mongodb索引讲解与性能调优

mongodb索引规则基本上与传统的关系库一样,大部分优化MySQL/Oracle/SQLite索引的技巧也适用于mongodb。

一、 为什么用索引:

当查询中用到某些条件时,可以对该键建立索引,以提高查询速度。

如果数据量很多且查询多于更新时,可以用索引提高查询的速度。

二、 索引管理:

a)         查询索引:

  1. 查询已有索引的明细:

查询索引很简单,比如说需要查询mailaccess数据库中的Mail collection上的索引时:

mongo                          进入mongo

MongoDB shell version: 1.8.1

connecting to: test

> use mailaccess                  进入mailaccess database

switched to db mailaccess

> db.Mail.getIndexes()             查询索引明细

[

{

"name" : "_id_",

"ns" : "mailaccess.Mail",

"key" : {

"_id" : 1

},

"v" : 0

},

{

"_id" : ObjectId("4df063ac48857df7ac35c348"),

"ns" : "mailaccess.Mail",

"key" : {

"user" : 1,

"folderId" : 1,

"mailfilename" : 1

},

"name" : "user_1_folderId_1_mailfilename_1",

"v" : 0

},

……

  1. 查询索引大小:

> db.Mail.totalIndexSize()                  查询索引大小

114688                                                    索引所占大小,单位:字节

b)         创建索引:

db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1})

该命令会在Mail上创建一索引,默认索引名称的规则为:

Keyname1_dir1_keyname2_dir2…,如果该索引的默认名称:

user_1_folderId_1_mailfilename_1

其中:1表示升序 -1表示降序

要是索引键很多时,最好自定义名称,如:定义名称为:index1

db.Mail.ensureIndex({user:1,folderId:1,mailfilename:1} ,{name:'index1'})

c)         删除索引:

如需删除名称为index1的索引:

db.Mail.dropIndex(‘index’)

如需删除Mail中的所有索引时:

db.Mail.dropIndex(‘*’)   _id索引不会删除

还有一种方式是删除collection,collection中的所以索引也会消失,注意:_id索引也会被删除。(删除collection中的数据不会删除索引)

d)         修改索引:

Mongodb没有单独的修改索引的方法,如果需要修改某个索引,需要先删除旧有的索引,再创建新的索引。

随着数据量的不断增长,你可能会发现某个collection需要修改索引或增加索引,此时创建索引就会很费力了,同时也很消耗性能。创建索引时mongodb默认是阻塞式,阻塞会让索引建立得更快,任何此期间的请求将不能响应。可以使用{”background”:true}选项在后台完成,同时也可能正常处理请求。不过这种方式也会造成请求的响应很慢。如果非紧急情况,最好在晚上统一处理。

三、 索引种类:

a)         默认索引:

Mongodb每个collection都会有一个默认主键_id,这个不能删除、也不会更名。当collection创建后,系统会自动创建一个”_id_”的索引,这个也是无法删除与更名的。

b)         单列索引:

在单个栏位上创建的索引,比如,需要对Mail的read创建升序索引:

db.Mail.ensureIndex({‘read’:1})

c)         组合索引:

对多个键创建的索引,比如,需要对Mail的user与folderId创建降序索引:

db.Mail.ensureIndex({‘user’:-1,’folderId’:-1})

d)         子文档索引:

可以为内嵌文档的键创建索引,这种与普通索引没有什么区别,比如:需要对Mail中的attachments下的filename创建索引:

db.Mail.ensureIndex({‘attachments.filename’:1})

注意:attachments.filename必须位于’’之中,否则会报错

e)         唯一索引:

唯一索引可能确保collection的每一个document指定的键的唯一性。当文档不存在指定键时,会被认为键值是“null”,所以“null”也会被认为是重复的,所以一般被作为唯一索引的键,最好都要有键值对。比如:要保证Mail中每个用户的mailfilename的唯一性:

db.Mail.ensureIndex({‘user’:1,‘filename’:1},{name:’index1’,‘unique’:true})

当为已有的collection增加唯一索引时,可能会有数据已经重复了。有时候可能希望将所有包含重复的文档都删除,可能在创建唯一索引时,使用dropDups选项:

db.Mail.ensureIndex({‘user’:1,‘filename’:1},{‘unique’:true,’dropDups’:true})

这个会将重复的数据只保留一份,不过有点鲁莽,如果数据很重要的话,建议不好这样做。

注意了:

Insert并不检查文档是否插入过,所以确保数据的唯一性,可能要用安全模式插入才行。这样,在插入时,如果有重复就会有错误提醒

f)          Sparse索引:

Sparse index解决索引文件过大的问题,有时候我们要索引的某个属性并非是所有记录都有,普通的索引是将所有的记录都包含进来,而sparse索引则仅包含含有这个属性的记录,它不会对该项值为空的行作索引。这样就大大减小了某些列的索引大小。目前的限制是,sparse index只能包含一个属性。比如:在Mail中有个标签属性labels,这个属性是唯一的,且有值的情况也不多,这种情况就最适合用sparse索引了,创建索引的命令为:

db.Mail.ensureIndex({labels:1},{sparse:true})

g) Covered 索引:

如果你查找的值正好是在索引中,则可以直接返回索引中存的值,而不用到数据文件中查找。(这个在传统关系型数据库中也有实现),不过,必须满足以下条件:

  • 必须提供准备的返回字段,以便可以直接从索引库中查询
  • 必须明确地排除使用_id字段{_id:0}

当用explain时,当indexOnly=true,表示有用到covered index:

// do a login with a covered index, returning the users roles/groups

> db.users.ensureIndex( { username : 1, password : 1, roles : 1} );

> db.users.save({username: "joe", password: "pass", roles: 2})

> db.users.save({username: "liz", password: "pass2", roles: 4})

> db.users.find({username: "joe"}, {_id: 0, roles: 1})

{ "roles" : 2 }

> db.users.find({username: "joe"}, {_id: 0, roles: 1}).explain()

{

"cursor" : "BtreeCursor username_1_password_1_roles_1",

...

"indexOnly" : true,

...

}

四、 正则表达式在索引中的使用:

正则表达式可以灵活地匹配查询条件,如果希望正则表达式能命中索引,就要注意了:

Mongodb能为前缀型的正则表达式命中索引,比如:需要查询Mail中user以z开头的:

/^z/

如果有user索引,这种查询很高效

但其他的即使有索引,也不会命中索引,比说:需要查询Mail中的user中含有z的:

/.*z.*/

/^.*z.*/

这种查询是不会命中到索引的,当数据量很大,速度很慢

总之,^后的条件必须明确,不能^.* ^[a-z]之类开头的

五、 索引分析:

a)         索引命中:

假设索引为:{a:1,b:1,c:1,…,z:1}:

实际上是有了:{a:1},{a:1,b:1},{a:1,b:1,c:1}…等索引的。

但是使用{b:1}、{a:1,c:1}等索引的查询是会被优化的,只有使用索引前部的查询才能使用该索引。

Mongodb的查询优化器会重排查询项的顺序,以便命中索引,比如:查询{x:’a’,y:’b’}的时候,如果已有了{y:1,x:1}的索引,mongodb也会自己找到并命中的。

创建索引的缺点是每次插入、更新与删除时都会产生额外的开销,这是因为数据库不但需要执行这些操作,还是处理索引,因些,要尽量可能少创建索引。每个集合默认的最大索引个数为64个。

b)         查询时,不要使用$ne or $nin,这样不能命中索引

c)         使用explain

db.collection.find(query).explain();

返回的信息如下

{“cursor” : “BasicCursor”,

“indexBounds” : [ ],

“nscanned” : 57594,

“nscannedObjects” : 57594,

“nYields” : 2 ,

“n” : 3 ,

“millis” : 108,

“indexOnly” : false}

现实结果可以得知cursor的类型,DB扫描的数据数,返回的数据数,还有执行的毫秒数。

“cursor” : “BasicCursor”:

命中的索引,当为BasicCursor时表示没有命中任何索引

indexBounds: 所使用的索引,被设置为表示为索引扫描的关键边界。

nscanned – 扫描的数据条数。

nscannedObjects – 扫描对象的数。

nYields – 查询所产生的锁的个数。

isMultiKey- MongoDB中提供了可以自动索引数组对象的值

If true, a multikey index was used.

n- 返回文档的数量

millis- 数据库中执行查询的时间

indexOnly – 是否使用了covered index。

六、 强制索引:

如果发现mongodb用了非预期的索引,可以用hint强制用某个索引,如:

db.Mail.find({user:’zhaoxy1@szdep.com’,folderId:’inbox’}).hint(‘index1’)

多数情况下这种指定没有什么必要,mongodb会替你选择用哪个索引,初次查询时,查询优化器会同时尝试各种查询方案,最先完成的被确定使用,其他的则终止掉。查询方案也会记录下来,以备是后应对相同键的查询,查询优化器定期也重试其他的方案,以防因为添加新的数据后,之前的方案不再是最优的。

七、 为排序创建索引:

随着集合的增长,如果查询中有用到排序时,就要创建索引了。如果对没有索引的键用sort,mongodb需要将所有的数据提到内存中进行排序,这个是很影响性能的。

八、 索引优化:

这个是有人统计的不同数据类型所占的索引的大小:

另外,如果有关于日期的索引,我针对于String/Long/Date做了下测试:

可以看出,用Date类型所占的索引最小(Long/Date所占的大小差不多,1000w时也只相差3M左右),所以如果有需要日期索引的,需要将类型设置为Date或Long

九、 实例讲解:

以MA为例,场景为:

  1. 获取某个邮件夹的所有邮件列表
  2. 查看某个邮件夹中的已读邮件
  3. 查看某个邮件夹中的未读邮件
  4. 查看某个邮件夹中的重要邮件
  5. 查看某个邮件夹中的邮件来源

索引为:

{user:1,folderId:1,sendTime:-1,read:1,sourceSystem:1,importantFlag:1},{name:’folder_list_index’}

需要用到的查询条件组合(都需要以sendTime降序排列):

user:1,folderId:1,read:1,sourceSystem:1,importantFlag:1

user:1,folderId:1, read:1,sourceSystem:1

user:1,folderId:1,read:1

user,folderId, sourceSystem:1,importantFlag:1

user,folderId, sourceSystem:1

(红包部分必须hint,否则第一次速度会很快)

设计规则:

  1. 索引中的栏位,尽量用int类型,这样可减少索引的内存大小。

比如:sendTime的类型为Long,read、sourceSystem、importantFlag的类型为int

2.    索引的组合尽量包含常见的查询:

比如:获取邮件夹列表,查看邮件夹中的已读、未读邮件、重要邮件这几个查询很常用,设计索引时尽量包括这些查询

3.   有需要排序的栏位,要建索引,否则mongodb会在内存中排序。另外,排序索引尽量加在某个固定的大范围之后。

比如:获取邮件夹列表并按照sendTime降序排列,查询条件的大范围肯定要有user/folderId,此时,可将sendTime放在user/folderId之后,这样user/folderId对应的记录已经都以sendTime:-1的形式存放在索引库中(此时,用sort与不用sort的效果是相同的),sort时,也不用在内存中进行排序。如果有其他查询都在这个范围之内时,即使不能自动命中索引,也可以通过强制索引来提高查询的速度

4. 查询列表范围尽量小,数据量很多时,不加limit的查询会死人的。