mongodb 索引实操

本文涉及的产品
云数据库 MongoDB,通用型 2核4GB
简介: mongodb 索引实操

现在我们就开始实操 mongodb 的索引吧

数据准备

向 mydoc 集合中,插入多条数据,mydoc 之前是没有存在过的,我们直接使用 db.mydoc.insertMany() ,mongodb 会默认给我们新建这个集合

db.mydoc.insertMany([
   { item:"canvas", qty:120, size:{ h:28, w:35.5, uom:"cm" }, status:"A", createDate:ISODate("2016-02-06T20:20:13Z") },
   { item:"journal", qty:25, tags:[ {tag:"gray", type:"paper"}, {tag:"red", type:"electron"} ], size:{ h:14, w:21, uom:"cm" }, status:"A", createDate:ISODate("2016-02-07T20:20:13Z") },
   { item:"notebook", qty:50, tags:[ {tag:"yellow", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:8.5, w:11, uom:"in" }, status:"P", createDate:ISODate("2016-02-08T20:20:13Z")},
   { item:"paper", qty:100, tags:[{tag:"yellow", type:"paper"}, {tag:"brown", type:"electron"}], size:{ h:8.5, w:11, uom:"in" }, status:"D", createDate:ISODate("2016-02-09T20:20:13Z") },
   { item:"planner", qty:75, tags:[{tag:"yellow", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:22.85, w:30, uom:"cm" }, status:"D", createDate:ISODate("2016-02-10T20:20:13Z") },
   { item:"postcard", qty:45, tags:[{tag:"black", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:10, w:15.25, uom:"cm" }, status:"P", createDate:ISODate("2016-02-11T20:20:13Z") },
   { item:"sketchbook", qty:80, status:"A", createDate:ISODate("2016-02-12T20:20:13Z") }
]);

插入成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TDo1XsE1-1666421507047)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/e46cc2257add459bae58500e191532d6~tplv-k3u1fbpfcp-zoom-1.image)]

单字段索引

使用单字段索引,根据物品名称查询物品

db.mydoc.createIndex({item:1})

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XnnKzgx4-1666421507049)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/c7a9a4340b1d4c679e083597c3ae001c~tplv-k3u1fbpfcp-zoom-1.image)]

使用 db.mydoc.getIndexes() 查看所有索引,可以查看到刚才我们创建的索引 item_1 , 其中 _id_ 是默认索引

> db.mydoc.getIndexes()
[
        {
                "v" : 2,
                "key" : {
                        "_id" : 1
                },
                "name" : "_id_",
                "ns" : "mytest.mydoc"
        },
        {
                "v" : 2,
                "key" : {
                        "item" : 1
                },
                "name" : "item_1",
                "ns" : "mytest.mydoc"
        }
]
>

我们来查询一下数据,看看是否命中索引

> db.mydoc.find().sort({item:1}).explain()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ddNWFlcP-1666421507051)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/564ec94025f6481a85c6476d937fb74c~tplv-k3u1fbpfcp-zoom-1.image)]

通过上图我们可以看到,已经命中索引,并且索引范围是 [MinKey, MaxKey],如果我们查询的时候,sort 里面排序为倒序(-1),那么此处的索引范围就是到过来的 [MaxKey, MinKey] ,感兴趣的 xdm 可以尝试一下

尝试不加 sort

如果我们直接 db.mydoc.find().explain() 是不会命中索引的,,mongodb 会默认走 全文索引

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-U7ozRDoT-1666421507055)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0a929364ae5043cd8b5bee14c3e328c9~tplv-k3u1fbpfcp-zoom-1.image)]

复合索引

索引的顺序跟查询排序相关联

创建复合索引,status 字段 做升序,qty 字段做降序

db.mydoc.createIndex({status:1, qty:-1})

我们创建的索引一升一降,查询排序的模式必须与索引键的模式匹配或逆向,也就是说,我们查询的时候,

可以是 {status:-1, qty:1} 也可以是{status:1, qty:-1}

但是不能 {status:-1, qty:-1} 也不能 {status:1, qty:1}

因为这样的查询顺序是和我们的索引矛盾的,这两种模式是不能被命中索引的

TLL 索引

数据准备

新建一个 日志集合,插入多条数据,带上最后修改的时间

db.eventlog.insert(
[
    {system:"trade", lastModifiedDate:ISODate("2017-11-12T20:20:13Z"), context:"NullPointException, "},
    {system:"goods", lastModifiedDate:ISODate("2017-11-15T20:21:13Z"), context:"NullPointException, "},
    {system:"mongodb", lastModifiedDate:ISODate("2017-11-16T20:22:13Z"), context:"2019-11-12 18:18:52.426 [main] DEBUG org.mongodb.driver.connection - Closing connection connectionId{localValue:2, serverValue:2409}"}
]
)

执行结果

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KM4AE83z-1666421507059)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/73813b2160bf43e1b7f218cdbbf8dcbf~tplv-k3u1fbpfcp-zoom-1.image)]

查询一下 eventlog

> db.eventlog.find()
{ "_id" : ObjectId("615eb334631f5c41fb6c6c16"), "system" : "trade", "lastModifiedDate" : ISODate("2017-11-12T20:20:13Z"), "context" : "NullPointException, " }
{ "_id" : ObjectId("615eb334631f5c41fb6c6c17"), "system" : "goods", "lastModifiedDate" : ISODate("2017-11-15T20:21:13Z"), "context" : "NullPointException, " }
{ "_id" : ObjectId("615eb334631f5c41fb6c6c18"), "system" : "mongodb", "lastModifiedDate" : ISODate("2017-11-16T20:22:13Z"), "context" : "2019-11-12 18:18:52.426 [main] DEBUG org.mongodb.driver.connection - Closing connection connectionId{localValue:2, serverValue:2409}" }

创建一个 TLL 索引

创建索引的字段是日期或者是日期数组,不是这种类型的字段,是不会删除文档的

设置 30秒 后过期,会话、日志,会话过期后会删除集合

> db.eventlog.createIndex({"lastModifiedDate":1}, {expireAfterSeconds:30})

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iGW3qnzG-1666421507066)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/c68f571c96534fbeac884233be44234f~tplv-k3u1fbpfcp-zoom-1.image)]

30 s 之后,我们再来查询一下数据

db.eventlog.find()

果然是查询不到结果的,文档数据被删除掉了,索引还会在吗?

> db.eventlog.getIndexes()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MO87BCRc-1666421507067)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f76c271f701b49889120a2265e6a0312~tplv-k3u1fbpfcp-zoom-1.image)]

hash 索引

数据准备

插入一些数据

db.mydoc.drop() // 清空表
db.mydoc.insertMany([
   { item:"canvas", qty:120, size:{ h:28, w:35.5, uom:"cm" }, status:"A", createDate:ISODate("2016-02-06T20:20:13Z") },
   { item:"journal", qty:25, tags:[ {tag:"gray", type:"paper"}, {tag:"red", type:"electron"} ], size:{ h:14, w:21, uom:"cm" }, status:"A", createDate:ISODate("2016-02-07T20:20:13Z") },
   { item:"notebook", qty:50, tags:[ {tag:"yellow", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:8.5, w:11, uom:"in" }, status:"P", createDate:ISODate("2016-02-08T20:20:13Z")},
   { item:"paper", qty:100, tags:[{tag:"yellow", type:"paper"}, {tag:"brown", type:"electron"}], size:{ h:8.5, w:11, uom:"in" }, status:"D", createDate:ISODate("2016-02-09T20:20:13Z") },
   { item:"planner", qty:75, tags:[{tag:"yellow", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:22.85, w:30, uom:"cm" }, status:"D", createDate:ISODate("2016-02-10T20:20:13Z") },
   { item:"postcard", qty:45, tags:[{tag:"black", type:"paper"}, {tag:"green", type:"electron"}], size:{ h:10, w:15.25, uom:"cm" }, status:"P", createDate:ISODate("2016-02-11T20:20:13Z") },
   { item:"sketchbook", qty:80, status:"A", createDate:ISODate("2016-02-12T20:20:13Z") }
]);

创建 hash 索引

> db.mydoc.createIndex({item:"hashed"})
{
        "createdCollectionAutomatically" : false,
        "numIndexesBefore" : 1,
        "numIndexesAfter" : 2,
        "ok" : 1
}

查看 hash 索引是否命中

> db.mydoc.find({item:"paper"}).explain()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8Z4iuWrd-1666421507070)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0921ebfa0e1a485895e4e8f7e7bcee47~tplv-k3u1fbpfcp-zoom-1.image)]

图中可以看出, IXSCAN 表示为已经命中 hash 索引

空间索引

二维索引球体索引 ,官网上可以看这里

https://docs.mongodb.com/manual/core/2dsphere/

我们来实践一下 球体索引

球体空间索引,2dsphere。

支持类似地球球体上的位置,可以存放 GeoJSON 、传统坐标类型的数据。

GeoJSON数据

需要使用嵌入式文档存放,coordinates 指定坐标位置,type 指定坐标类型

Type 有如下 3 种形式

  • point

例如可以这样写:location: { type: "Point", coordinates: [-33.856077, 30.848447] }

  • lineString

例如可以这样写:location: { type: "LineString", coordinates: [ [ 40, 5 ], [ 41, 6 ] ] }

  • polygon

例如可以这样写:`location: { type: “Polygon”,

coordinates: [ [ [ 0 , 0 ] , [ 3 , 6 ] , [ 6 , 1 ] , [ 0 , 0 ] ] ]

}`

传统坐标数据

一个字段即可指定坐标位置。

GeoJSON数据 和 传统坐标数据 两种类型数据,经纬度的存储方式必须是 [经度,纬度] 的数组形式

开始实践,数据准备

在 places 集合中插入 2个文档数据

db.places.insert([
   {
      loc:{ type:"Point", coordinates:[ -73.97, 40.77 ] },
      name:"Central Park", category:"Parks"
   },
   {
      loc:{ type:"Point", coordinates:[ -73.88, 40.78 ] },
      name:"La Guardia Airport", category:"Airport"
   }
]);

创建球体空间索引

db.places.createIndex( { loc:"2dsphere" } )

查看索引

> db.places.getIndexes()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Sgtp7QdE-1666421507071)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/2b41229253dc42b28aa338169150f511~tplv-k3u1fbpfcp-zoom-1.image)]

创建空间索引的复合索引

以 category 降序,name 升序

db.places.createIndex( { loc:"2dsphere" , category:-1, name:1 } )

查看索引可以看到

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5KaqBOk7-1666421507073)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/66b33f41d870443fb4decfd6b1138628~tplv-k3u1fbpfcp-zoom-1.image)]

欢迎点赞,关注,收藏

朋友们,你的支持和鼓励,是我坚持分享,提高质量的动力

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hX6Fkvtc-1666421507074)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/32ff4dd3a719414e983b833bed355495~tplv-k3u1fbpfcp-zoom-1.image)]

好了,本次就到这里

技术是开放的,我们的心态,更应是开放的。拥抱变化,向阳而生,努力向前行。

我是阿兵云原生,欢迎点赞关注收藏,下次见~

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
|
5天前
|
NoSQL MongoDB 数据库
MongoDB的索引与索引字段的顺序
MongoDB的索引与索引字段的顺序
16 2
|
7天前
|
NoSQL MongoDB 数据库
通过优化索引以消除 MongoDB 中的 "查询目标已超过1000个扫描对象/返回的文档数" 警告
MongoDB NoSQL数据库在处理复杂查询时可能出现“查询目标已超过1000个扫描对象/返回的文档数”警告。文章分析了该问题,展示了一个示例集合和相关索引,并提供了查询示例。通过`explain`命令发现查询未有效利用索引。解决方案是遵循ESR规则,创建新索引从而优化查询并消除警告。
34 1
|
14天前
|
NoSQL 测试技术 定位技术
【MongoDB 专栏】MongoDB 的地理空间索引与位置查询
【5月更文挑战第10天】MongoDB 支持地理空间数据处理,提供2dsphere(球面)和2d(平面)索引,适用于地图导航、物流、社交网络等领域。通过创建索引,可加速位置查询,如查询范围、最近邻及地理空间聚合。案例包括地图应用、物流追踪和社交网络。注意数据准确性、索引优化和性能测试,以发挥其在地理空间处理中的潜力。学习此功能,为应用开发解锁更多可能性!
【MongoDB 专栏】MongoDB 的地理空间索引与位置查询
|
14天前
|
存储 NoSQL MongoDB
【MongoDB 专栏】如何高效使用 MongoDB 的索引
【5月更文挑战第10天】MongoDB的索引是提升查询性能的关键,它基于B树结构,分为单字段、复合、多键和文本索引。创建索引可通过`createIndex()`或管理工具,适用于频繁查询、排序分组和连接操作。优化策略包括选择合适字段、避免过度索引和定期评估。注意索引影响写入性能、大小限制及可能的失效情况。通过案例分析,应根据业务需求合理创建和使用索引,以实现最佳性能。
【MongoDB 专栏】如何高效使用 MongoDB 的索引
|
14天前
|
存储 NoSQL 关系型数据库
【MongoDB系列笔记】索引
索引支持在MongoDB中高效地执行查询。如果没有索引,MongoDB必须执行全集合扫描,即扫描集合中的每个文档,以选择与查询语句匹配的文档。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。
24 1
|
14天前
|
监控 NoSQL MongoDB
MongoDB索引机制与优化策略详解
【4月更文挑战第30天】本文深入解析MongoDB的索引机制,包括单字段、复合、地理空间、全文及哈希索引。介绍了创建与查看索引的方法,并提出了优化策略:选择性创建、使用复合索引、定期审查优化、避免不必要的索引扫描、利用索引前缀与覆盖索引,以及监控索引使用。通过这些策略,可提升MongoDB查询性能。
|
14天前
|
NoSQL MongoDB 索引
【MongoDB】MongoDB 覆盖索引
【4月更文挑战第3天】【MongoDB】MongoDB 覆盖索引
|
14天前
|
存储 NoSQL MongoDB
【MongoDB】MongoDB 索引结构底层原理分析
【4月更文挑战第1天】【MongoDB】MongoDB 索引结构底层原理分析
|
14天前
|
监控 NoSQL MongoDB
【MongoDB】MongoDB 索引
【4月更文挑战第1天】【MongoDB】MongoDB 索引
|
14天前
|
存储 NoSQL 关系型数据库