoDB 强制使用索引 hint
39 3
|
6天前
|
监控 NoSQL MongoDB
mongodb查询100万数据如何查询快速
综上,提高MongoDB百万级数据的查询性能需要综合多项技术,并在实际应用中不断调优和实践。理解数据的特征,合理设计索引,优化查询语句,在数据访问、管理上遵循最佳的实践,这样才能有效地管理和查询大规模的数据集合。
28 1
|
15天前
|
存储 NoSQL 关系型数据库
4-MongoDB索引知识
MongoDB通过索引提升查询效率,避免全集合扫描。索引采用B树结构存储部分数据集,按字段值排序,支持快速匹配与排序查询。主要类型包括:单字段索引,支持升序/降序;复合索引,字段顺序影响排序逻辑;地理空间索引,适用于坐标数据查询;文本索引,用于搜索字符串内容;哈希索引,用于散列分片,仅支持等值查询。更多详情参见官方文档:[MongoDB索引指南](https://docs.mongodb.com/manual/indexes/)。
|
21天前
|
SQL NoSQL MongoDB
MongoDB 索引类型介绍
MongoDB 索引类型介绍
25 3
|
21天前
|
存储 NoSQL MongoDB
MongoDB 索引原理与索引优化
MongoDB 索引原理与索引优化
19 1
|
23天前
|
存储 NoSQL 定位技术
|
1月前
|
NoSQL 关系型数据库 MySQL
MongoDB优化 索引
【7月更文挑战第4天】
20 0
|
4天前
|
JSON NoSQL Ubuntu
在Ubuntu 14.04上如何备份、恢复和迁移MongoDB数据库
在Ubuntu 14.04上如何备份、恢复和迁移MongoDB数据库
13 1
|
11天前
|
NoSQL 大数据 MongoDB
云中对决:Amazon DocumentDB 与 MongoDB的终极较量,谁将主宰云端数据库的未来?
【8月更文挑战第8天】在云计算与大数据时代,文档数据库因灵活高效备受开发者青睐。本文作为指南,全面对比Amazon DocumentDB与MongoDB。DocumentDB兼容MongoDB,便于迁移;在AWS环境下,它提供卓越的性能与自动伸缩能力。MongoDB则侧重于自定义部署与成本控制。DocumentDB作为托管服务简化管理但成本较高,而MongoDB需自行处理安全性与备份。根据需求与预算,开发者可作出最佳选择。
27 3
|
12天前
|
存储 NoSQL 物联网
MongoDB:改变游戏规则的数据库,看它如何统治数据世界的每一个角落
【8月更文挑战第7天】MongoDB是一款高性能、开源的NoSQL数据库,采用文档数据模型,支持丰富查询语言及二级索引。其灵活的数据模型和扩展性使其在大数据应用、实时分析、物联网、内容管理系统及电子商务平台等多种现代场景中广泛应用。例如,在大数据应用中,它可以高效存储社交媒体的非结构化数据;在实时分析中,能快速处理新数据并即时更新结果;在物联网应用中,则适用于存储大量非结构化传感器数据;而在内容管理和电子商务平台中,能提供灵活的内容存储和高效的商品搜索功能。
29 2

热门文章

最新文章