mongodb学习(三)-mongodb索引

3.mongodb索引

@(mongodb)

mongodb索引
格式

基本操作

索引分类
_id索引

单键索引

多键索引

复合索引

过期索引

全文索引
全文索引建立

使用全文索引

全文索引的相似度

全文索引的限制

地理位置索引
2d索引

geoNear查询

2dsphere索引

索引分析
mongostat

profile

mongodb日志

explain

在数据量特别大（几百万）的情况下，如果没有建立索引，那么对于没有建立索引的字段进行查询将不会返回任何数据，因此建立索引是十分重要的

格式

db.COLLECTION_NAME.ensureIndex({KEY:1},{Parameter:value})

Parameter	Type	Description
background	Boolean	建索引过程会阻塞其它数据库操作，background可指定以后台方式创建索引，即增加 “background” 可选参数。 4000 “background” 默认值为false。
unique	Boolean	建立的索引是否唯一。指定为true创建唯一索引。默认值为false.
name	string	索引的名称。如果未指定，MongoDB的通过连接索引的字段名和排序顺序生成一个索引名称。
dropDups	Boolean	在建立唯一索引时是否删除重复记录,指定 true 创建唯一索引。默认值为 false.
sparse	Boolean	对文档中不存在的字段数据不启用索引；这个参数需要特别注意，如果设置为true的话，在索引字段中不会查询出不包含对应字段的文档.。默认值为 false.
expireAfterSeconds	integer	指定一个以秒为单位的数值，完成 TTL设定，设定集合的生存时间。
v	index version	索引的版本号。默认的索引版本取决于mongod创建索引时运行的版本。
weights	document	索引权重值，数值在 1 到 99,999 之间，表示该索引相对于其他索引字段的得分权重。
default_language	string	对于文本索引，该参数决定了停用词及词干和词器的规则的列表。 默认为英语
language_override	string	对于文本索引，该参数指定了包含在文档中的字段名，语言覆盖默认的language，默认值为 language.

例子：

db.values.ensureIndex({open: 1, close: 1}, {background: true})

在后台创建索引

db.collenction.ensureIndex({x:1,y:2,z:3},{name="normal_index"})

//指定名字

db.collenction.dropIndex("normal_index")

可用名字代替删除索引

db.collenction.ensureIndex(({m:1,n:1}, {unique: true/false})

唯一索引，这里注意，如果是已经有了记录的表，可能会报错“E11000 duplicate key error collection: test.collenctionindex: m_1_n_1 dup key: { : null, : null }”原因是在你建立m:1,n:1的复合索引时，之前存在的多笔数据都没有m和n的字段，也就代表每一笔没有m和n字段的数据都是索引m:null,n:null的情形，而此时你又指定该复合索引为unique，立刻报索引重复错误！

db.collenction.ensureIndex({title : 1}, {sparse : true})

稀疏索引，mongo的默认模式是密集索引，在稀疏索引的情况下，如果某个对象没有索引的属性，将不会建立一个

{title:null}

的索引，可加快插入的速度。和unique结合可以达成唯一插入，有则建索引，无则不建索引的效果，就不会出现上面提到的unique索引报错的情况

基本操作

db.test_collection.getIndexes()

//查看集合的索引情况

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

//创建索引，key代表字段名，value值代表方向，1代表正向排序，-1 代表负向排序

如果数据量非常大，创建索引需要消耗一定的时间，创建索引的时候需要注意时机，如果已经有大量数据了，这个时候创建索引会严重影响数据库的性能，

应该在创建数据表的时候就创建索引，索引是在插入数据之后创建的，所以，对插入数据有稍微的影响，不过对于提高的查询效率而言是值得的

索引分类

_id索引

_id索引是绝大多数集合默认建立的 索引。

对于每个插入的数据，MongoDB都会自动生成一条唯一的_id字段。

单键索引

单键索引是最普通的索引，单键索引不会自动创建

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

//创建单键索引

多键索引

当为一个字段插入的数据是一个数组（集合等表示多条数据就行）时，MongoDB为对应的值，默认创建了一个多键索引

db.test_collections.insert({x:[1,2,3,4]})

插入一个数组

> db.test_collections.find({x:4})
{ "_id" : ObjectId("5a44f99ca3fe201251392183"), "x" : [ 1, 2, 3, 4 ] }

直接就可以通过数组中的值查出来了

复合索引

db.collection.ensureIndex({x:1,y:2})

过期索引

又称 TTL（Time To Live，生存时间）索引，即在一段时间后会过期的索引（如登录信息、日志等）

过期后的索引会连同文档一起删除

存储在过期索引字段的值必须是指定的时间类型

说明：必须是ISOData或者ISOData数组，不能使用时间戳

如果指定的是ISOData数组，则按照数组中最小的数值计算删除

过期期索引不能是复合索引，只能是单键索引

删除时间不是精确

说明：删除过程是由后台程序每60s跑一次，而且删除也需要一些时间

db.local_2.ensureIndex({time:1},{expireAfterSeconds:30})
db.local_2.insert({time:new Date()})
db.local_2.find()

全文索引

全文索引建立

在MongoDB中每个数据集合只能创建一个全文索引, 所以使用全文索引进行查询时不会起冲突

db.articles.ensureIndex({key:"text"})

//单值索引的value是 1或者 -1代表正向或者你向，而全文索引的value则是固定的字符串”text”

db.articles.ensureIndex({key1:"text",key2:"text",key3:"text"})

//多字段

db.articles.ensureIndex({"$**":"text"})

//为表的所有字段创建全文索引

使用全文索引

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

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

包含aa或bb或cc的数据

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

包含aa或者bb，但是不包含cc的数据

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

同时包含aa、bb、cc的数据(用“”包裹起来，引号需要用反斜杠转义)

全文索引的相似度

$meta

操作符：

{score：{$meta:"textScore"}}

写在查询条件之后可以返回返回结果的相似度，

textScore

为固定字符串

与 sort 一起使用可以达到很好的使用效果

db.imooc_2.find({$text:{$search:"aa bb"}},{score:{$meta:"textScore"}})

db.imooc_2.find({$text:{$search:"aa bb"}},{score:{$meta:"textScore"}}).sort({score:{$meta:"textScore"}});

根据score字段排序

实际查询之后会见到如下所示的效果

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

{ "_id" : ObjectId("5a45f28022d4795f1452d9bf"), "article" : "aa", "score" : 1.1 }
{ "_id" : ObjectId("5a45f11522d4795f1452d9bb"), "article" : "aa bb cc dd", "score" : 0.625 }
{ "_id" : ObjectId("5a45f1a222d4795f1452d9bd"), "article" : "aa bb ii gg", "score" : 0.625 }
{ "_id" : ObjectId("5a45f1b422d4795f1452d9be"), "article" : "aa bb zz yy", "score" : 0.625 }
{ "_id" : ObjectId("5a45f19b22d4795f1452d9bc"), "article" : "aa bb cc ff hh", "score" : 0.6 }

全文索引的限制：

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

查询中如果包含了

$text

,

hint

不再起作用

MongoDB全文索引在3.2版本之前还不支持中文

地理位置索引

概念：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

db.集合名.ensureIndex({w:"2d"})

- 2dsphere索引：用于存储和查找球面上的点

db.集合名.ensureIndex({w:"2dsphere"})

位置表示方式：经纬度[精度,纬度]

取值范围：精度[-180,180]，纬度[-90,90]。如果超出范围会出现意想不到的错误

查找方法：

- 查找据李某个点一定距离内的点

- 查找包含在某区域内的点

2d索引

2d索引：

db.集合名.ensureIndex({w:"2d"})

例子： db.集合名.find({w:{$near:[1,1]}})

db.collection.find({w:{$near:[1,1], $maxDistance:10}})

查找距离[1,1]最大距离为10的点，3.2版本后可以使用minDistance

db.collection.find({w:{$geoWithin:{$box:[[0,0],[3,3]]}}})

查找在矩形[0,0] [3,3]范围内的点

db.collection.find({w:{$geoWithin:{$center:[[0,0],5]}}})

查找以[0,0]为圆心半径为5的圆内的点

db.collection.find({w:{$geoWithin:{$polygon:[[0,0],[1,1],[4,5],[6,6]]}}})

查找以[0,0],[1,1],[4,5],[6,6]为多边形内的点

想不明白的在脑子里假想一个坐标系，就很好理解了

geoNear查询：

除了使用 find的方式之外，还可以使用runCommand来执行语句

db.runCommand({
geoNear:"集合名",
near:[x, y],
minDistance: (对2d索引无效)
maxDistance:
num:(返回的数量)

{
"results":[     //查询的结果
{
"dis":  //查找到的数据与所指定查找的数据之间的距离
"obj":{}    //查找到的数据
}
],
"stats":{   //查询的参数
"nscanned": //扫描了哪些数据
"objectsloaded":
"avgDistance":      //平均距离
"maxDistance":  //最大的距离
"time":     //花费的时间
},
"ok":
}

2dsphere索引

2dsphere索引:

db.集合名.ensureIndex({w:"2dsphere"})

2Dsphere位置表示方式：

GeoJSON：描述一个点，一条直线，多边形等形状。

格式：

{type:”, coordinates:[list]}

GeoJSON查询可支持多边形交叉点等，支持MaxDistance 和 MinDistance

详细请看

基于MongoDB 2dSphere索引查找最近的点

索引分析

创建索引的好处：加快索引查询。

创建索引的坏处：增加磁盘消耗，降低写入性能。

索引分析的工具

- mongostat工具

- profile集合介绍

- 日志

- explain分析

mongostat

mongostat是mongodb自带的用来查看mongodb运行状态的一个工具

使用方法：

./mongostat -h ip:port -u -p

字段说明：

返回的采样数据采用百分比

索引情况：idx miss 索引未命中率

输出字段：

inserts –当前的插入数量（单位：秒）

query –当前的查询数量（单位：秒）

update –当前更新的数量（单位：秒）

delete –当前的删除数量（单位：秒）

getmore –当前的迭代返回数量（单位：秒）

command –执行命令的数量

flushes –刷盘时间（单位：秒）

mapped –mmap 大小

vsize –磁盘空间大小

res –常驻内存大小

faults –内存换页时间（单位：秒）

locked –锁的使用情况

idx miss –未命中索引率

qr|qw –读|写队列

ar|aw –活跃的客户端连接数量

netIn –网卡输入流量

netOup –网卡输
a671
出流量

conn –当前连接到mongodb的连接数量

inserts/query/update/delete

: 分别指当前mongodb插入、查询、更新、删除 数量，以每秒计；

getmore

: MongoDB返回结果时，每次只会返回一定量；当我们继续用find()查询更多数据时，系统就会自动用getmore来获取之后的数据；

command

: 执行的命令数量；

flushes

: MongoDB使用虚拟内存映射的方式管理数据，我们在向MongoDB写入或查询数据时，MongoDB会做一次虚拟内存映射，有些数据其实是在硬盘上的；每隔一段时间，MongoDB会把我们写到内存的数据flush到硬盘上；这个数据大的话，会导致mongodb的性能较差；

mapped/vsize/res

: 与磁盘空间大小有关，申请的内存大小；

faults

：如果我们查询的数据，没有提前被MongoDB加载到内存中，我们就必须到硬盘上读取，叫做“换页”；如果faults比较高，也会造成性能下降；

idx miss

: 表示我们的查询没有命中索引的比率；如果很高，说明索引构建有问题，索引不合适或者索引数量不够；

qr|qw

: 说明MongoDB的写队列或者读队列的情况。我们向MongoDB读写时，这些请求会被放到队列中等待。数量大（几百上千）说明MongoDB处理速度慢或者读写请求太多，性能会下降。

ar|aw

: 当前活跃的读写客户端的个数。

qr/qw 表示读队列和写队列值，较高时数据库的性能会很明显的下降

idx miss 表示查询时索引命中情况，较高时影响查询效率

profile

db.getProfilingStatus()

{ “was” : 0, “slowms” : 100 }

查看当前数据库的记录级别

db.getProfilingLevel()

0|1|2

设置当前数据库的profile记录级别

db.setProfilingLevel(0|1|2)

was –profile记录级别，0关闭，1记录所有超过slowms阈值的慢查询，2记录所有操作

slowms –慢查询阀值

查看profile文件

db.system.profile.find()

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

查询profile集合的内容，自然排序，限制只显示一条日志

{ "op" : "query",--操作类型

"ns" : "imooc.system.profile", --查询的命名空间，;databasename.collectionname'

"query" : { "query" : {  }, --查询条件

"orderby" : { "$natural" : -1 } }, --约束条件

"ntoreturn" : 1, --返回数据条目

"ntoskip" : 0,  --跳过的条目

"nscanned" : 1, --扫描的数目含索引

"nscannedObjects" : 1, --扫描的数据数目

"keyUpdates" : 0,  --

"numYield" : 0, --其他情况

"lockStats" : {  --锁状态

"timeLockedMicros" : { --锁占用时间（毫秒）

"r" : NumberLong(82), --读锁

"w" : NumberLong(0)   --写锁

},

"timeAcquiringMicros" : {

"r" : NumberLong(2), "w" : NumberLong(2)

}

},

"nreturned" : 1,

"responseLength" : 651,   --返回长度

"millis" : 0, --查询时间

注意：如果开启了profile的功能，并且此时profile记录的数据比较大，系统的消耗是比较大的，所以，这个工具最好在上线之前的测试时开启此功能，用来查看数据库的设计和应用程序的设计，上线的系统是不建议使用此方法的，因为系统的开销比较大！

mongodb日志

就是log目录下的那个日志

berbose = vvvvv 日志记录级别，1-5个v，越多越详细

explain

db.colltction.find({x:1}).explain()

{

“cursor” : “BasicCursor”, –使用的游标

“isMultiKey” : false,

“n” : 1,

“nscannedObjects” : 100000, –扫描的数据量

“nscanned” : 100000, –包含索引的扫描量

“nscannedObjectsAllPlans” : 100000,

“nscannedAllPlans” : 100000,

“scanAndOrder” : false,

“indexOnly” : false,

“nYields” : 781,

“nChunkSkips” : 0,

“millis” : 25, –查询消耗时间（毫秒）

“server” : “XXX”,

“filterSet” : false

}