索引优化策略与常见问题

索引优化策略与常见问题

索引是MongoDB查询性能优化的核心手段，合理的索引设计能显著提升查询效率，而不当的索引则可能导致性能下降甚至系统崩溃。MongoDB支持多种索引类型，包括单字段索引、复合索引、多键索引、文本索引等，每种索引都有其适用场景和优化技巧。

索引类型与选择策略

单字段索引是最基础的索引类型，适合在频繁查询的单个字段上创建。例如，在用户集合中为username字段创建索引：

db.users.createIndex({ username: 1 })

复合索引则适用于多条件查询场景，索引字段的顺序至关重要。MongoDB遵循最左前缀原则，即查询必须包含索引的最左侧字段才能利用该索引。例如：

db.orders.createIndex({ customerId: 1, createdAt: -1 })

这个索引可以优化以下查询：

db.orders.find({ customerId: "123", createdAt: { $lt: ISODate() } })
db.orders.find({ customerId: "123" }).sort({ createdAt: -1 })

索引优化技巧

覆盖查询是最高效的查询方式，当查询的所有字段都包含在索引中时，MongoDB可以直接从索引获取数据而无需访问文档。例如：

db.products.createIndex({ category: 1, price: 1 })
db.products.find({ category: "electronics" }, { _id: 0, category: 1, price: 1 })

索引选择性是指索引字段区分度的概念，高选择性的字段更适合建立索引。例如，email字段通常比gender字段更适合建立索引，因为它的值更唯一。

常见索引问题与解决方案

索引过度使用会导致写入性能下降，因为每次写入操作都需要更新所有相关索引。一个集合通常不应超过5-6个索引。

索引未被使用是另一个常见问题，可以通过explain()方法分析查询执行计划：

db.orders.find({ status: "shipped" }).explain("executionStats")

输出结果中的winningPlan字段会显示是否使用了索引以及使用了哪个索引。

索引大小也是一个需要注意的问题，过大的索引会占用大量内存。可以使用以下命令查看索引大小：

db.collection.totalIndexSize()

特殊场景索引优化

对于数组字段，MongoDB会为每个数组元素创建索引条目，这可能导致索引膨胀。多键索引适用于数组字段，但要谨慎使用：

db.blog.createIndex({ tags: 1 })

TTL索引是一种特殊索引，用于自动删除过期文档：

db.sessions.createIndex({ lastAccess: 1 }, { expireAfterSeconds: 3600 })

文本索引支持全文搜索，但会显著增加索引大小：

db.articles.createIndex({ content: "text" })

索引监控与维护

定期监控索引使用情况是必要的，可以通过$indexStats聚合操作符获取索引使用统计：

db.collection.aggregate([ { $indexStats: {} } ])

对于不再使用的索引应及时删除以减少存储和维护开销：

db.collection.dropIndex("index_name")

在数据量大的集合上创建索引时，应考虑在低峰期进行，可以使用后台构建选项：

db.collection.createIndex({ field: 1 }, { background: true })

索引与分片集群

在分片集群环境中，分片键的选择尤为重要，因为它决定了数据分布。不合理的分片键可能导致数据分布不均（热点问题）。例如：

sh.shardCollection("db.orders", { customerId: 1, orderId: 1 })

分片集合上的查询应尽可能包含分片键，否则会导致广播操作（在所有分片上执行查询），严重影响性能。