第8章 MongoDB性能提升--索引详解与实战案例

在上一篇文章【练中学，学中练：MongoDB综合查询实战】中，我们通过一系列实际操作，深入探讨了MongoDB中的查询技巧。从基本的条件筛选到复杂的逻辑组合查询，每个任务都旨在帮助你更好地理解和掌握MongoDB的查询功能。本文为了提高查询性能，MongoDB 支持索引。本文将深入探讨 MongoDB 中的索引概念、类型以及如何创建与使用索引，最终通过实例来展示其应用。

知识回顾

什么是索引？

索引是在数据库中对数据的结构化表示，可以加快查询速度。就像书籍的目录能快速定位相关内容一样，索引能提高数据库检索的效率。没有索引，数据库需要扫描整个集合，这在数据量大时会显著降低性能。

索引类型

MongoDB 支持多种类型的索引，主要包括：

单字段索引：对集合中的单个字段建立索引。
复合索引：对多个字段组合建立索引。
部分索引：只对满足特定条件的文档建立索引。
稀疏索引：仅在存在索引字段的文档上创建索引。
全文索引：支持对文本内容进行复杂的全文搜索。
地理空间索引：用于空间数据搜索，如经纬度坐标。

如何创建索引

创建单字段索引

使用以下命令在 student 集合的 stu_name 字段上创建单字段索引：

css 复制代码

db.student.createIndex({ stu_name: 1 })

创建复合索引

在 student 集合上创建复合索引（stu_name 和 email 字段）：

php 复制代码

db.student.createIndex({ stu_name: 1, email: 1 })

创建部分索引

为 status 字段值为 "active" 的用户创建部分索引：

css 复制代码

db.student.createIndex({ stu_name: 1 }, { partialFilterExpression: { status: "active" } })

查看索引

使用以下命令查看当前集合的所有索引：

scss 复制代码

db.student.getIndexes()

任务描述

假设我们有一个高校大学生档案管理系统学生数据有1000w ，学生数据数据存储在 student 集合中，字段包括stu_no、 stu_name、mobile、email 和 status。为了提高基于 username 和 email 的查询效率，我们将使用复合索引。

任务实施

步骤一：使用【动手吧！MongoDB 插入文档的性能优化：单个、多个、批量及分批次插入】中方法，分批次生成1000w不同学生数据

php 复制代码

var arr = [];
var batchSize = 5000;

for(var i=1 ; i<=10000000 ; i++){
    arr.push({
     stu_name:"张小峰"+i,
     stu_no:i,
     email:"student"+i+"@163.com",
     status: Math.random() > 0.5 ? "active" : "inactive", 
     mobile: "138"+Math.floor(Math.random() * 90000000 + 10000000)
});
    if (i % batchSize == 0) {
        try {
            db.student.insertMany(arr);
            print("已插入 " + i + " 个文档");
        } catch (e) {
            print("文档插入失败：" + e);
        }
        arr = []; // 清空数组，准备下一批
    }
}

// 插入剩余的文档
if (arr.length > 0) {
    try {
        db.student.insertMany(arr);
        print("已插入剩余的 " + arr.length + " 个文档");
    } catch (e) {
        print("文档插入失败：" + e);
    }
}

效果如下：

步骤二：创建复合索引

创建复合索引以提高基于 stu_name 和 email 的查询性能：

php 复制代码

db.student.createIndex({ stu_name: 1, email: 1 });

步骤三：查询测试

执行一些查询操作以测试索引效果：

php 复制代码

// 查询活跃用户 张小峰126的信息
db.student.find({ stu_name: "张小峰126", status: "active" });

// 查询邮件为student126@163.com 的用户
db.student.find({ email: "student126@163.com" });

步骤四：分析查询性能

通过 explain 方法分析查询性能：

lua 复制代码

db.student.find({ stu_name: "张小峰126", status: "active" }).explain("executionStats");

在执行后，你将看到查询的性能统计数据，包括是否使用了索引、查询的执行时间等信息。

小结：索引是提升 MongoDB 查询性能的关键工具。通过创建不同类型的索引，可以满足不同场景下的查询需求。然而，索引也会带来写操作的额外负担，因此在创建索引时要进行合理的权衡。通过实践案例，你应该能够理解如何在 MongoDB 中创建和使用索引，从而优化你的数据库应用程序的性能。

实验实训

学习其他索引使用

单字段索引：对集合中的单个字段建立索引。
部分索引：只对满足特定条件的文档建立索引。
稀疏索引：仅在存在索引字段的文档上创建索引。
全文索引：支持对文本内容进行复杂的全文搜索。
地理空间索引：用于空间数据搜索，如经纬度坐标。

在本文中，我们深入探讨了MongoDB中的索引概念，了解了不同类型的索引及其创建方法，并通过实际案例展示了如何利用复合索引提升查询效率。通过创建索引并分析其对查询性能的影响，我们发现合理使用索引可以显著改善数据库操作的速度。接下来的文章里，我们将进一步学习MongoDB的聚合框架及其管道操作，通过一系列实用示例，帮助大家掌握如何利用聚合功能来处理复杂的数据分析任务。