mongo 各种索引的用法
前提说一句:
查看数据库状态可以使用: db.stats();
查看某个集合状态使用: db.collection.stats()
- 索引的创建,删除
db.records.createIndex( { score: 1 } )这里score指定是1 , 意思是按照score进行asc排序, 如果是-1, 测试desc排序.
注意创建索引时要注意尽量使用db.tableName.ensureIndex({index}, {background: true}), MongoDB 提供了两种建索引的访问，一种是 background 方式，不需要长时间占用写锁，另一种是非 background 方式，需要长时间占用锁。使用 background 方式就可以解决问题。 例如，为超大表 posts 建立索引， 千万不用使用
如何杀死失控的索引创建过程： http://www.jianshu.com/p/f9d71763e844
2. 创建组合索引:
db.collection.createIndex( { <field1>: <type>, <field2>: <type2>, ... } 2.1. 创建唯一索引, 唯一索引的作用是确保集合中某一个字段的唯一性
db.collection.createIndex({username:1}, {unique:true})
如果为一个已经存在的表创建唯一索引，且对于重复数据保留那一条不关心，可以使用db.collection.createIndex({username:1}, {unique:true， dropDups:true})
3.获取当前集合的索引
db.collection.getIndexes();4.删除索引
db.collection.dropIndex(索引名)
删除所有索引: db.collection.dropIndexes()5.分析索引
db.collection.find().explain(分析模式)分析模式有一下值: queryPlanner(默认), executionStats, allPlansExecution.
索引输出分析
{
"queryPlanner" : {
"plannerVersion" : 1,
"namespace" : "wm.scoreHistory", // 查询的表
"indexFilterSet" : false, // 针对该query是否有indexfilte
"parsedQuery" : {
"memberId" : {
"$eq" : ObjectId("589ad1c89cd0b3003635e4d9")
}
},
"winningPlan" : { // 最优化的查询器
"stage" : "FETCH",// 最优执行计划的stage,stage有数个模式,这里的意思是说当前查询 FETCH效率最快
"inputStage" : { // 来描述字stage
"stage" : "IXSCAN", // stage模式
"keyPattern" : { // index的内容
"memberId" : 1,
"createdAt" : -1
},
"indexName" : "memberId_1_createdAt_-1", // index 的名字
"isMultiKey" : false, //是不是组合索引
"isUnique" : false,// 是不是唯一索引
"isSparse" : false, // 是不是稀疏索引
"isPartial" : false,
"indexVersion" : 1,
"direction" : "forward",// 查询顺序, 如果sort({xx:-1}), 这里将是backward
"indexBounds" : { // 索引扫秒的范围,如果没有制定范围就是[MaxKey, MinKey]，这主要是直接定位到mongodb的chunck中去查找数据，加快数据读取。
"memberId" : [
"[ObjectId('589ad1c89cd0b3003635e4d9'), ObjectId('589ad1c89cd0b3003635e4d9')]"
],
"createdAt" : [
"[MaxKey, MinKey]"
]
}
}
},
"rejectedPlans" : [ ] //其他执行计划（非最优而被查询优化器reject的）的详细返回，其中具体信息与winningPlan的返回中意义相同，故不在此赘述
},
"executionStats" : {
"executionSuccess" : true, // 执行是否成功
"nReturned" : 46, // 满足条件的返回文档的条数
"executionTimeMillis" : 98, // 整条语句执行时间
"totalKeysExamined" : 46, // 索引整体扫描的文档个数
"totalDocsExamined" : 46, // document扫描个数
"executionStages" : {
"stage" : "FETCH",// 使用的stage模式
"nReturned" : 46, // 返回文档条数
"executionTimeMillisEstimate" : 80, // 根据当前索引去检索document返回46条数据的时间
"works" : 47,
"advanced" : 46,
"needTime" : 0,
"needYield" : 0,
"saveState" : 1,
"restoreState" : 1,
"isEOF" : 1,
"invalidates" : 0,
"docsExamined" : 46,
"alreadyHasObj" : 0,
"inputStage" : {
"stage" : "IXSCAN",
"nReturned" : 46,
"executionTimeMillisEstimate" : 80, // 该查询扫描46行index所用时间
"works" : 47,
"advanced" : 46,
"needTime" : 0,
"needYield" : 0,
"saveState" : 1,
"restoreState" : 1,
"isEOF" : 1,
"invalidates" : 0,
"keyPattern" : {
"memberId" : 1,
"createdAt" : -1
},
"indexName" : "memberId_1_createdAt_-1",
"isMultiKey" : false,
"isUnique" : false,
"isSparse" : false,
"isPartial" : false,
"indexVersion" : 1,
"direction" : "forward",
"indexBounds" : {
"memberId" : [
"[ObjectId('589ad1c89cd0b3003635e4d9'), ObjectId('589ad1c89cd0b3003635e4d9')]"
],
"createdAt" : [
"[MaxKey, MinKey]"
]
},
"keysExamined" : 46,
"dupsTested" : 0,
"dupsDropped" : 0,
"seenInvalidated" : 0
}
}
},
"serverInfo" : {
"host" : "f4acb39dab64",
"port" : 27017,
"version" : "3.2.7",
"gitVersion" : "4249c1d2b5999ebbf1fdf3bc0e0e3b3ff5c0aaf2"
},
"ok" : 1
}
第一层，executionTimeMillis
最为直观explain返回值是executionTimeMillis值，指的是我们这条语句的执行时间，这个值当然是希望越少越好。 其中有3个executionTimeMillis，分别是： executionStats.executionTimeMillis,
executionStats.executionStages.executionTimeMillisEstimate,
executionStats.executionStages.inputStage.executionTimeMillisEstimate.
第二层，index与document扫描数与查询返回条目数
这个主要讨论3个返回项，nReturned、totalKeysExamined、totalDocsExamined，分别代表该条查询返回的条目、索引扫描条目、文档扫描条目。 这些都是直观地影响到executionTimeMillis，我们需要扫描的越少速度越快。
对于一个查询，我们最理想的状态是：
nReturned=totalKeysExamined=totalDocsExamined
第三层，stage状态分析
那么又是什么影响到了totalKeysExamined和totalDocsExamined？是stage的类型。类型列举如下：
COLLSCAN：全表扫描
IXSCAN：索引扫描
FETCH：根据索引去检索指定document
SHARD_MERGE：将各个分片返回数据进行merge
SORT：表明在内存中进行了排序
LIMIT：使用limit限制返回数
SKIP：使用skip进行跳过
IDHACK：针对_id进行查询
SHARDING_FILTER：通过mongos对分片数据进行查询
COUNT：利用db.coll.explain().count()之类进行count运算
COUNTSCAN：count不使用Index进行count时的stage返回
COUNT_SCAN：count使用了Index进行count时的stage返回
SUBPLA：未使用到索引的$or查询的stage返回
TEXT：使用全文索引进行查询时候的stage返回
PROJECTION：限定返回字段时候stage的返回
对于普通查询，我希望看到stage的组合(查询的时候尽可能用上索引)：
Fetch+IDHACK
Fetch+ixscan
Limit+（Fetch+ixscan）
PROJECTION+ixscan
SHARDING_FITER+ixscan
COUNT_SCAN
不希望看到包含如下的stage：
COLLSCAN(全表扫描),SORT(使用sort但是无index),不合理的SKIP,SUBPLA(未用到index的\$or),COUNTSCAN(不使用index进行count)
6.指定索引
db.collection.find().hint({"score":1}) 或者
db.collection.find().hint("score_1") 索引名7.唯一索引, 当为一个字段创建唯一索引后,在集合内,这个字段不能存储相同的值,
db.collection.createIndex({"userid":1},{"unique":true})当mongo要索引一个字段时，如果一篇文档中没有这个字段，这篇文档就会被索引为null，因为唯一索引不能有重复值，所以必须和稀疏索引配合使用，如：
db.collection.ensureIndex({a:1},{unique:true,sparse:true})- 稀疏索引,当一个集合的某一个字段并不是必须的,有些记录没有,这是需要稀疏索引, 索引中将不包含没有labels字段的文档。
db.collection.createIndex({labels:1},{sparse:true})- 知道固定集合,集合大小创建时指定。如果没有空间了，就会自动删除最老的文档，以释放空间。（类似以一个循环队列)
db.createCollection("member",{"capped":true,"size":100,"max":10}); 创建：Size:存储空间为： 100kb Max: 记录数,最大存放条数