索引滥用与优化建议

索引滥用与优化建议

索引是MongoDB中提升查询性能的关键机制，但不当使用会导致写入性能下降、存储空间浪费等问题。合理设计索引需要平衡查询效率与资源消耗，避免常见误区。

索引滥用的常见表现

过度索引

在同一个集合上创建过多索引是典型问题。每个索引都会占用存储空间，并在写入时产生额外开销。例如用户集合存在以下索引：

// 用户集合的冗余索引示例
db.users.createIndex({ username: 1 })        // 唯一索引
db.users.createIndex({ username: 1, age: 1 }) // 包含前导字段的复合索引

第二个复合索引的前导字段已包含在第一个索引中，此时查询{username: 'john'}会同时命中两个索引，造成索引选择器开销。

低效复合索引

复合索引字段顺序不当会导致索引失效：

// 低效的复合索引顺序
db.orders.createIndex({ status: 1, created_at: 1 })

// 以下查询无法充分利用索引
db.orders.find({ created_at: { $gt: ISODate('2023-01-01') } })

应该将高选择性的字段放在前面：

// 优化后的索引顺序
db.orders.createIndex({ created_at: 1, status: 1 })

索引覆盖不足

未覆盖常用查询的所有字段时，会导致内存排序：

// 产品查询示例
db.products.find(
  { category: 'electronics', price: { $lt: 1000 } },
  { name: 1, price: 1 }
).sort({ rating: -1 })

// 现有索引
db.products.createIndex({ category: 1, price: 1 })

此时需要添加排序字段到索引：

db.products.createIndex({ 
  category: 1, 
  price: 1, 
  rating: -1 
})

索引优化实践方案

索引选择性分析

通过$indexStats评估索引使用情况：

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

输出示例显示命中次数和内存占用：

{
  "name" : "category_1_price_1",
  "accesses" : {
    "ops" : NumberLong(2543),
    "since" : ISODate("2023-06-01T00:00:00Z")
  }
}

查询模式识别

使用explain()分析查询执行计划：

db.orders.find({
  user_id: ObjectId("507f1f77bcf86cd799439011"),
  status: "completed"
}).explain("executionStats")

重点关注：

• totalKeysExamined：索引扫描文档数
• totalDocsExamined：集合扫描文档数
• executionTimeMillis：执行耗时

索引合并策略

对于OR查询，考虑$or表达式的索引合并：

// 原始查询
db.articles.find({
  $or: [
    { tags: "mongodb" },
    { view_count: { $gt: 10000 } }
  ]
})

// 优化方案
db.articles.createIndex({ tags: 1 })
db.articles.createIndex({ view_count: -1 })

MongoDB会自动执行索引合并（INDEX_MERGE），但需注意每个分支必须有对应索引。

特殊场景索引策略

时间序列数据

针对时间序列数据的特殊优化：

// 时间序列集合创建
db.createCollection("sensor_data", {
  timeseries: {
    timeField: "timestamp",
    metaField: "sensor_id",
    granularity: "hours"
  }
})

// 优化查询的索引
db.sensor_data.createIndex({ 
  "metadata.sensor_type": 1, 
  timestamp: -1 
})

全文检索优化

结合文本索引与过滤条件：

// 创建文本索引
db.reviews.createIndex({
  comments: "text",
  product_id: 1
})

// 高效查询
db.reviews.find({
  $text: { $search: "battery life" },
  product_id: 12345
})

多键索引陷阱

数组字段索引的注意事项：

// 可能产生索引爆炸的示例
db.products.createIndex({ tags: 1 })

// 插入包含大数组的文档
db.products.insertOne({
  name: "UltraBook",
  tags: ["laptop", "ultraportable", "windows", "i7", "16gb", "ssd"...]
})

每个数组元素都会创建索引条目，导致索引体积急剧膨胀。

索引维护与监控

索引重建策略

使用collMod重建索引减少碎片：

db.runCommand({
  collMod: "orders",
  index: {
    keyPattern: { created_at: 1 },
    hidden: true // 先隐藏再重建
  }
})

性能基准测试

使用benchRun进行负载测试：

var ops = [
  {
    op: "find",
    ns: "test.orders",
    query: { status: "pending" }
  }
]
db.adminCommand({ benchRun: ops, parallel: 10, seconds: 30 })

存储引擎调优

调整WiredTiger缓存大小：

# mongod.conf配置
storage:
  wiredTiger:
    engineConfig:
      cacheSizeGB: 8 # 建议为物理内存的50-60%

索引设计模式进阶

部分索引

只为满足条件的文档创建索引：

// 只为活跃用户创建索引
db.users.createIndex(
  { last_login: -1 },
  { partialFilterExpression: { status: "active" } }
)

哈希分片键索引

分片集群中的特殊考虑：

// 哈希分片键索引
sh.shardCollection("analytics.events", { _id: "hashed" })

// 范围查询需要额外索引
db.events.createIndex({ created_at: -1 })

生存时间索引

自动过期数据的实现：

// 会话数据24小时后过期
db.sessions.createIndex(
  { last_accessed: 1 },
  { expireAfterSeconds: 86400 }
)