共计 3363 个字符，预计需要花费 9 分钟才能阅读完成。
什么是索引
索引是一种用来不便查问数据的 数据结构
B Tree 就是一种罕用的数据库索引数据结构，MongoDB 采纳 B 树做索引，索引创立在 colletions 上。
咱们能够在这个网站上直观的看到索引的成果
https://www.cs.usfca.edu/~gal…
除了 B 树，均衡二叉树、红黑数、B + 树都能够用来做索引
mongodb 应用索引和不应用索引
- MongoDB 不应用索引的查问的时候，会先扫描所有的文档，再匹配符合条件的文档。
- 应用索引的查问，会通过索引找到文档，应用索引可能极大的晋升查问效率
mongodb 中的索引
mongodb 中的索引与多种索引类型，梳理一下看看成果
| 索引类型 | 形容 | demo |
|---|---|---|
| 单字段索引 | 在某一个特定的字段上建设索引 mongoDB 在 ID 上建设了惟一的单键索引，所以常常会应用 id 来进行查问； 在索引字段上进行准确匹配、排序以及范畴查找都会应用此索引； |
创立一个倒序的索引 db.users. createIndex({age:-1}); |
| 复合索引 | 在多个特定的属性上建设索引 <br/> 复合索引键的排序程序, 能够确定该索引是否能够反对排序操作；<br/> 在索引字段上进行准确匹配、排序以及范畴查找都会应用此索引, 但与索引的程序 <br/> 无关；<br/> 为了性能思考, 应删除存在与第一个键雷同的单键索引 | db.users. createIndex({username:1,age:-1,country:1}) |
| 多键索引 | 在数组的属性上建设索引 <br/> 针对这个数组的任意值的查问都会定位到这个文档, 既多个索引入口或者键值援用 <br/> 同一个文档 | db.users.createIndex({favorites.city:1}) |
| 空间索引 | 2 种平面几何的 2d 索引，球面几何的 2dsphere 索引 见后文详解 <br/> 文本索引 反对在汇合中搜寻字符串内容 | db.reviews.createIndex({ comments: “text”} ) |
| Hash 索引 | 不同于传统的 B - 树索引, 哈希索引应用 hash 函数来创立索引 <br/> 在索引字段上进行准确匹配, 但不反对范畴查问, 不反对多键 hash；<br/>Hash 索引上的入口是均匀分布的, 在分片汇合中十分有用 | db.users.createIndex({username : ‘hashed’}) |
如何应用索引
MongoDB 应用 createIndex() 办法来创立索引，createIndex() 办法根本语法格局是这样的
db. 汇合名.createIndex(keys, options)-
key
文档类型值为要创立的索引字段，1 为指定按升序创立索引，- 按降序来创立索引指定为 -1。
- options
文档类型值 MongoDB 中提供了丰盛的属性，比方 background，是否后盾构建索引,
数据量太大时构建索引耗费工夫长，为了不影响业务，能够加上此参数
后盾运行同时还会为其余读写操作让路
- name
自定义索引名字
mongodb 的索引属性
惟一索引
可确保索引字段不会存储反复值
MongoDB 默认在创立汇合时会在_id 字段上创立惟一索引，例如
db.collection.createIndex({id:1},
{unique:true}
) 局部索引
仅索引汇合中合乎指定过滤器表达式的文档
较低的存储需要，索引创立和保护的老本变小，例如
db.restaurants.createIndex({ cuisine: 1, name: 1},
{
partialFilterExpression:{
rating:{$gt: 5}
}
}
) 稠密索引
仅索引蕴含具备索引字段的文档，哪怕索引字段蕴含空值，例如
db.addresses.createIndex({ "xmpp_id": 1},
{sparse: true}
) TLL 索引
非凡的单字段索引，在肯定工夫后或在特定工夫主动从汇合中删除文档
这对于日志和会话类的信息很有用。
db.eventlog.createIndex({"lastModifiedDate":1},
{expireAfterSeconds:3600}
) 不辨别大小写
例如
db.fruit.createIndex({ type: 1},
{
collation:{
locale:'en',
strength:2
}
}
)如何治理索引
创立索引
db. 汇合名.createIndex()查看索引
db. 汇合名.getIndexes()
db. 汇合名.totalIndexSize()更新索引
db. 汇合名.reIndex()删除索引
db. 汇合名.dropIndex()
db. 汇合名.dropIndexes()单字段索引
图片来源于 mongodb 官网
MongoDB 为文档汇合中的任何字段上的索引提供了残缺的反对
默认状况下，所有汇合在_id 字段上都有一个索引，应用程序和用户能够增加额定的索引来反对重要的查问和操作
复合索引
MongoDB 反对复合索引，其中单个索引构造保留对汇合文档中多个字段的援用。
图中能够看到应用了 userid 和 score 的援用，userid 是升序，score 是倒序
在官网上咱们能够看到 mongodb 的每一种索引类型的图解
https://docs.mongodb.com/manu…
- 单字段索引
- 合乎索引
- 多键索引
多键索引，或能够称为数组索引
文档的多个待索引字段是数组，不能创立两个多键值字段的复合索引，复合索引只能蕴含一个字段是多键索引。
MongoDB 是文档型数据库，两个字段为数组，这个状况是能够产生扭转的，比方其中一个为数组，另一个不是数组。
- 文本索引
- 通配符索引
MongoDB 反对动静的文档构造，通过通配符索引应用程序能够查问当时未知字段
例如能够这样创立索引
{"userMetadata" : { "likes" : [ "pigs", "cats"] } }
{"userMetadata" : { "dislikes" : "pickles"} }
{"userMetadata" : { "age" : 100} }能够 通过 $** 来匹配某个字段前面未知的字段
db.userData.createIndex({ "xxx.$**" : 1} )- 二维空间
MongoDB 中有两种二维立体索引：2d、geoHaystack。
1、2d，对在二维立体上坐标点为存储的数据应用索引，是 2.2 版本中的坐标对。
2、GeyHaystack 索引是一个非凡的索引，该索引被优化以在较小的区域上返回结
3、GeHaystack 索引进步了应用立体几何图形的查问的性能
例如
立体的坐标咱们能够这样来示意
// 数组模式
location: [-43.856077, 21.848447]
// 内嵌文档模式，第一个为经度，第二个为纬度，疏忽字段名
location: {field1: -63, field2: 31,6}空间索引总是稠密的，并且疏忽稠密选项，仅反对简略的二进制比拟
- hash 索引等等
Hash 索引通过索引字段值的散列来保护索引数据，应用哈希函数来计算索引字段值的哈希，
次要应用在分片键上。须要留神的点：
1、反对任意单字段的 Hash 索引，不能创立多键的 Hash 索引
2、Hash 值会产生碰撞，Hash 索引不能设定为惟一束缚
3、反对相等查问，不反对范畴查问
4、创立 hash 索引的字段也能够创立其余索引
5、hashed 索引不反对不能转换为 64 位整数的浮点值，大于 2 的 53 次方的浮点值
// 创立一个 hash 索引
db. 汇合名.createIndex({ field: "hashed"} )写在最初
最初梳理一下 应用 mongodb 的注意事项：
- 对应用程序的查问要有粗浅的了解
确定将要运行的查问的类型，以便能够构建援用这些字段的索引
- 通过索引来进步查问效率
当索引蕴含该查问扫描的所有字段时，该索引就反对该查问
- 通过索引对查问后果进行排序
为了反对无效的查问，在指定索引字段的程序和排序程序工夫
- 确保索引有足够的内存
内存无限的状况下，MongoDB 通过保留最近的值来淘汰老值，mongodb 的索引还是很耗费内存的
- 应用可能笼罩索引的查问
查问应用索引放大后果范畴，能够限度可能检索的文档数量
总的来说，咱们学习还是从官网动手
欢送点赞，关注，珍藏
敌人们，你的反对和激励，是我保持分享，提高质量的能源
好了，本次就到这里
技术是凋谢的，咱们的心态，更应是凋谢的。拥抱变动，背阴而生，致力向前行。
我是 阿兵云原生，欢送点赞关注珍藏，下次见~