MongoDB学习04： 索引

数据量较大时，使用索引可以大大加快查询速度。

- 查看索引

db.test_collection.getIndexes()

- 创建索引

db.test_collection.ensureIndex({x:1})

索引种类

_id 索引（自动创建）

单键索引（比较变通的索引，不会自动创建）

多键索引（与单。。区别在于字段的值是单一，还是数组）

db.test_collection.ensureIndex({x:1})

db.test_collection.insert({x:[1,4,5,4]}) //就成了多键索引

复合索引（当查询条件不只一个时，就需要建立复合索引）

db.collection.ensureIndex({x:1,y:1})

过期索引（一段时间会过期，相应数据也会被删除）

比较适合登录信息和日志信息。

db.collection.ensureIndex({time:1},{expireAfterSeconds:10})

存储在过期索引的值必须是指定的时间类型，必须是ISODate或者ISODate数组，不能使用时间戳，否则不能被自动删除 ；如果ISODate是数组，则最小时间进行删除；不能是复合索引；删除时间是不精确的（每60s跑一次，删除也要一些时间）。

全文索引（对字符串与字符串数组创建全文可搜索的索引）

适用情况：{author:”“,title:”“,article:”“}

db.articles.ensureIndex({key:"text"}）

db.articles.ensureIndex({key1:"text",key2:"text"}）

db.articles.ensureIndex({key:"text"}）

查询：

db.articles.find({$text:{$search:"coffee"}})

db.articles.find({$text:{$search:"aa bb cc"}}) //或查询

db.articles.find({$text:{$search:"aa bb -cc"}}) //不包含cc串

db.articles.find({$text:{$search:"\"aa\" \"bb\" \"cc\""}}) //与查询语句，用引号（这里要用斜线转义）

与百度查询相同，相似度越大的在前面的查询(使用$meta)：

{score:{$meta:"textScore"}}

db.articles.find({$text:{$search:"aa bb"}},{score:{$meta:"textScore"}})

查询数据中多了一个score字段，表示相似度

进行排序：

db.articles.find({$text:{$search:"aa bb"}},{score:{$meta:"textScore"}}).sort({score:{$meta:"textScore"}})

使用限制：每次查询只能指定一个text查询；text查询不能出现在nor查询中；含有text，hint不再起作用（强制指定使用某索引进行性能测试）；不支持中文。

地理位置索引

将一些点的位置存储在MongoDB中，创建索引后，可以按照位置来查找其他点。

子分类：

2d索引，用于存储和查找平面上的点；

查找方式：

a. 查找距离某个点一定距离内的点。

ensureIndex({w:"2d"})  //创建

经度[-180,180]纬度[-90,90]

insert({w:[1,1]}) //插入数据

find({w:{$near:[1,1]}}) //与[1,1]距离最近的点

find({w:{$near:[1,1],$maxDistance:10}}) // 设置最大距离范围

b. 查找包含在某个区域内的点。

find({w:{$geoWithin:{$box:[[0,0],[3,3]]}}}) //在矩形中的点

find({w:{$geoWithin:{$center:[[0,0],4]}}}) //在圆中的点

find({w:{$geoWithin:{$polygon:[[0,0],[0,1],[2,5],[6,1]]}}}) //在多边形中的点

geoNear查询：

db.runCommand({geoNear:<collection>,near:[x,y],minDistance:d1,maxDistance:d2,num:n1(返回数目)})

db.runCommand({geoNear:"location",near:[1,2],maxDistance:10,num:2})

2dsphere索引，用于存储和查找球面上的点。

ensureIndex({w:"2dsphere"})

{type:" ",coordinates:[<coodinates>]}  //位置表示

查询与2d类似，并且支持$minDistance 与 $maxDistance,还支持交叉点

索引属性

name

一般索引 x_1 或x_-1//升序与降序 ；复合索引为x_1_y_-1;可能超125字节限制自定义索引名字：

ensureIndex({x:1,y:1,z:1,m:1},{name:"normal_index

唯一性，unique指定：

ensureIndex({},{unique:true/false})

稀疏性，sparse指定(在不包括索引数据中不必创建索引，节约空间，增大查询速度)：

ensureIndex({},{sparse:true})

但在$exists（用于查找一个字段存在与不存在的数据）中出现隐患

find({m:{$exists:true}}) //只查找m存在的字段

不能在稀疏索引上查找不存在的记录。

是否定期删除，expireAfterSeconds指定：

TTL，过期索引

索引构建情况分析

好处：加快索引相关的查询。

劣势：增加磁盘空间消耗，降低写入性能。

评判当前索引构建情况

mongostat工具

mongostat -h 127.0.0.1:12345

其中 idx miss 较高，就说明创建了不合适的索引

各指标含义：

inserts/s 每秒插入次数

query/s 每秒查询次数

update/s 每秒更新次数

delete/s 每秒删除次数

getmore/s 每秒执行getmore次数

command/s 每秒的命令数，比如count

flushs/s 每秒执行fsync将数据写入硬盘的次数。

mapped/s 所有的被mmap的数据量，单位是MB，

vsize 虚拟内存使用量，单位MB

res 物理内存使用量，单位MB

faults/s 每秒访问失败数（只有Linux有），数据被交换出物理内存，放到swap。不要超过100，否则就是机器内存太小，造成频繁swap写入。此时要升级内存或者扩展

locked % 被锁的时间百分比，尽量控制在50%以下吧

idx miss % 索引不命中所占百分比。如果太高的话就要考虑索引是不是少了

q t|r|w 当Mongodb接收到太多的命令而数据库被锁住无法执行完成，它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度，都为0的话表示mongo毫无压力。高并发时，一般队列值会升高。

conn 当前连接数

time 时间戳

Mongodb良好运行标示：

insert query update delete 较稳定，这4列数据越大说明性能越高，如果运行一定时间后，指标骤减，说明程序处理存在问题。

faults越小越好，越小说明操作失败率越低；

idx miss越小越好，越小说明索引命中率越高，Mongodb索引非常重要；

netin/netout 数据越大越好，越大说明进出数据交换越大。

profile集合介绍

db.getProfilingLevel() //有0关闭，2开启，1记录超过slowms值的操作

db.getProfilingStatus()// { "was" : 0, "slowms" : 100 }

设置db.setProfilingLevel(2)//开启，会生成一个system.profile文档

db.system.profile.find().sort({$natural:-1}).limit(1)

开启后会影响到数据库的性能，只适用于系统的测试阶段和刚刚上线时观察阶段。

日志介绍

在配置文件mongod.conf下

verbose=vvvvv

verbose值可以是一个v到五个v.详细程度逐渐提高

explain分析

find({x:1}).explain()可以查询你的查询是否用了索引和查询时间，以及扫描数量。