點擊下載
本文文檔

當(dāng)前位置：首頁 - 科技 - 知識百科 - 正文

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

來源：懂視網(wǎng) 責(zé)編：小采時間：2020-11-09 15:02:09

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié):想來接觸mongodb已經(jīng)快一年了，對于它的索引知識也積攢了不少經(jīng)驗，趁著這個月黑風(fēng)高的夜晚，就把mongodb的索引總結(jié)一番吧。一，索引介紹 mongodb具有兩類索引，分別為單鍵索引和復(fù)合索引。 1.單鍵索引是最簡單的一種索引，創(chuàng)建單鍵索引的開銷要比復(fù)合索引

推薦度：

點擊下載本文 文檔為doc格式

導(dǎo)讀關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié):想來接觸mongodb已經(jīng)快一年了，對于它的索引知識也積攢了不少經(jīng)驗，趁著這個月黑風(fēng)高的夜晚，就把mongodb的索引總結(jié)一番吧。一，索引介紹 mongodb具有兩類索引，分別為單鍵索引和復(fù)合索引。 1.單鍵索引是最簡單的一種索引，創(chuàng)建單鍵索引的開銷要比復(fù)合索引

想來接觸mongodb已經(jīng)快一年了，對于它的索引知識也積攢了不少經(jīng)驗，趁著這個月黑風(fēng)高的夜晚，就把mongodb的索引總結(jié)一番吧。一，索引介紹 mongodb具有兩類索引，分別為單鍵索引和復(fù)合索引。 1.單鍵索引是最簡單的一種索引，創(chuàng)建單鍵索引的開銷要比復(fù)合索引

想來接觸mongodb已經(jīng)快一年了，對于它的索引知識也積攢了不少經(jīng)驗，趁著這個月黑風(fēng)高的夜晚，就把mongodb的索引總結(jié)一番吧。

一，索引介紹

mongodb具有兩類索引，分別為單鍵索引和復(fù)合索引。

1.單鍵索引是最簡單的一種索引，創(chuàng)建單鍵索引的開銷要比復(fù)合索引小很多。單鍵索引主要用于針對單值查詢的條件。

2.復(fù)合索引是將文檔中的幾個鍵聯(lián)合起來創(chuàng)建的一種索引，創(chuàng)建這種索引需要更多的空間與性能開銷。分別體現(xiàn)在：

1).在給大量數(shù)據(jù)創(chuàng)建復(fù)合索引時，會阻塞數(shù)據(jù)庫的查詢，更不用說修改和插入操作了；

2).插入一條數(shù)據(jù)時，要花費更多的時間來給復(fù)合索引加數(shù)據(jù)；

3).創(chuàng)建的復(fù)合索引所站得空間大小根據(jù)數(shù)據(jù)的類型以及鍵的數(shù)量而有所不同。比如，如果你用五個NumberInt的鍵創(chuàng)建的復(fù)合索引的空間大小，并不會比兩個NumberInt和一個String類型創(chuàng)建的復(fù)合索引占用更多的空間。索引在設(shè)計數(shù)據(jù)類型時，盡量將數(shù)據(jù)類型設(shè)置為NumberInt類型，以及盡量少使用string類型的數(shù)據(jù)做索引；

二，創(chuàng)建索引

創(chuàng)建索引的語句很簡單。

1.單鍵索引的創(chuàng)建：db.test.ensureIndex({name:1},{name:'index_name'})

2.復(fù)合索引的創(chuàng)建：db.test.ensureIndex({name:1,age:1,sex:1},{name:'index_nas'})

三，索引優(yōu)化

索引的優(yōu)化是一個重頭戲，需要詳細的來解釋。我得測試數(shù)據(jù)插入了100萬條。字段分別為name,sex,type,time,id

1.我們來看一個簡單的查詢：db.test.find({name:'name_1'}) 相信大家對這個查詢已經(jīng)很熟悉了，然后我們來看看這個語句的索引執(zhí)行計劃：

{
	"cursor" : "BasicCursor", 查詢語句所用到的索引，而BasicCursor代表沒有索引
	"isMultiKey" : false, 是否為復(fù)合索引
	"n" : 1, 查詢到的結(jié)果數(shù)
	"nscannedObjects" : 1000000, 掃描的文檔數(shù)量
	"nscanned" : 1000000, 掃面的索引數(shù)量
	"nscannedObjectsAllPlans" : 1000000, //影響的所有的被掃描文檔的總數(shù)量
	"nscannedAllPlans" : 1000000, //所有被掃描的索引的總數(shù)量
	"scanAndOrder" : false, 是否排序
	"indexOnly" : false,
	"nYields" : 2,
	"nChunkSkips" : 0,
	"millis" : 342, 花費的時間
	"indexBounds" : {
	
	},
	"server" : "node1:27017"
}

從這個執(zhí)行計劃中可以看出，該條查詢語句查詢一條數(shù)據(jù)需要掃描整個表，這肯定扯淡了嘛，那這時候就該給這個字段創(chuàng)建索引了，創(chuàng)建一個單鍵索引

db.test.ensureIndex({name:1},{name:'index_name'})

創(chuàng)建完索引之后，再來查看看這條查詢語句的執(zhí)行計劃：

{
	"cursor" : "BtreeCursor index_name",
	"isMultiKey" : false,
	"n" : 1,
	"nscannedObjects" : 1,
	"nscanned" : 1,
	"nscannedObjectsAllPlans" : 1,
	"nscannedAllPlans" : 1,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 0,
	"indexBounds" : {
	"name" : [
	[
	"name_1",
	"name_1"
	]
	]
	},
	"server" : "node1:27017"
}

簡直是逆天啊，nscanned和nscannedObjects居然從100萬下降到1條，也就是查詢數(shù)據(jù)時，只掃描了一條就已經(jīng)找到，而且花費的時間是0秒，沒有創(chuàng)建索引時，居然是342毫秒，絕對索引威武啊。

2.這時候我想通過type和sex來組合查詢某一條件的數(shù)據(jù): db.test.find({type:1,sex:0}) 看看這句的執(zhí)行計劃：

{
	"cursor" : "BasicCursor",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 1000000,
	"nscanned" : 1000000,
	"nscannedObjectsAllPlans" : 1000000,
	"nscannedAllPlans" : 1000000,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 529,
	"indexBounds" : {
	
	},
	"server" : "node1:27017"
}

從這個計劃中可以看出，為了查找?guī)兹f條數(shù)據(jù)，它也掃描了整個表，很顯然，該創(chuàng)建索引了：

db.test.ensureIndex({type:1,sex:1},{name:'index_ts'})

創(chuàng)建完索引之后，再來執(zhí)行查詢語句，看看執(zhí)行計劃：

db.test.find({type:1,sex:0}).explain()
{
	"cursor" : "BtreeCursor index_ts",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 55555,
	"nscanned" : 55555,
	"nscannedObjectsAllPlans" : 55555,
	"nscannedAllPlans" : 55555,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 112,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	0,
	0
	]
	]
	},
	"server" : "node1:27017"
}

很顯然，絕對是一個最佳索引，因為n=nscannedObjects=nscanned了，而且查詢時間從529毫秒下降到112毫秒了，這也是一個質(zhì)的飛躍，可以明顯的看到，它使用了剛剛創(chuàng)建的index_ts索引。

現(xiàn)在我又有一個需求了，我想通過時間再來排序，好的，我們執(zhí)行查詢語句： db.test.find({type:1,sex:0}).sort({time:-1}) 我們來看看這個查詢語句的執(zhí)行計劃：

{
	"cursor" : "BtreeCursor index_ts",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 1000000,
	"nscanned" : 1000000,
	"nscannedObjectsAllPlans" : 1000000,
	"nscannedAllPlans" : 1000000,
	"scanAndOrder" : true,
	"indexOnly" : false,
	"nYields" : 1,
	"nChunkSkips" : 0,
	"millis" : 695,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	0,
	0
	]
	]
	},
	"server" : "node1:27017"
}

看到?jīng)]，這個查詢語句跟上一個創(chuàng)建索引之后的查詢出來的結(jié)果相差還是很大的，scanAndOrder和millis,時間花費了將近700毫秒，而且在查詢完畢之后還要排序，這也太不近人情了，就加了一個排序操作，怎么會讓它從白天鵝變成丑小鴨了呢？啊，關(guān)鍵參數(shù)就是scanAndOrder，意思就是在內(nèi)存中把結(jié)果排序了嘛，那好啊，既然你如此薄情，那我就建個復(fù)合索引來對抗: db.test.ensureIndex({type:1,sex:1,time:-1},{name:'index_tst'})

{
	"cursor" : "BtreeCursor index_tst",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 55555,
	"nscanned" : 55555,
	"nscannedObjectsAllPlans" : 55555,
	"nscannedAllPlans" : 55555,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 126,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	0,
	0
	]
	],
	"time" : [
	[
	{
	"$maxElement" : 1
	},
	{
	"$minElement" : 1
	}
	]
	]
	},
	"server" : "node1:27017"
}

看到了嗎？各種參數(shù)又回到最佳狀態(tài)了。這時候可能有人會問了，為什么要把time放到索引的最后而不是其它位置呢？其實這在創(chuàng)建索引時是有要求的，即：

將等值索引放在最前面
盡量將排序字段放在范圍字段的前面
$nin和$ne跟索引沒有關(guān)系

接下來我們再給查詢語句加條件： db.test.find({type:1,sex:0,id:{$gt:1,$lt:500000}}) 執(zhí)行計劃如下:
```
{
	"cursor" : "BasicCursor",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 1000000,
	"nscanned" : 1000000,
	"nscannedObjectsAllPlans" : 1000000,
	"nscannedAllPlans" : 1000000,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 2,
	"nChunkSkips" : 0,
	"millis" : 553,
	"indexBounds" : {
	
	},
	"server" : "node1:27017"
}
```
可以看到，只返回兩萬多條數(shù)據(jù)，但是卻掃描了整個表，這肯定是很蛋疼的事情嘛，索引走起：

db.test.ensureIndex({type:1,sex:1,id:1},{name:'index_tis'})
```
{
	"cursor" : "BtreeCursor index_tis",
	"isMultiKey" : false,
	"n" : 55555,
	"nscannedObjects" : 55555,
	"nscanned" : 55555,
	"nscannedObjectsAllPlans" : 55555,
	"nscannedAllPlans" : 55555,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 1,
	"nChunkSkips" : 0,
	"millis" : 137,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	0,
	0
	]
	],
	"id" : [
	[
	1,
	1000000
	]
	]
	},
	"server" : "node1:27017"
}
```
很顯然，這是個非常不錯的組合索引，那為何不把id放在其它地方，偏偏放在最后面呢？因為在mongodb中，索引是從左到右執(zhí)行的，因此顯然要從左到右一次過濾最大數(shù)量的數(shù)據(jù)顯然type和sex的組合過濾數(shù)據(jù)量要比id高更多，因為id的忙查率要遠高于這兩個組合。

接著再把按time排序加上，查詢：db.test.find({type:1,sex:1,id:{$gt:0,$lt:1000000}}).sort({time:-1}).explain()
```
{
	"cursor" : "BasicCursor",
	"isMultiKey" : false,
	"n" : 55556,
	"nscannedObjects" : 1000000,
	"nscanned" : 1000000,
	"nscannedObjectsAllPlans" : 1000000,
	"nscannedAllPlans" : 1000000,
	"scanAndOrder" : true,
	"indexOnly" : false,
	"nYields" : 1,
	"nChunkSkips" : 0,
	"millis" : 725,
	"indexBounds" : {
	
	},
	"server" : "node1:27017"
}
```
可以看到，這個查詢語句也是極其慢的，而且還要再內(nèi)存中排序，所以肯定要創(chuàng)建索引了：

db.test.ensureIndex({type:1,sex:1,id:1,time:-1},{name:'index_tist'}) 我們先這樣創(chuàng)建索引，看看執(zhí)行計劃：
```
{
	"cursor" : "BtreeCursor index_tist",
	"isMultiKey" : false,
	"n" : 55556,
	"nscannedObjects" : 55556,
	"nscanned" : 55556,
	"nscannedObjectsAllPlans" : 55657,
	"nscannedAllPlans" : 55657,
	"scanAndOrder" : true,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 404,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	1,
	1
	]
	],
	"id" : [
	[
	0,
	1000000
	]
	],
	"time" : [
	[
	{
	"$maxElement" : 1
	},
	{
	"$minElement" : 1
	}
	]
	]
	},
	"server" : "node1:27017"
}
```
看到了沒有，雖然查詢時間縮短了，但是這個查詢結(jié)果還是會排序結(jié)果，好，我們再把索引改改：

db.test.ensureIndex({type:1,sex:1,time:-1,id:1},{name:'index_tist'})
```
{
	"cursor" : "BtreeCursor index_tist",
	"isMultiKey" : false,
	"n" : 55556,
	"nscannedObjects" : 55556,
	"nscanned" : 55556,
	"nscannedObjectsAllPlans" : 55657,
	"nscannedAllPlans" : 55657,
	"scanAndOrder" : false,
	"indexOnly" : false,
	"nYields" : 0,
	"nChunkSkips" : 0,
	"millis" : 168,
	"indexBounds" : {
	"type" : [
	[
	1,
	1
	]
	],
	"sex" : [
	[
	1,
	1
	]
	],
	"time" : [
	[
	{
	"$maxElement" : 1
	},
	{
	"$minElement" : 1
	}
	]
	],
	"id" : [
	[
	0,
	1000000
	]
	]
	},
	"server" : "node1:27017"
}
```
再來看看，快到什么程度了，這個查詢的速度和參數(shù)條件已經(jīng)比上一個索引的快了很多，那為什么會出現(xiàn)這種情況呢？為什么time在id的前后會有不同的表現(xiàn)？這是因為通過type和sex字段過濾完之后，已經(jīng)在內(nèi)存中有了數(shù)據(jù)，而這些數(shù)據(jù)下一步需要怎么辦？是先通過id來篩選，還是按照排序篩選呢？這里有一個知識點，在把id放在time前面時，程序首先會取復(fù)合id值，然后再把復(fù)合的數(shù)據(jù)排序，但是如果id放在排序的后面，那么程序?qū)⒅苯油ㄟ^順序掃描索引樹的方式取出復(fù)合id范圍的數(shù)據(jù)。

四，總結(jié)

1.mongodb創(chuàng)建索引難點在于排序和范圍查詢的字段位置選擇

2.mongodb的復(fù)合索引的索引截取查詢是順序的，即如果(a:1,b:1,c:1},則可以是查詢{a:1},{a:1,b:1},{a:1,b:1,c:1}中得任何一種都會使用該索引，其它查詢情況將不會用到該索引；

3.盡量創(chuàng)建更少的索引以提高數(shù)據(jù)庫性能

4.以上的索引優(yōu)化只是生產(chǎn)環(huán)境的一部分，具體情況可能還要看自己的業(yè)務(wù)來定

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

推薦度：

點擊下載本文 文檔為doc格式

標簽：創(chuàng)建一些接觸

熱門焦點

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

關(guān)于mongodb創(chuàng)建索引的一些經(jīng)驗總結(jié)

最新推薦

猜你喜歡

熱門推薦