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~