MongoDB的简单实用例子。

_id的结构：Time + Machine + PID + INC

MongoDB的索引原理采用B-Tree，MySQL采用B+Tree，详细下面会谈到。这里先从应用角度谈起。

索引的相关理论参看数据库理论基础。大部分MySQL/SQLite中的索引都适用于MongoDB。所以这部分重点在使用MongoDB创建索引上，而不是如何选择字段创建索引。索引优化上有一个问题，在多键索引中，通常把基数较大的键放到索引的前面。

尽管索引提升查询速度，但某些情况下不适合索引：

  1. 集合较小
  2. 文档较小
  3. 非选择性查询

MongoDB在不使用索引的查询时全表扫描查询。例子：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
for (i=0; i<100000; i++) {
    db.test.insert(
        {
            "index": i,
            "name": "allen:" + i,
            "age": Math.floor(Math.random()*10*i),
            "created": new Date()
        }
    );
}

//查看该查询过程

db.test.find({"name": "allen:65536"}).explain()

创建索引：

db.test.ensureIndex({“name”: 1})
指定”name”字段创建索引。

创建符合索引（compound index）：

db.test.ensureIndex({“name”: 1, “age”: 1})
会根据name先排序然后再根据age排序。

如果要强制使用索引：

db.test.find({“index”: 1234, “age”: 66}).hint({“name”: 1, “age”: 1})

指定复合索引通常采用如下形式：

db.test.ensureIndex({“sortKey”: 1, “queryCriteria”: 1})
排序键先，查询键后

复合索引中指定键的方向：

db.test.ensureIndex({“age”: 1, “name”: -1})
db.test.ensureIndex({“age”: -1, “name”: 1})
它们本质上是一样的

索引对象：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
    "index": i,
    "name": "allen:" + i,
    "age": Math.floor(Math.random()*10*i),
    "created": new Date()
    "love": {
        "books": ["algorithm", "OS", "Linux"],
        "food": "fruits",
        "sleep": false
        }
}

//那么所food索引如下
db.test.ensureIndex({"love.food": 1})

索引数组：
对数组索引实际上是对数组的每个元素索引，但该索引并不包含任何位置信息，所以数组索引并不能优化通过数组下标查找元素的查询。

db.test.ensureIndex({“love.books”: 1})

针对指定条目的索引

db.test.ensureIndex({“love.books.5”: 1})

索引类型

和MySQL不同，MongoDB采用的是B-Tree索引。为什么MySQL使用B+Tree而MongoDB使用B-Tree呢？这一部分将在索引机制上讲到。

参考：《MongoDB权威指南》

转载请包括本文地址：https://allenwind.github.io/blog/1698/
更多文章请参考：https://allenwind.github.io/blog/archives/