Mongodb基础二：索引原理与使用
1. 索引的原理？
索引是对数据库表中一列或多列的值进行排序的一种数据结构，可以让我们查询数据库变得更快。为了方便后续介绍，先科普下MongoDB里的索引机制（同样适用于其他的数据库比如mysql）。
> db.person.find()
{ "_id" : ObjectId("571b5da31b0d530a03b3ce82"), "name" : "jack", "age" : 19 }
{ "_id" : ObjectId("571b5dae1b0d530a03b3ce83"), "name" : "rose", "age" : 20 }
{ "_id" : ObjectId("571b5db81b0d530a03b3ce84"), "name" : "jack", "age" : 18 }
{ "_id" : ObjectId("571b5dc21b0d530a03b3ce85"), "name" : "tony", "age" : 21 }
{ "_id" : ObjectId("571b5dc21b0d530a03b3ce86"), "name" : "adam", "age" : 18 }
当你往某各个集合插入多个文档后，每个文档在经过底层的存储引擎持久化后，会有一个位置信息，通过这个位置信息，就能从存储引擎里读出该文档。为方便介绍，统一用pos(position的缩写)来代表位置信息。
比如上面的例子里，person集合里包含插入了5个文档，假设其存储后位置信息如下(为方便描述，文档省去_id字段)
| 位置信息 | 文档 |
|---|---|
| pos1 | {“name” : “jack”, “age” : 19 } |
| pos2 | {“name” : “rose”, “age” : 20 } |
| pos3 | {“name” : “jack”, “age” : 18 } |
| pos4 | {“name” : “tony”, “age” : 21} |
| pos5 | {“name” : “adam”, “age” : 18} |
假设现在有个查询 db.person.find( {age: 18} ), 查询所有年龄为18岁的人，这时需要遍历所有的文档（全表扫描），根据位置信息读出文档，对比age字段是否为18。当然如果只有4个文档，全表扫描的开销并不大，但如果集合文档数量到百万、甚至千万上亿的时候，对集合进行全表扫描开销是非常大的，一个查询耗费数十秒甚至几分钟都有可能。
如果想加速 db.person.find( {age: 18} )，就可以考虑对person表的age字段建立索引。
db.person.createIndex( {age: 1} ) // 按age字段创建升序索引
建立索引后，MongoDB会额外存储一份按age字段升序排序的索引数据，索引结构类似如下，索引通常采用类似btree的结构持久化存储，以保证从索引里快速（O(logN)的时间复杂度）找出某个age值对应的位置信息，然后根据位置信息就能读取出对应的文档。
| AGE | 位置信息 |
|---|---|
| 18 | pos3 |
| 18 | pos5 |
| 19 | pos1 |
| 20 | pos2 |
| 21 | pos4 |
简单的说，索引就是将文档按照某个（或某些）字段顺序组织起来，以便能根据该字段高效的查询。
众所周知，MongoDB默认会为插入的文档生成_id字段（如果应用本身没有指定该字段），_id是文档唯一的标识，为了保证能根据文档id快递查询文档，MongoDB默认会为集合创建_id字段的索引。
> db.person.getIndexes() // 查询集合的索引信息
[
{
"ns" : "test.person", // 集合名
"v" : 1, // 索引版本
"key" : { // 索引的字段及排序方向
"_id" : 1 // 根据_id字段升序索引
},
"name" : "_id_" // 索引的名称
}
]
2. MongoDB索引的基本使用
2.1 单字段索引
- 创建单字段索引：
> db.user.ensureIndex({name: 1})
上述语句针对name创建了单字段索引，其能加速对name字段的各种查询请求，是最常见的索引形式，MongoDB默认创建的id索引也是这种类型。
{name: 1}代表升序索引，也可以通过{name: -1}来指定降序索引，对于单字段索引，升序/降序效果是一样的。
- 查看当前集合的所有索引信息：
> db.user.getIndexes()
- 删除单字段索引：
db.user.dropIndex({name: 1});
2.2 复合索引：
数字1表示name键的索引按升序存储，-1表示age键的索引按照降序方式存储。
db.user.ensureIndex({"name":1, "age":-1})
该索引被创建后，基于name和age的查询将会用到该索引，或者是基于name的查询也会用到该索引，但是只基于age的查询将不会用到该复合索引。因此可以说，如果想用到复合索引，必须在查询条件中包含复合索引中的前N个索引列。
如果查询条件中的键值顺序和复合索引中的创建顺序不一致的话，MongoDB可以智能的帮助我们调整该顺序，以便使复合索引可以为查询所用。如：
db.user.find({"age": 30, "name": "stephen"})
对于上面示例中的查询条件，MongoDB在检索之前将会动态的调整查询条件的顺序，以使该查询可以用到刚刚创建的复合索引。
对于上面创建的索引，MongoDB都会根据索引的keyname和索引方向为新创建的索引自动分配一个索引名，下面的命令可以在创建索引时为其指定索引名(userindex)，如：
db.user.ensureIndex({"name":1},{"name":"userindex"})
2.3 唯一索引
在缺省{unique:true}的情况下创建的索引均不是唯一索引。下面将创建唯一索引，如：
db.user.ensureIndex({"userid":1},{"unique":true})
如果再次插入userid重复的文档时，MongoDB将报错，以提示插入重复键，如：
db.user.insert({"userid":5})
db.user.insert({"userid":5})
E11000 duplicate key error index: user.user.$userid_1 dup key: { : 5.0 }
如果插入的文档中不包含userid键，那么该文档中该键的值为null，如果多次插入类似的文档，MongoDB将会报出同样的错误：
E11000 duplicate key error index: user.user.$userid_1 dup key: { : null }
3. 使用explain
explain是非常有用的工具，会帮助你获得查询方面诸多有用的信息：
explain会返回查询使用的索引情况，耗时和扫描文档数的统计信息。
3.1 explain( 'executionStats' )查询具体的执行时间
db.tablename.find().explain( "executionStats" )
输出的如下数值：explain.executionStats.executionTimeMillis就是当前数据查询所用的时间。
