mongodb创建索引及索引优化效率案例

语法：

db.collection.createIndex(keys, options)

options的属性说明：

创建索引示例：

单键唯一索引:db.users. createIndex({username :1},{unique:true});
单键唯一稀疏索引:db.users. createIndex({username :1},{unique:true,sparse:true});
复合唯一稀疏索引:db.users. createIndex({username:1,age:-1},{unique:true,sparse:true});
创建哈希索引并后台运行:db.users. createIndex({username :'hashed'},{background:true});

删除索引示例：

根据索引名字删除某一个指定索引:db.users.dropIndex("username_1");
删除某集合上所有索引:db.users.dropIndexs();
重建某集合上所有索引:db.users.reIndex();
查询集合上所有索引:db.users.getIndexes();

查询优化技巧：
第一步：找出慢速查询

1. 开启内置的查询分析器,记录读写操作效率: db.setProfilingLevel(n,{m}),n的取值可选0,1,2；
    0是默认值表示不记录；
    1表示记录慢速操作,如果值为1,m必须赋值单位为ms,用于定义慢速查询时间的阈值；
    2表示记录所有的读写操作；
   例如:db.setProfilingLevel(1,300)
2. 查询监控结果
   监控结果保存在一个特殊的盖子集合system.profile里,这个集合分配了128kb的空间,要确保监控分 析数据不会消耗太多的系统性资源；盖子集合维护了自然的插入顺序,可以使用KaTeX parse error: Expected '}', got 'EOF' at end of input: ….find().sort({'natural’:-1}).limit(5)
   第二步：分析慢速查询
   找出慢速查询的原因比较棘手,原因可能有多个:应用程序设计不合理、不正确的数据模型、硬件配置问 题,缺少索引等；接下来对于缺少索引的情况进行分析:
   使用explain分析慢速查询
   例如:db.orders.find({‘price’:{’$lt’:2000}}).explain(‘executionStats’) explain的入参可选值为:
   “queryPlanner” 是默认值,表示仅仅展示执行计划信息；
   "executionStats"表示展示执行计划信息同时展示被选中的执行计划的执行情况信息；
   "allPlansExecution"表示展示执行计划信息,并展示被选中的执行计划的执行情况信息,还展示备选的执行计划的执行情况信息
   第三步：解读explain结果
   queryPlanner（执行计划描述）
   winningPlan（被选中的执行计划）
   stage（可选项:COLLSCAN 没有走索引；IXSCAN使用了索引） rejectedPlans(候选的执行计划)
   executionStats(执行情况描述)
   nReturned （返回的文档个数）
   executionTimeMillis（执行时间ms）
   totalKeysExamined （检查的索引键值个数）
   totalDocsExamined （检查的文档个数）
   优化目标 Tips:
   1. 根据需求建立索引
   2. 每个查询都要使用索引以提高查询效率, winningPlan. stage 必须为IXSCAN ；
   3. 追求totalDocsExamined = nReturned
   测试案例：

 db.orders.find({"useCode":"jack", "orderTime" : 
                   { "$lt" : new Date("2017-08-03T16:00:00.000Z")}}).explain('executionStats')

可以看到一共检查了1060007个文档，返回了88560个文档，执行了299ms，stage是COLLSCAN，没用索引，
按照上诉优化步骤：
1.找出慢速查询：

db.setProfilingLevel(1,100)

执行之后会出现如下的一个集合：

然后执行测试语句：

db.orders.find({"useCode":"jack", "orderTime" :
                { "$lt" : new Date("2017-08-03T16:00:00.000Z")}}）

查看是否有超过100ms的语句：

db.system.profile.find().sort({'$natural':-1}).limit(5).pretty()

2.分析慢速查询

 db.orders.find({"useCode":"jack", "orderTime" : 
                   { "$lt" : new Date("2017-08-03T16:00:00.000Z")}}).explain('executionStats')

发现没有索引。
1建单键索引：

db.orders.createIndex({"useCode":-1})

快了一些
2.建复合索引

db.orders.createIndex({'useCode':1,'orderTime':1})

符合我们的优化目标（扫描文档数跟返回数是一样的），但是时间却长了，所以建索引还是要以实践为主，扫描的文档数少不一定能提高效率。
后来发现这个索引更快：

db.orders.createIndex( { useCode: 1 }, { collation: { locale: "fr" } } )

 db.orders.find({"useCode":"jack", "orderTime" :                    { "$lt" : new Date("2017-08-03T16:00:00.000Z")}}).collation( { locale: "fr" } ).explain('executionStats')

关于此用法介绍的地址：https://docs.mongodb.com/manual/reference/command/createIndexes/index.html
关于索引的建议：

1. 索引很有用,但是它也是有成本的——它占内存,让写入变慢；

2. mongoDB通常在一次查询里使用一个索引,所以多个字段的查询或者排序需要复合索引才能 更加高效；

3. 复合索引的顺序非常重要

4. 在生成环境构建索引往往开销很大,时间也不可以接受,在数据量庞大之前尽量进行查询优化和 构建索引；

5. 避免昂贵的查询,使用查询分析器记录那些开销很大的查询便于问题排查；

6. 通过减少扫描文档数量来优化查询,使用explai对开销大的查询进行分析并优化；

7. 索引是用来查询小范围数据的，不适合使用索引的情况：

8.每次查询都需要返回大部分数据的文档，避免使用索引

9.写比读多