MongoDB 学习五:索引

这章我们介绍MongoDB的索引，用来优化查询。

索引介绍

数据库索引有些类似书的目录。

一个查询如果没有使用索引被称为表扫描，意思是它必须像阅读整本书那样去获取一个查询结果。一般来说，我们应尽量避免这种情况，

因为它是非常慢的。

举个例子，我们创建一个百万条数据的collection:

for(i=0;i<1000000;i++){
     db.users.insert({
          "i":i,
          "username":"user" + i,
          "age":Math.floor(Math.random()*120),
          "created":new Date()
　  })
}

假如我们查找这个collection,我们可以使用explain()来查看详细的查询信息。例如:

db.users.find({username:"user101"}).explain();

返回

{
        "cursor" : "BasicCursor",
        "isMultiKey" : false,
        "n" : 1,
        "nscannedObjects" : 1000000,
        "nscanned" : 1000000,
        "nscannedObjectsAllPlans" : 1000000,
        "nscannedAllPlans" : 1000000,
        "scanAndOrder" : false,
        "indexOnly" : false,
        "nYields" : 7812,
        "nChunkSkips" : 0,
        "millis" : 521,
        "server" : "Colin_xu:27017",
        "filterSet" : false
}

上述信息要点:

"cursor":"BasicCursor"说明查询没有使用索引

"nscanned":1000000   代表查询了多少文档

"n":1   代表返回文档的数量

"millis":521 代表数据库执行查询的时间(毫秒)

这时我们加上索引:

db.user.ensureIndex({"username":1})

这时再查询的返回结果:

{
        "cursor" : "BtreeCursor username_1",
        "isMultiKey" : false,
        "n" : 1,
        "nscannedObjects" : 1,
        "nscanned" : 1,
        "nscannedObjectsAllPlans" : 1,
        "nscannedAllPlans" : 1,
        "scanAndOrder" : false,
        "indexOnly" : false,
        "nYields" : 0,
        "nChunkSkips" : 0,
        "millis" : 47,
        "indexBounds" : {
                "username" : [
                        [
                                "user101",
                                "user101"
                        ]
                ]
        },
        "server" : "Colin_xu:27017",
        "filterSet" : false
}

这时我们看看两次结果的misllis，差距显而易见。

复合索引

当查询中排序中仅使用一个键时，可以对该键建立索引，以提高查询速度。然而，对于其他查询可能没有帮助，即便是查询包含了被索引的键。

所以，一定要创建查询中用到所有键的索引。

索引名称

集合中的每个索引都有一个字符串类型的名字，来唯一标识索引，服务器通过这个名字来删除或者操作索引。

默认情况下，索引名类似keyname1_dir1_keyname2_dir2_..._keynameN_dirN这种形式，其中keynameX代表索引的键，

dirX代表索引的方向（1或者-1）。要是索引的键特别多，这样命名就略显愚笨，不过还好可以通过ensureIndex的选项来自定义名字。

db.foo.ensureIndex({"a":1,"b":1,"c":1,...,"z":1},{"name":"alphabet"})

索引名有字符个数的限制，所以特别复杂的索引在创建时一定要用自定义名字。

唯一索引

唯一索引可以确保集合的每一个文档的指定键都有唯一值。例如，如果想保证文档的"username"键都有不一样的值，创建一个唯一索引就好了:

db.users.ensureIndex({"username":1},{"unique":true});

消除重复

当为已有的集合创建索引，可能有些值已经有重复了。若是真的发生这种情况，那么索引的创建就是失败。有些时候，可能希望将所有包含重复值的文档都删掉。

dropDups选项就可以保留发现的第一个文档，而删除接下来的有重复值的文档:

db.people.ensureIndex({"username":1},{"unique":true,"dropDups":true})

地理空间索引

还有一种查询变得越来越流行(尤其是随着移动设备的出现);找到离当前位置最近的N个场所。MongoDB为坐标平面查询提供了专门的索引，称为地理空间索引。

假设要找到给定经纬度周围最近的咖啡馆，就需要创建一个专门的索引来提高这种查询的效率，这是因为这种查询需要搜索两个维度。地理空间索引同样可以由ensureIndex来创建，

只不过参数不是1，而是"2d";

db.map.ensureIndex({"gps":"2d"})

"gps"键的值必须是某种形式的一对值:一个包含两个元素的数组或是包含两个键的内嵌文档。下面这些都是有效的:

{"gps":[0,100]};

{"gps":{"x":-30,"y":30}};

{"gps":{"latitude":-180,"longitude":180}};

至于键名可以随意。

地理空间查询以两种方式进行，即普通查询或者使用数据库命令。find的方式与一般的查询差别不大，只不过用了"$near"。需要两个目标值的数组作为参数:

db.map.find({"gps":{"$near":[40,-73]}})

这会按照离点(40,-73)由近及远的方式将map集合的所有文档都返回。在没有指定limit的值时，默认是100个文档。

也可以使用geoNear来完成相同操作。

db.runCommond({"geoNear”:"map","near":[40,-73]})

geoNear还会返回每个文档到查询点的距离，这个距离是以你插入的数据为单位的，如果按照经纬度的角度插入，则距离就是经纬度。

find和"$near"的组合不会给出距离，但若结果大于4M，这是唯一的选择。