MongoDB索引是提升查询性能的核心工具，其通过构建B树数据结构将全集合扫描（O(n)复杂度）优化为索引查找（O(log n)复杂度），在亿级数据集中可实现从分钟级到毫秒级的响应跃升。本文将从索引类型、设计原则、性能调优及管理实践四个维度展开深度解析。
一、索引类型体系
MongoDB提供七大类索引满足不同场景需求：
单字段索引：基础索引类型，支持精确匹配与范围查询。例如在用户表的email字段创建索引，可加速登录验证等高频查询。
复合索引：多字段组合索引，遵循最左前缀原则。例如电商系统创建{category:1, price:-1}索引，可同时优化"手机类商品"和"手机类且价格低于5000"的查询。
多键索引：针对数组字段的自动展开索引。社交平台的帖子标签字段tags:["mongodb","database"]创建多键索引后，查询tags:"mongodb"可直接命中索引。
地理空间索引：
2dsphere：支持GeoJSON格式的球面几何计算，美团外卖"附近商家"功能依赖此索引实现距离排序。
2d：平面坐标系索引，适用于游戏地图等场景。
文本索引：支持全文检索的倒排索引，可配置词干提取（如将"running"归约为"run"）和停用词过滤。新闻系统对文章内容创建文本索引后，可实现$text操作符的语义搜索。
哈希索引：通过哈希函数将字段值均匀分布，主要用于分片集群的哈希分片策略。用户ID字段创建哈希索引后，可确保数据在多个分片间均衡存储。
特殊索引：
TTL索引：自动过期删除数据，日志系统设置{createdAt:1, expireAfterSeconds:3600}可实现每小时清理过期日志。
稀疏索引：仅索引包含该字段的文档，节省存储空间。
部分索引：通过partialFilterExpression限定索引范围，如仅对已支付订单创建索引。
二、索引设计黄金法则
选择性优先原则：基数高（唯一值多）的字段更适合建索引。例如在百万级用户表中，email字段选择性（99.9%）显著优于gender字段（0.5%），前者索引效率更高。
复合索引顺序优化：遵循"等值条件在前，范围条件在后"的排序规则。订单查询{status:"completed", createDate:{$gt:new Date()}}应创建{status:1, createDate:1}索引，而非反向排序。
覆盖查询设计：当查询字段完全包含在索引中时，可避免回表操作。例如对{username:1, age:1}索引的查询db.users.find({}, {username:1, age:1})，MongoDB直接从索引返回结果，性能提升3-5倍。
写性能权衡：每个索引增加约10%的存储开销，并降低写入速度。电商大促期间，建议临时删除非核心索引，数据导入完成后再重建。
三、性能调优实战
执行计划分析：使用explain("executionStats")获取查询的详细执行信息。若发现COLLSCAN（全集合扫描）而非IXSCAN（索引扫描），则需优化索引。
索引统计监控：通过$indexStats聚合阶段获取索引使用率，定期清理accesses.ops=0的冗余索引。
后台索引构建：大数据量表创建索引时，使用{background:true}避免阻塞业务操作。例如：
javascript
db.large_collection.createIndex({field:1}, {background:true})
分片集群优化：分片键选择需考虑数据分布均匀性和查询局部性。地理位置类应用可采用geohash值作为分片键，实现查询路由到单个分片。
四、管理最佳实践
索引生命周期管理：
创建：使用createIndex()时指定唯一性、TTL等属性
隐藏：4.4+版本支持hideIndex()测试索引影响
删除：确认无使用后执行dropIndex()
索引大小监控：通过totalIndexSize()检查索引占用空间，单个集合索引总数不超过64个，单个索引名称长度不超过125字符。
自动化工具利用：MongoDB Atlas的Performance Advisor可自动分析慢查询并推荐索引优化方案，某电商系统应用后查询性能提升60%。
五、典型场景案例
物联网时序数据：传感器数据表按{deviceId:1, timestamp:1}创建复合索引，支持"某设备指定时间范围数据查询"的高效过滤与排序。
社交关系图谱：用户关注表创建{follower:1, followee:1}和{followee:1, follower:1}双向索引，实现粉丝列表与关注列表的快速查询。
国际化系统：多语言内容表创建{content:"text", language:1}复合文本索引，配合collation参数实现不同语言的准确排序。
通过科学设计索引体系，某金融平台将核心交易查询延迟从2.3秒降至85毫秒，CPU使用率下降40%。索引优化是MongoDB性能调优的核心环节，需结合业务特点持续迭代优化。
