MongoDB入门学习(四)：MongoDB的索引
上一篇讲到了MongoDB的基本操作增删查改。对于查询来说。必须依照我们的查询要求去集合中，并将查找到的结果返回。在这个过程中事实上是对整个集合中每一个文档进行了扫描，假设满足我们的要求就加入到结果集中最后返回。对于小集合来说。这个过程没什么，可是集合中数据非常大的时候，进行表扫描是一个非常恐怖的事情，于是有了索引一说，索引是用来加速查询的。相当于书籍的文件夹。有了文件夹能够非常精准的定位要查找内容的位置，从而降低无谓的查找。
1.索引的类型
创建索引能够是在单个字段上，也能够是在多个字段上，这个依据自己的实际情况来选择，创建索引时字段的顺序也是有讲究的。
创建索引是通过ensureIndex()方法。须要给该方法传递一个文档形式的数据，当中指定索引的字段和顺序，1代表升序。-1代表降序。
1).默认索引
还记得"_id"吗，这个字段的数据是不能反复的。它就是MongoDB的默认索引。并且不能被删除。
2).单列索引
在单个字段上创建的索引就是单列索引，在查询的过程中能够对该加速对该键的查询，然而对其它键的查询是没有帮助的。
单列索引的顺序是不会影响对该键的随即查询。创建单列索引：
> db.people.ensureIndex({"name" : 1})3).组合索引
还能够在多个键上创建组合索引，此时键的位置和索引的顺序都会影响查询的效率。看以下创建组合索引：
> db.people.ensureIndex({"name" : 1, "age" : 1})
> db.people.ensureIndex({"age" : 1, "name" : 1}) 第一种情况会对name排序组织，当name一样时在对age排序，所以对{"name" : 1}和{“name” : 1, "age" : 1}的查询更高效，而另外一种情况则对age排序。当age一样再对name排序。所以对{"age" : 1}和{"age" : 1, "name" : 1}的查询更高效。当组合索引包括非常多字段的时候。会对前几个键的查询有帮助。
4).内嵌文档索引
还能够对内嵌文档创建索引，和普通键创建索引一样几乎相同。也能够对内嵌文档创建组合索引：
> db.people.ensureIndex({"friends.name" : 1})
> db.people.ensureIndex({"friends.name" : 1, "friends.age" : 1})在来看看其它几种形式的索引：
唯一索引
> db.people.ensureIndex({"name" : 1}, {"unique" : true})
> db.people.ensureIndex({"name" : 1}, {"unique" : true, "dropDups" : true})
松散索引
> db.people.ensureIndex({"name" : 1}, {"sparse" : true})
多值索引
> db.people.find()
{"name" : ["mary", "rose"]}
> db.people.ensureIndex({"name" : 1})唯一索引unique能够保证该键相应的值在集合中是唯一的，假设创建唯一索引的时候，该字段原来就存在了反复的数据，那么就会创建失败，能够加上dropDups字段来消除反复数据。它会保留发现的第一个文档。其它有反复数据的文档都将被删除。
集合中有的文档不存在某些字段。或者某些字段的值为null，那么我们在该字段上创建索引的时候不希望让这些空值的文档參与。那么就定义为松散索引sparse。比方在name上创建索引时，发现有的人在数据库中仅仅有学号。没有名字。那么我们不希望把它们也包括进来。此时就定义为松散索引。
一个键相应的值是一个数组，在该键上创建索引时是一个多值索引。会为数组中每一个值生成一个索引元素。相当于分裂成了几个独立的索引项，可是它们还是相应同一个文档数据。
2.索引的管理
索引固然是为查询而生，并且能够为每一个键都创建索引。可是索引是须要存储空间的，所以索引不是越多越好，并且创建索引后。每次的插入，更新和删除文档都会产生额外的开销，由于数据库中不但要运行这些操作，并且还要在集合索引中标记这些操作。所以要依据实际情况来创建索引，索引没用之后将其删除。
创建索引是ensureIndex()方法，创建完毕后能够通过getIndexes()来查看集合中创建的索引情况：
> db.people.ensureIndex({"name" : 1, "age" : 1})
> db.people.getIndexes()
[
{
"v" : 1,
"key" : {
"_id" : 1
},
"ns" : "test.people",
"name" : "_id_"
},
{
"v" : 1,
"key" : {
"name" : 1,
"age" : 1
},
"ns" : "test.people",
"name" : "name_1_age_1"
}
]能够看到people集合创建了两个索引，一个是"_id"，这个是默认索引。另外一个是name和age的组合索引，名字为keyname1_dir_keyname2_dir_...，keyname代表索引的键，dir代表方向。1代表升序，-1代表降序。
当然我们也能够自己定义索引的名称：
> db.people.ensureIndex({"name" : 1, "age" : 1}, {"name" : "myIndex"})
> db.people.getIndexes()
[
{
"v" : 1,
"key" : {
"_id" : 1
},
"ns" : "test.people",
"name" : "_id_"
},
{
"v" : 1,
"key" : {
"name" : 1,
"age" : 1
},
"ns" : "test.people",
"name" : "myIndex"
}
]删除索引是通过dropIndex()：
方式一：
> db.people.dropIndex({"name" : 1, "age" : 1})
{ "nIndexesWas" : 2, "ok" : 1 }
方式二：
> db.runCommand({"dropIndexes" : "people", "index" : "myIndex"})
{ "nIndexesWas" : 2, "ok" : 1 }索引的元信息存储在每一个数据库的system.indexes集合中。不能对其进行插入和删除文档的操作。仅仅能通过ensureIndex和dropIndex进行。
> db.system.indexes.find()
{ "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.people", "name" : "_id_" }
{ "v" : 1, "key" : { "name" : 1, "age" : 1 }, "ns" : "test.people", "name" : "myIndex" }清空集合中所有的文档是不会将索引删除的，原来创建的索引依旧存在，可是直接删除集合的话，该集合的索引也是会被删除的。
3.索引的效率
假设我们定义了非常多的索引，那么MongoDB会依据我们的查询选项又一次排序，并智能的选择一个最优的来使用。比方我们创建了{"name" : 1, "age" : 1}和{"age" : 1, "class" : 1}两个索引，可是我们的查询项为find({"age" : 10, "name" : "mary"})，那么MongoDB会自己主动又一次排序为find({"name" : "mary", "age" : 10})，并且利用索引{"name" : 1, "age" : 1}来查询。
MongoDB提供了explain工具来帮助我们获得查询方面的非常多实用信息，仅仅要对游标调用这种方法就能够得到查询的细节。以下给math集合中加入10W个文档。再来看看使用索引前后的效率对照：
> var arr = [];
> for(var i = 0; i < 100000; i++){
... var doc = {};
... var value = Math.floor(Math.random() * 1000);
... doc["number"] = value;
... arr.push(doc);
... }
100000
> db.math.insert(arr)
> db.math.count()
100000
> db.math.find().limit(10)
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fe5"), "number" : 462 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fe6"), "number" : 123 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fe7"), "number" : 90 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fe8"), "number" : 46 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fe9"), "number" : 244 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fea"), "number" : 972 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61feb"), "number" : 925 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fec"), "number" : 110 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fed"), "number" : 739 }
{ "_id" : ObjectId("53a7f7c6e4fd24348ce61fee"), "number" : 945 }通过for循环给arr数组中加入10W条数据。然后再批量插入这些数据到math集合中。查看前10条数据，由于是随即生成的值。所以number字段的值会有反复值。我们就来查询462这个值：
创建索引前：
> db.math.find({"number" : 462}).explain()
{
"cursor" : "BasicCursor",
"isMultiKey" : false,
"n" : 94,
"nscannedObjects" : 100000,
"nscanned" : 100000,
"nscannedObjectsAllPlans" : 100000,
"nscannedAllPlans" : 100000,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 35,
"indexBounds" : {
},
"server" : "server0.169:9352"
}
创建索引后：
> db.math.ensureIndex({"number" : 1})
> db.math.find({"number" : 462}).explain()
{
"cursor" : "BtreeCursor number_1",
"isMultiKey" : false,
"n" : 94,
"nscannedObjects" : 94,
"nscanned" : 94,
"nscannedObjectsAllPlans" : 94,
"nscannedAllPlans" : 94,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 0,
"indexBounds" : {
"number" : [
[
462,
462
]
]
},
"server" : "server0.169:9352"
}这里来看一下实用的信息，"cursor"指用的哪个索引。"nscanned"代表查找了多少个文档。"n"指返回文档的数量。"millis"表示查询所花时间。单位是毫秒。能够看出创建索引前没有使用索引。在所有的文档中查询的，花费了35毫秒。而创建索引后，使用了number_1索引查询。索引存储在B树结构中，仅仅在94个文档中查询，差点儿不花时间。
假设有非常多索引的话，MongoDB会自己主动选一个来查询，你也能够通过hint来强制使用某个索引，这里强制使用{"age" : 1, "name" : 1}这个索引：
> db.people.find({"age" : {"$gt" : 10}, "name" : "mary"}).hint({"age" : 1, "name" : 1})
