本文来自取得《2021MongoDB技术实际与利用案例征集流动》优良案例奖作品
作者：雷彻
引文
MongoDB晚期版本反对multi-key索引，放慢数组检索，很受程序员喜爱；在4.2版本又推出了wildCard索引，反对object和数组检索。这两种索引有相似之处，但在性能上wildCard更弱小。日常工作中，有同学对这两种索引的应用场景比拟含糊，因而在这里抛砖引玉，供大家借鉴。
Multi-key index
multi-key 反对对数组的高效查问。
举例：
db.employee1.insertMany([
{"name":"xiaoming","age":25,"ctime":new ISODate(),goodAt:
["mongodb","hbase","c++"]},{"name":"xiaohong","age":28,"ctime":new
ISODate(),goodAt:["es","java","c++"]},{"name":"xiaoguang","age":29,"ctime":new
ISODate(),goodAt:["mysql","c++","mongodb"]}
])
--index
db.employee1.createIndex({goodAt:1})
--查找
db.employee1.find({"goodAt":"mysql"})
explain的后果中，winningPlan.inputStage.stage为IXSCAN ,走索引goodAt_1。这里字
段”mysql”是一个残缺的数组元素。上面再做两个测试：
侵入查问测试
如果数组元素为json串，不能通过multi-key索引查问某个元素的属性
db.employee1.insertMany([{
"name":"a",
"age":25,
"ctime":new ISODate(),
"goodAt":[
{database:"mysql", lang:"c++"},
{database:"hbase",lang:"java"},
{database:"tidb",lang:"golang"}
]
}])
--截取json属性，不反对；db.employee1.find({"goodAt":{"database":"mysql"}}).explain() /**走索引，后果为
空，没有满足条件的元素**/
db.employee1.find({"goodAt":{"database":"mysql", "lang" : "c++" }}).explain()
/**走索引，后果不为空**倡议应用如下写法：
--递归
db.employee1.find({"goodAt.database":"mysql"}).explain() /**不走索引，后果不为空
**/
如果要查问database字段，只能对 goodAt.database 加索引
db.employee1.createIndex({"goodAt.database":1})
db.employee1.find({"goodAt.database":"mysql"}).explain() /**走索引，后果不为空
**/
tips:
multi-key实用于对数组进行索引
不能对数组进行哈希
不反对对嵌套的对象进行查问；
WildCard index
在上文中，查问数组元素某个字段，就须要对字段独自加索引，用起来很不不便。在MongoDB4.2版本引入了wildCard索引，反对对象，数组的检索，并且能够侵入元素外部遍历，十分不便。
多属性汇合，ok:{k1:v1,k2:v2}，对ok建索引
举例：
db.employee2.insertMany([
{
"name":"xiaoming",
"age":25,
"ctime":new ISODate(),
"goodAt":{
"database":["mongodb","hbase"],
"programLanguage":"c++"
}
},
{
"name":"xiaohong",
"age":28,
此时尚未建索引，查问goodAt某个属性，能够看到stage为COLLSCAN
增加wildCard索引后
"ctime":new ISODate(),
"goodAt":{
"database":"mysql",
"programLanguage":"java",
"middleAware":"zookeeper"
}
},
{
"name":"xiaoguang",
"age":29,
"ctime":new ISODate(),
"goodAt":{
"database":"mongodb",
"programLanguage":"python",
"web":"nodejs"
}
}
])此时尚未建索引，查问goodAt某个属性，能够看到stage为COLLSCAN
db.employee2.find({"goodAt.database": "mysql"}).explain()
增加wildCard索引后
--对goodAt建索引
db.employee2.createIndex({ "goodAt.$**": 1 })
db.employee2.find({"goodAt.database": "mongodb"}).explain()
在元素”name”:”xiaoming”中，goodAt.database字段的值为数组，咱们看看是否走索引匹配
db.employee2.find({"goodAt.database": "mongodb"}).explain()
wildCard索引也反对一个multi-key索引，能够对其中的数组元素进行索引匹配。
侵入查问测试
进一步在wildCard索引中的数组元素下，增加对象，是否走索引？咱们在goodAt.database属性中，减少数组属性，做属下测试，指标是确认wildCard是否在数组中递归；
db.employees2.insert(
{
"name":"xiaohong1",
"age":29,
"ctime":new ISODate(),
"goodAt":{
"database":[{"rdb":"mysql"},
{"nosql":["mongodb","redis"]},
{"newsql":"tidb"}
],
"programLanguage":"go"
}
})
db.employee2.find({"goodAt.database.nosql": "mongodb"}).explain()
显然，wildCard索引反对对数组元素中的检索。
db.employees2.insert(
{
"name":"a",
"age":29,
"ctime":new ISODate(),
"goodAt":{
"database":{"rdb":"mysql","nosql":"mongodb","newsql":"tidb"},
"programLanguage":"go"
}
})
db.employee2.find({"goodAt.database.nosql": 1}).explain()
再回到咱们multi-key中的例子，把索引改为wildCard，是否可行？
db.employee1.dropIndexes('goodAt_1')
db.employee1.createIndex({ "goodAt.$**": 1 })
db.employee1.find({"goodAt.database":"mysql"}).explain()
能够满足需要。留神：
wildCard不能反对两层以上的数组嵌套
wildCard也不反对对如下查问的索引拜访
db.employee1.find({“goodAt”:{“database”:”mysql”}}).explain()
查问子属性，倡议应用 {“goodAt.database”:1} 而不是 {goodAt:{“database”:1}} ，对索引更友 好。
小结
multi-key和wildCard索引别离实用不同的场景，让entry建模变得更加简略。在应用时，须要留神：
multi-key索引次要放慢数组遍历，性能纯正；
wildCard能够侵入遍对象或数组外部，防止单属性创立索引，更加灵便；
wildCard不会遍历间断嵌套两层以上的数组；
不倡议太多层嵌套，尽量管制在3层以内；
对于作者：雷彻
搜狐团体数据库团队高级运维工程师，具备丰盛的数据库运维教训，精通数据库架构设计、性能优化及故障诊断，目前负责MySQL及MongoDB运维管理工作，并参加公司数据库云平台开发建设，将运维教训集成到公司数据库云平台中。专一于CDC服务构建。愿和大家多交流学习，为社区奉献一份力量！
发表回复