MongoDB 提供了多样性的索引支持,索引信息被保存在system.indexes 中,且默认老是为_id建立索引,它的索引使用基本和MySQL 等关系型数据库同样。其实能够这样说说,索引是凌驾于数据存储系统之上的另外一层系统,因此各类结构迥异的存储都有相同或类似的索引实现及使用接口并不足为 奇。python
在字段age 上建立索引,1(升序);-1(降序):git
db.users.ensureIndex({age:1})
_id 是建立表的时候自动建立的索引,此索引是不可以删除的。当系统已有大量数据时,建立索引就是个很是耗时的活,咱们能够在后台执行,只需指定“backgroud:true”便可。数据库
db.users.ensureIndex({age:1} , {backgroud:true})
索引能够任何类型的字段,甚至文档:性能优化
db.factories.insert( { name: "wwl", addr: { city: "Beijing", state: "BJ" } } );
在addr 列上建立索引app
db.factories.ensureIndex( { addr : 1 } );
下面这个查询将会用到咱们刚刚创建的索引dom
db.factories.find( { addr: { city: "Beijing", state: "BJ" } } );
可是下面这个查询将不会用到索引,由于查询的顺序跟索引创建的顺序不同ide
db.factories.find( { addr: { state: "BJ" , city: "Beijing"} } );
跟其它数据库产品同样,MongoDB 也是有组合索引的,下面咱们将在addr.city 和addr.state上创建组合索引。当建立组合索引时,字段后面的1 表示升序,-1 表示降序,是用1 仍是用-1 主要是跟排序的时候或指定范围内查询 的时候有关的。性能
db.factories.ensureIndex( { "addr.city" : 1, "addr.state" : 1 } );
下面的查询都用到了这个索引优化
db.factories.find( { "addr.city" : "Beijing", "addr.state" : "BJ" } ); db.factories.find( { "addr.city" : "Beijing" } ); db.factories.find().sort( { "addr.city" : 1, "addr.state" : 1 } ); db.factories.find().sort( { "addr.city" : 1 } );
只需在ensureIndex 命令中指定”unique:true”便可建立惟一索引。例如,往表t4 中插入2 条记录时候报错。spa
db.t4.ensureIndex({firstname: 1, lastname: 1}, {unique: true});
hint 命令能够强制使用某个索引。
db.t5.find({age:{$lt:30}}).hint({name:1, age:1}).explain()
删除t3 表中的全部索引
db.t3.dropIndexes()
删除t4 表中的firstname 索引
db.t4.dropIndex({firstname: 1})
MongoDB 提供了一个 explain 命令让咱们获知系统如何处理查询请求。利用 explain 命令,咱们能够很好地观察系统如何使用索引来加快检索,同时能够针对性优化索引。
db.sang_collect.find({x:1}).explain() # 返回值, 在python中运行 { "queryPlanner" : { "plannerVersion" : 1, "namespace" : "sang.sang_collect", "indexFilterSet" : false, "parsedQuery" : { "x" : { "$eq" : 1.0 } }, "winningPlan" : { "stage" : "COLLSCAN", "filter" : { "x" : { "$eq" : 1.0 } }, "direction" : "forward" }, "rejectedPlans" : [] }, "serverInfo" : { "host" : "localhost.localdomain", "port" : 27017, "version" : "3.4.9", "gitVersion" : "876ebee8c7dd0e2d992f36a848ff4dc50ee6603e" }, "ok" : 1.0 }
字段说明:
executionStats会返回最佳执行计划的一些统计信息,以下:
db.sang_collect.find({x:1}).explain('executionStats') { "queryPlanner" : { "plannerVersion" : 1, "namespace" : "sang.sang_collect", "indexFilterSet" : false, "parsedQuery" : {}, "winningPlan" : { "stage" : "COLLSCAN", "direction" : "forward" }, "rejectedPlans" : [] }, "executionStats" : { "executionSuccess" : true, "nReturned" : 10000, "executionTimeMillis" : 4, "totalKeysExamined" : 0, "totalDocsExamined" : 10000, "executionStages" : { "stage" : "COLLSCAN", "nReturned" : 10000, "executionTimeMillisEstimate" : 0, "works" : 10002, "advanced" : 10000, "needTime" : 1, "needYield" : 0, "saveState" : 78, "restoreState" : 78, "isEOF" : 1, "invalidates" : 0, "direction" : "forward", "docsExamined" : 10000 } }, "serverInfo" : { "host" : "localhost.localdomain", "port" : 27017, "version" : "3.4.9", "gitVersion" : "876ebee8c7dd0e2d992f36a848ff4dc50ee6603e" }, "ok" : 1.0 }
这里除了咱们上文介绍到的一些参数以外,还多了executionStats参数,含义以下:
在MySQL 中,慢查询日志是常常做为咱们优化数据库的依据,那在MongoDB 中是否有相似的功能呢?答案是确定的,那就是MongoDB Database Profiler。
有两种方式能够控制 Profiling 的开关和级别,第一种是直接在启动参数里直接进行设置。启动MongoDB 时加上–profile=级别 便可。也能够在客户端调用db.setProfilingLevel(级别) 命令来实时配置,Profiler 信息保存在system.profile 中。咱们能够经过db.getProfilingLevel()命令来获取当前的Profile 级别,相似以下操做:
db.setProfilingLevel(2);
上面profile 的级别能够取0,1,2 三个值,他们表示的意义以下:
0 – 不开启
1 – 记录慢命令 (默认为>100ms)
2 – 记录全部命令
Profile 记录在级别1 时会记录慢命令,那么这个慢的定义是什么?上面咱们说到其默认为100ms,固然有默认就有设置,其设置方法和级别同样有两种,一种是经过添加 –slowms 启动参数配置。第二种是调用db.setProfilingLevel 时加上第二个参数:
db.setProfilingLevel( level , slowms ) db.setProfilingLevel( 1 , 10 );
与MySQL 的慢查询日志不一样,MongoDB Profile 记录是直接存在系统db 里的,记录位置system.profile ,因此,咱们只要查询这个Collection 的记录就能够获取到咱们的 Profile 记录了。列出执行时间长于某一限度(5ms)的 Profile 记录:
db.system.profile.find( { millis : { $gt : 5 } } )
MongoDB Shell 还提供了一个比较简洁的命令show profile,可列出最近5 条执行时间超过1ms 的 Profile 记录。
建立索引, 当查询的字段有2个时,数据量较大时,可使用联合索引
限定返回结果数
只查询使用到的字段
采用capped collection
采用Server Side Code Execution
使用Hint,强制使用索引
采用Profiling