mongodb索引讲解与性能调优
admin
- 2 minutes read - 343 wordsmongodb索引规则基本上与传统的关系库一样，大部分优化MySQL/Oracle/SQLite索引的技巧也适用于mongodb。
一、 为什么用索引：
当查询中用到某些条件时，可以对该键建立索引，以提高查询速度。
如果数据量很多且查询多于更新时，可以用索引提高查询的速度。
二、 索引管理：
a) 查询索引：
- 查询已有索引的明细：
查询索引很简单，比如说需要查询mailaccess数据库中的Mail collection上的索引时：
mongo 进入mongo
MongoDB shell version: 1.8.1
connecting to: test
use mailaccess 进入mailaccess database
switched to db mailaccess
db.Mail.getIndexes() 查询索引明细
[
{
“name” : “_id_”,
“ns” : “mailaccess.Mail”,
“key” : {
“_id” : 1
},
“v” : 0
},
{
“_id” : ObjectId(“4df063ac48857df7ac35c348”),
“ns” : “mailaccess.Mail”,
“key” : {
“user” : 1,
“folderId” : 1,
“mailfilename” : 1
},
“name” : “user_1_folderId_1_mailfilename_1”,
“v” : 0
},
……
- 查询索引大小：
db.Mail.totalIndexSize() 查询索引大小
114688 索引所占大小，单位：字节
b) 创建索引：
db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1})
该命令会在Mail上创建一索引，默认索引名称的规则为：
Keyname1_dir1_keyname2_dir2…，如果该索引的默认名称：
user_1_folderId_1_mailfilename_1
其中：1表示升序 -1表示降序
要是索引键很多时，最好自定义名称，如：定义名称为：index1
db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1} ,{name:’index1′})
c) 删除索引：
如需删除名称为index1的索引：
db.Mail.dropIndex(‘index’)
如需删除Mail中的所有索引时：
db.Mail.dropIndex(‘*’) _id索引不会删除
还有一种方式是删除collection，collection中的所以索引也会消失，注意：_id索引也会被删除。(删除collection中的数据不会删除索引)
d) 修改索引：
Mongodb没有单独的修改索引的方法，如果需要修改某个索引，需要先删除旧有的索引，再创建新的索引。
随着数据量的不断增长，你可能会发现某个collection需要修改索引或增加索引，此时创建索引就会很费力了，同时也很消耗性能。创建索引时mongodb默认是阻塞式，阻塞会让索引建立得更快，任何此期间的请求将不能响应。可以使用｛”background”:true｝选项在后台完成，同时也可能正常处理请求。不过这种方式也会造成请求的响应很慢。如果非紧急情况，最好在晚上统一处理。
三、 索引种类：
a) 默认索引：
Mongodb每个collection都会有一个默认主键_id，这个不能删除、也不会更名。当collection创建后，系统会自动创建一个”_id_”的索引，这个也是无法删除与更名的。
b) 单列索引：
在单个栏位上创建的索引，比如，需要对Mail的read创建升序索引：
db.Mail.ensureIndex({‘read’:1})
c) 组合索引：
对多个键创建的索引，比如，需要对Mail的user与folderId创建降序索引：
db.Mail.ensureIndex({‘user’:-1,’folderId’:-1})
d) 子文档索引：
可以为内嵌文档的键创建索引，这种与普通索引没有什么区别，比如：需要对Mail中的attachments下的filename创建索引:
db.Mail.ensureIndex({‘attachments.filename’:1})
注意：attachments.filename必须位于’’之中，否则会报错
e) 唯一索引：
唯一索引可能确保collection的每一个document指定的键的唯一性。当文档不存在指定键时，会被认为键值是“null”，所以“null”也会被认为是重复的，所以一般被作为唯一索引的键，最好都要有键值对。比如：要保证Mail中每个用户的mailfilename的唯一性：
db.Mail.ensureIndex({‘user’:1,‘filename’:1},{name:’index1’,‘unique’:true})
当为已有的collection增加唯一索引时，可能会有数据已经重复了。有时候可能希望将所有包含重复的文档都删除，可能在创建唯一索引时，使用dropDups选项：
db.Mail.ensureIndex({‘user’:1,‘filename’:1},{‘unique’:true，’dropDups’:true})
这个会将重复的数据只保留一份，不过有点鲁莽，如果数据很重要的话，建议不好这样做。
注意了：
Insert并不检查文档是否插入过，所以确保数据的唯一性，可能要用安全模式插入才行。这样，在插入时，如果有重复就会有错误提醒
f) Sparse索引：
Sparse index解决索引文件过大的问题，有时候我们要索引的某个属性并非是所有记录都有，普通的索引是将所有的记录都包含进来，而sparse索引则仅包含含有这个属性的记录，它不会对该项值为空的行作索引。这样就大大减小了某些列的索引大小。目前的限制是，sparse index只能包含一个属性。比如：在Mail中有个标签属性labels，这个属性是唯一的，且有值的情况也不多，这种情况就最适合用sparse索引了，创建索引的命令为：
db.Mail.ensureIndex({labels:1},{sparse:true})
g) Covered 索引:
如果你查找的值正好是在索引中，则可以直接返回索引中存的值，而不用到数据文件中查找。（这个在传统关系型数据库中也有实现），不过，必须满足以下条件：
- 必须提供准备的返回字段，以便可以直接从索引库中查询
- 必须明确地排除使用_id字段{_id：0}
当用explain时，当indexOnly=true，表示有用到covered index:
// do a login with a covered index, returning the users roles/groups
db.users.ensureIndex( { username : 1, password : 1, roles : 1} );
db.users.save({username: “joe”, password: “pass”, roles: 2})
db.users.save({username: “liz”, password: “pass2”, roles: 4})
db.users.find({username: “joe”}, {_id: 0, roles: 1})
{ “roles” : 2 }
db.users.find({username: “joe”}, {_id: 0, roles: 1}).explain()
{
“cursor” : “BtreeCursor username_1_password_1_roles_1”,
…
“indexOnly” : true,
…
}
四、 正则表达式在索引中的使用：
正则表达式可以灵活地匹配查询条件，如果希望正则表达式能命中索引，就要注意了：
Mongodb能为前缀型的正则表达式命中索引，比如：需要查询Mail中user以z开头的：
/^z/
如果有user索引，这种查询很高效
但其他的即使有索引，也不会命中索引，比说：需要查询Mail中的user中含有z的：
/.*z.*/
/^.*z.*/
这种查询是不会命中到索引的，当数据量很大，速度很慢
总之，^后的条件必须明确，不能^.* ^[a-z]之类开头的
五、 索引分析：
a) 索引命中：
假设索引为:{a:1,b:1,c:1,…,z:1}：
实际上是有了：{a:1},{a:1,b:1},{a:1,b:1,c:1}…等索引的。
但是使用{b:1}、{a:1,c:1}等索引的查询是会被优化的，只有使用索引前部的查询才能使用该索引。
Mongodb的查询优化器会重排查询项的顺序，以便命中索引，比如：查询{x:’a’,y:’b’}的时候，如果已有了{y:1,x:1}的索引，mongodb也会自己找到并命中的。
创建索引的缺点是每次插入、更新与删除时都会产生额外的开销，这是因为数据库不但需要执行这些操作，还是处理索引，因些，要尽量可能少创建索引。每个集合默认的最大索引个数为64个。
b) 查询时，不要使用$ne or $nin，这样不能命中索引
c) 使用explain
db.collection.find(query).explain();
返回的信息如下
{“cursor” : “BasicCursor”,
“indexBounds” : [ ],
“nscanned” : 57594,
“nscannedObjects” : 57594,
“nYields” : 2 ,
“n” : 3 ,
“millis” : 108,
“indexOnly” : false}
现实结果可以得知cursor的类型，DB扫描的数据数，返回的数据数，还有执行的毫秒数。
“cursor” : “BasicCursor”：
命中的索引，当为BasicCursor时表示没有命中任何索引
indexBounds: 所使用的索引，被设置为表示为索引扫描的关键边界。
nscanned – 扫描的数据条数。
nscannedObjects – 扫描对象的数。
nYields – 查询所产生的锁的个数。
isMultiKey- MongoDB中提供了可以自动索引数组对象的值
If true, a multikey index was used.
n- 返回文档的数量
millis- 数据库中执行查询的时间
indexOnly – 是否使用了covered index。
六、 强制索引：
如果发现mongodb用了非预期的索引，可以用hint强制用某个索引，如：
db.Mail.find({user:’[email protected]’,folderId:’inbox’}).hint(‘index1’)
多数情况下这种指定没有什么必要，mongodb会替你选择用哪个索引，初次查询时，查询优化器会同时尝试各种查询方案，最先完成的被确定使用，其他的则终止掉。查询方案也会记录下来，以备是后应对相同键的查询，查询优化器定期也重试其他的方案，以防因为添加新的数据后，之前的方案不再是最优的。
七、 为排序创建索引：
随着集合的增长，如果查询中有用到排序时，就要创建索引了。如果对没有索引的键用sort，mongodb需要将所有的数据提到内存中进行排序，这个是很影响性能的。
八、 索引优化：
这个是有人统计的不同数据类型所占的索引的大小：
另外，如果有关于日期的索引，我针对于String/Long/Date做了下测试：
可以看出，用Date类型所占的索引最小(Long/Date所占的大小差不多，1000w时也只相差3M左右)，所以如果有需要日期索引的，需要将类型设置为Date或Long
九、 实例讲解：
以MA为例，场景为：
- 获取某个邮件夹的所有邮件列表
- 查看某个邮件夹中的已读邮件
- 查看某个邮件夹中的未读邮件
- 查看某个邮件夹中的重要邮件
- 查看某个邮件夹中的邮件来源
索引为：
{user:1,folderId:1,sendTime:-1,read:1,sourceSystem:1,importantFlag:1},{name:’folder_list_index’}
需要用到的查询条件组合(都需要以sendTime降序排列)：
user:1,folderId:1,read:1,sourceSystem:1,importantFlag:1
user:1,folderId:1, read:1,sourceSystem:1
user:1,folderId:1,read:1
user,folderId, sourceSystem:1,importantFlag:1
user,folderId, sourceSystem:1
（红包部分必须hint，否则第一次速度会很快）
设计规则：
- 索引中的栏位，尽量用int类型，这样可减少索引的内存大小。
比如：sendTime的类型为Long，read、sourceSystem、importantFlag的类型为int
2. 索引的组合尽量包含常见的查询：
比如：获取邮件夹列表，查看邮件夹中的已读、未读邮件、重要邮件这几个查询很常用，设计索引时尽量包括这些查询
3. 有需要排序的栏位，要建索引，否则mongodb会在内存中排序。另外，排序索引尽量加在某个固定的大范围之后。
比如：获取邮件夹列表并按照sendTime降序排列，查询条件的大范围肯定要有user/folderId，此时，可将sendTime放在user/folderId之后，这样user/folderId对应的记录已经都以sendTime:-1的形式存放在索引库中（此时，用sort与不用sort的效果是相同的），sort时，也不用在内存中进行排序。如果有其他查询都在这个范围之内时，即使不能自动命中索引，也可以通过强制索引来提高查询的速度
- 查询列表范围尽量小，数据量很多时，不加limit的查询会死人的。