索引

1. 索引就是用来加速查询的。
2. 
   
3. 数据库索引与书籍的索引类似：
4. 有了索引就不需要翻遍整本书，数据库则可以直接在索引中查找，使得查找速度能提高几个数量级。
5. 在索引中找到条目以后，就可以直接跳转到目标文档的位置。

6. 索引是特殊的数据结构，索引存储在一个易于遍历读取的数据集合中，
7. 索引是对数据库表中一列或多列的值进行排序的一种结构

• 创建普通索引，使用命令 db.collection.ensureIndex({key:1})
• 创建唯一索引，使用命令 db.collection.ensureIndex({key:1}，{unique:true})

1. 语法中Key值为你要创建的索引字段，
2. 1为指定按升序创建索引，如果你想按降序来创建索引指定为-1即可。

• ensureIndex() 接收可选参数，可选参数列表如下：
  
  

• 
  
• 在后台创建索引：

1. db.values.ensureIndex({open:1, close:1},{background:true})

• 查看关于索引的相关信息，使用命令 db.collection.stats()
• 查看查询使用索引的情况，使用命令   db.collection.find({key:value}).explain()
• 删除索引，使用命令 db.collection.dropIndex({key:1})
• 删除集合，也会将集合中的索引全部删除

MongoDB 查询分析

1. MongoDB查询分析
2. MongoDB查询分析可以确保我们建议的索引是否有效，是查询语句性能分析的重要工具。
3. MongoDB查询分析常用函数有：explain()和 hint()。

使用 explain()

• explain 操作提供了查询信息，使用索引及查询统计等。有利于我们对索引的优化。
• 接下来我们在 users 集合中创建 name和 age的索引：

1. db.users.ensureIndex({name:1,age:1})

现在在查询语句中使用 explain ：

1. db.users.find({name:"ghost"}).explain()

以上的 explain() 查询返回如下结果：

1. /* 1 */
2. {
3. "queryPlanner":{
4. "plannerVersion":1,
5. "namespace":"mongotest.users",
6. "indexFilterSet":false,
7. "parsedQuery":{
8. "name":{
9. "$eq":"ghost"
10. }
11. },
12. "winningPlan":{
13. "stage":"FETCH",
14. "inputStage":{
15. "stage":"IXSCAN",
16. "keyPattern":{
17. "name":1.0,
18. "age":1.0
19. },
20. "indexName":"name_1_age_1",
21. "isMultiKey":false,
22. "multiKeyPaths":{
23. "name":[],
24. "age":[]
25. },
26. "isUnique":false,
27. "isSparse":false,
28. "isPartial":false,
29. "indexVersion":2,
30. "direction":"forward",
31. "indexBounds":{
32. "name":[
33. "[\"ghost\", \"ghost\"]"
34. ],
35. "age":[
36. "[MinKey, MaxKey]"
37. ]
38. }
39. }
40. },
41. "rejectedPlans":[]
42. },
43. "serverInfo":{
44. "host":"kf-PC",
45. "port":27017,
46. "version":"3.4.9",
47. "gitVersion":"876ebee8c7dd0e2d992f36a848ff4dc50ee6603e"
48. },
49. "ok":1.0
50. }

本人使用的是Moongdb3.4.9版本，Mongodb3.0版本的explain返回结果和以前的版本有很大的不同，介于Mongodb3.0的许多优秀特色，将3.0版本的返回分成了3个不同层面：

• queryPlanner：查询计划的选择器，首先进行查询分析，最终选择一个winningPlan，是explain返回的默认层面。
• executionStats：为执行统计层面，返回winningPlan的统计结果
• allPlansExecution：为返回所有执行计划的统计，包括rejectedPlan

所以：我们在查询优化的时候，只需要关注queryPlanner， executionStats即可，因为queryPlanner为我们选择出了winningPlan， 而executionStats为我们统计了winningPlan的所有关键数据。

1. explain.queryPlanner: queryPlanner的
2. 
   
3. explain.queryPlanner.namespace:该值返回的是该query所查询的表
4. explain.queryPlanner.indexFilterSet:针对该query是否有indexfilter
5. explain.queryPlanner.winningPlan:查询优化器针对该query所返回的最优执行计划的详细内容。
6. explain.queryPlanner.winningPlan.stage:最优执行计划的stage，这里返回是FETCH，可以理解为通过返回的index位置去检索具体的文档（stage有多个模式，将在后文中进行详解）。
7. Explain.queryPlanner.winningPlan.inputStage:用来描述子stage，并且为其父stage提供文档和索引关键字。
8. explain.queryPlanner.winningPlan.stage的child stage，此处是IXSCAN，表示进行的是index scanning。
9. explain.queryPlanner.winningPlan.keyPattern:所扫描的index内容，此处是did:1,status:1,modify_time:-1与scid :1
10. explain.queryPlanner.winningPlan.indexName：winning plan所选用的index。
11. explain.queryPlanner.winningPlan.isMultiKey是否是Multikey，此处返回是false，如果索引建立在array上，此处将是true。
12. explain.queryPlanner.winningPlan.direction：此query的查询顺序，此处是forward，如果用了.sort({modify_time:-1})将显示backward。
13. explain.queryPlanner.winningPlan.indexBounds:winningplan所扫描的索引范围,如果没有制定范围就是[MaxKey,MinKey]，这主要是直接定位到mongodb的chunck中去查找数据，加快数据读取。
14. explain.queryPlanner.rejectedPlans：其他执行计划（非最优而被查询优化器reject的）的详细返回，其中具体信息与winningPlan的返回中意义相同，故不在此赘述。

stage的类型的意义

1. 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。
2. 
   
3. COLLSCAN ：全表扫描
4. IXSCAN：索引扫描
5. FETCH:：根据索引去检索指定document
6. SHARD_MERGE：各个分片返回数据进行merge
7. SORT：表明在内存中进行了排序（与前期版本的scanAndOrder:true一致）
8. SORT_MERGE：表明在内存中进行了排序后再合并
9. LIMIT：使用limit限制返回数
10. SKIP：使用skip进行跳过
11. IDHACK：针对_id进行查询
12. SHARDING_FILTER：通过mongos对分片数据进行查询
13. COUNT：利用db.coll.count()之类进行count运算
14. COUNTSCAN：count不使用用Index进行count时的stage返回
15. COUNT_SCAN：count使用了Index进行count时的stage返回
16. SUBPLA：未使用到索引的$or查询的stage返回
17. TEXT：使用全文索引进行查询时候的stage返回
18. 
    
19. 附：explain查询结果解析官方文档：
20. https://docs.mongodb.org/v3.0/reference/explain-results/

使用 hint()

• 虽然MongoDB查询优化器一般工作的很不错，但是也可以使用 hint 来强制 MongoDB 使用一个指定的索引。
• 这种方法某些情形下会提升性能。 一个有索引的 collection 并且执行一个多字段的查询(一些字段已经索引了)。

如下查询实例指定了使用 name和 age索引字段来查询：

1. db.users.find({name:"ghost"}).hint({name:1,age:1})

可以使用 explain() 函数来分析以上查询：

1. db.users.find({name:"ghost"}).hint({name:1,age:1}).explain()

参考来源： Mongodb使用explain优化查询(1)--explain输出参数解析-danliz_nh-ChinaUnix博客

参考来源：http://www.runoob.com/mongodb/mongodb-analyzing-queries.html