MongoDB索引概念及使用詳解

索引，使用索引可快速訪問數據庫表中的特定信息。索引是對數據庫表中一列或多列的值進行排序的一種結構，例如 employee 表的姓名（name）列。如果要按姓查找特定職員，與必須搜索表中的所有行相比，索引會幫助您更快地獲得該信息。

索引的優點：

不需要做全表掃描，只需要掃描索引索引只存儲了這個表的數據的一小部分，這小部分可以幫我們實現快速查詢，因此掃描的時候只掃描這一小部分即可，如果將這小部分裝載入內存中的話，速度會更快

·大大減少了服務器需要掃描的數據量

·索引可以幫助服務器避免排序或使用臨時表

·索引可以將隨機I/O轉換為順序I/O

索引的缺點：

索引是保存了數據表上的一小部分數據，那么這些數據是需要額外存儲的，毫無疑問如果更新了表中的數據，那么響應的索引數據也要跟著更新，加速了查找操作，但是減少了寫入速度對查找的加速是否有用還是有待評估的，比如我們將一個表中的按年齡實現了索引創建（在年齡上創建了索引）平時大多數操作都是按照名字上去查找的，那么索引則無任何作用，所謂索引必須跟查找建完全匹配才有意義，但我們要知道大多數的查找未必只在有限字段上執行，也就意味著創建索引必須包含多個段，需要看索引是如何去生成的，對于多個條件可以將索引做為組合索引來查找，所以索引的設計是非常有技巧的

索引本身帶來的未必是優勢，如果一張表中索引非常的多的話，可能對于整個系統性能的影響是非常大的，如果一張表的本身非常小只有十幾行，創建索引反而會減慢速度的，因為全表掃描也未必用不了多長時間

但如果表非常大的話，索引則非常有用，如果數據量過大那么索引反而也未必有意義，比如一張表非常大，上T的數據，可以想象一下創建什么樣的索引才可以，所以只能將大表切割成小表，并且分布在不同的物理節點上，對mysql來說叫做分區；對mongodb來講叫shaerd

索引級別：

索引最高級別3星索引

1星：索引國能將相關的記錄放置在一起，大大降低了I/O

2星：索引中數據的存儲順序與查找標準中順序一致（只要設計良好即可）

3星：如果索引中包含查詢中所需要的全部數據（覆蓋索引）

索引的類別：

·順序索引
·散列索引

將索引映射至散列桶中，映射是通過散列函數進行的

評估索引標準：

1、訪問類型(如果做等值比較 散列比較好，如果做范圍查找，那么順序比較好

2、訪問時長（為完成一個訪問，基于索引類型訪問的時間可能不同）

3、插入時長（更新表的話索引本身可能會有很大代價，如果散列索引的話只不過重新執行以下算法即可，但是對于順序索引的話，有可能會移動索引列表后面的索引數據）

4、刪除時長

5、空間開銷

索引類型：

·順序索引：按照聚集索引存放的文件也被稱為索引順序文件，最常見的索引類型，一般來講被索引文件記錄，如果按照順序存放則為索引順序文件，否則為堆文件

·聚集索引:如果某記錄文件中的記錄順序是按照對應的搜索碼（鍵/key）的順序排序的話，被稱為主索引

·非聚集索引：搜索碼中的指定的次序與記錄中的記錄次序不一致

根據索引中是否為每個記錄響應的創建索引項：

·稠密索引 （每個搜索碼值都有一個對應的索引項

·稀疏索引 （并不是每個記錄都有索引項）

·多級索引 （索引指向索引，以此類推，最后的索引指向數據；

索引本身，主索引之外的索引被稱為輔助索引，而只有主索引才能使用稀疏索引，其他所有必需是稠密索引，而輔助索引必須是稠密索引

·B+樹索引：

·Balance Tree 平衡樹索引

·每個葉子節點，從葉子至根的距離是相同的，所以叫做平衡樹

·層次需要根據數據量來動態創建層次

·B+樹是一種順序索引

散列索引則：

通過散列函數，數據庫加載為一次I/O 指針加載數據為2次 I/O。

   I/O是占據時間比例是最大值的，索引散列索引的速度在做精確匹配的時候會更快，因為I/O次數要少的多的多，因此散列索引能夠讓我們避免訪問索引結構的。

散列索引的缺點：散列索引還有可能造成偏斜，長久以來可能發有的散列桶有的滿有的空 導致每個節點的負載參差不齊，如果散列函數做的不夠隨機就有可能造成偏斜的情況

所以散列函數需要做到以下幾點：

·分布式隨機

·分布式均勻

散列函數適用的場景：精確值匹配，比如做等值比較： = ,IN(), <=> 等

全文索引：

默認情況下順序索引只能索引字段的前有限個字節，假如字段名是test，test是可以創建存儲文本量非常大，不可能將所有的數據全部存放在索引中，肯定只在其中抽取部分字節，所以查找標準肯定是最左前綴方式，不能包含整個字段，如果想實現全文匹配關鍵字匹配的話，這樣則只能使用全文索引（mysql中只有myisam引擎支持）（innodb的話則可以借助外界的索引工具來實現比如sphinx）

如果必須要實現全文索引，使用sphinx是個不錯的選擇

空間索引：

索引中的數據不能查找，必須使用空間索引函數來獲取相應查找結果

索引的特性：

·全值匹配:

簡單來講，匹配他的用戶名：Name="User12" ,匹配最左前綴：

   Name LIKE"User1%"  

無效： Name LIKE"%User1%"

·匹配列前綴：與最左前綴一樣（Name LIKE"User1%"  無效： Name LIKE"%User1%"） 假如組合索引創建了2個字段：Name,Age 從最左側開始則有效，那么Age > 80 這樣則沒有任何意義，因為查找條件一定必須從最左邊開始的，但是反過來則非常用有：(Age，Name)

匹配范圍值：精確匹配某一列并范圍匹配另外一列 比如name=12并age大于80

只訪問索引的查詢：

假設順序索引是3級，要找到對應的行數據，如果沒有使用覆蓋索引，那么需要幾次I/O：首先查找到根索引. 然后查找下一級索引，如果下一級索引在磁盤上，那么意味著將裝載數據塊，這為1次IO ，再一次索引則又消耗一次IO，再次裝載硬盤數據，則又一次I/O，如果事先根索引沒有被加載，那么至少需要4次I/O才會找到數據

主鍵，唯一鍵 都是順序索引，但是唯一不同的地方是：主鍵是不能重復 不能為空，唯一鍵可以重復可以為空

創建索引：

> db.testcoll.find()

{ "_id" : ObjectId("531fbe8d020f14309ee1410a"), "Name" : "User1","Age" : 1, "Gender" : "M", "preferbook": [  "blue book",  "yellow book" ] }
{ "_id" : ObjectId("531fbe8d020f14309ee1410b"), "Name" : "User2","Age" : 2, "Gender" : "M", "preferbook": [  "blue book",  "yellow book" ] }
{ "_id" : ObjectId("531fbe8d020f14309ee1410c"), "Name" : "User3","Age" : 3, "Gender" : "M", "preferbook": [  "blue book",  "yellow book" ] }

如上所示，我們要在用戶字段名上創建索引，注意的是字段id默認就是索引，而且是主鍵索引，我們在主鍵索引之外創建索引都被稱為輔助索引 ，因為表內大多數都是根據用戶名來查找的，所以希望根據用戶名來查找索引：

使用命令ensureIndex 在Name字段上創建索引

> db.testcoll.ensureIndex({Name:1})

查看索引：

> db.testcoll.getIndexes()
[
    {
         "v" : 1,
         "key" : {
             "_id" : 1
         },
         "ns" :"testdb.testcoll",
         "name" :"_id_"
    },

#第二個索引是在name上創建，是我們自己指定的，如下所示：

    {
         "v" : 1,
         "key" : {
             "Name" : 1
         },
         "ns" :"testdb.testcoll",
         "name" :"Name_1"
    }

刪除索引：

可以使用dropIndex 將name字段的索引刪除

> db.testcoll.dropIndex({Name:1})
{ "nIndexesWas" : 2, "ok" : 1 }

再次查看其索引

> db.testcoll.getIndexes()
[
    {
         "v" : 1,
         "key" : {
             "_id" : 1
         },
         "ns" :"testdb.testcoll",
         "name" :"_id_"
    }
]

刪除coll所有的索引

> db.testcoll.dropIndex({Name:1})

同時也支持使用唯一索引，我們可以在name這個字段上創建唯一索引，也就意味著用戶名不得出現重復的名字

#唯一索引

> db.testcoll.ensureIndex({Name:1}，{unique:true})

#稀疏索引

> db.testcoll.ensureIndex({Name:1}，{sparse:true})

MongoDB中所支持的索引類型

對mongodb來講，索引可以創建在collection級別，也可以創建在sub-field中（）子collection

完全可以根據自己的需求創建，那么索引可以將隨機IO轉換為順序IO

索引類型：

1、單鍵索引（創建在一個字段上的索引）

2、組合索引（上面提到了）

3、多鍵索引（一個文檔中某個字段的值可以是數組，如果創建在這么個字段上，一個字段上有多個值，則為多鍵索引，（一個值為一個數組））

4、空間索引（只能使用空間索引函數，與mysql一致）

5、文本索引（全文索引)

6、哈希索引

創建哈希索引的話，必須明確說明哈希的格式才可以，如下所示：

    >db.testcoll.ensureIndex({Name:"hashed"})

    > db.testcoll.dropIndex({Name:"hashed"})

顯示索引是否能用到：

顯示查詢語句是否能真正用到所創建的索引：

> db.testcoll.find({Name: "User19"}).explain()
{
    "cursor" : "BtreeCursor Name_1",
    "isMultiKey" : false,                    #是否用到鍵
    "n" : 1,
    "nscannedObjects" : 1,
    "nscanned" : 1,                       #掃描了多少個記錄
    "nscannedObjectsAllPlans" : 1,
    "nscannedAllPlans" : 1,
    "scanAndOrder" : false,                #掃描后有沒有記錄
    "indexOnly" : false,                   #是否用到索引，是否僅在索引中
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {
         "Name" : [
             [
                  "User19",
                  "User19"
             ]
         ]
    },
    "server" : "localhost:27017"
}

將索引刪除：

> db.testcoll.find({Name: "User19"}).explain()
{
    "cursor" : "BasicCursor",
    "isMultiKey" : false,
    "n" : 1,
    "nscannedObjects" : 99,             #掃描的對象為全部，意為全表掃描
    "nscanned" : 99,
    "nscannedObjectsAllPlans" : 99,
    "nscannedAllPlans" : 99,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {

    },
    "server" : "localhost:27017"
}

在查詢的時候可以用hint指定使用的索引

> db.testcoll.find({Name: "User19"}).hint({Name:1}).explain()

創建組合索引

> db.testcoll.ensureIndex({Name:1,Age:1},{uniqe:true})

> db.testcoll.getIndexes()
[
    {
         "v" : 1,
         "key" : {
             "_id" : 1
         },
         "ns" :"testdb.testcoll",
         "name" :"_id_"
    },
    {
         "v" : 1,
         "key" : {
             "Name" : 1,
             "Age" : 1
         },
         "ns" :"testdb.testcoll",
         "name" :"Name_1_Age_1",
         "uniqe" : true
    }
]

如果不指定則在name：1上查找索引。如下所示：

> db.testcoll.find({Name: "User19"}).explain()
{
    "cursor" : "BtreeCursor Name_1_Age_1",
    "isMultiKey" : false,
    "n" : 1,
    "nscannedObjects" : 1,
    "nscanned" : 1,
    "nscannedObjectsAllPlans" : 1,
    "nscannedAllPlans" : 1,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {
         "Name" : [
             [
                  "User19",
                  "User19"
             ]
         ],
         "Age" : [
             [
                  {
                       "$minElement" : 1
                  },
                  {
                       "$maxElement" : 1
                  }
             ]
         ]
    },
    "server" : "localhost:27017"
}