MongoDB索引问题

Posted 2021-12-23 sylvialucy

索引类型：

MongoDB有多种索引类型，每种索引类型有其适合的场景。

1. 单字段索引
2. 复合索引
3. 多key索引
4. 文本索引
5. 其他

对于单字段索引而言，升序和降序效果是一样的。

复合索引针对多个字段联合创建索引，先按第一个字段排序，第一个字段相同的文档按第二个字段排序，以此类推。复合索引也能满足单个字段的索引，但仅限复合索引首个字段。

当索引的字段为数组时，创建出的索引为多key索引，多key索引会为数组的每个元素建立一条索引，比如下图所示BillInterceptLifeInfo表中加入一个NeedSyncSiteCodes字段，需要查询NeedSyncSiteCodes中是否包含了某个sitecode就可以利用该字段的多key索引。

 

实际场景：

拦截件监控代码中，主要的数据在一个拦截件生命期表， 该表记录了拦截件的生命期状态，一个应下发设备表和一个实际下发设备表。

表结构如下：

其中更新应下发设备表是要查询出1.站点信息相符的所有单号，且该单号的2.结束时间大于当前时间，且该3.应下发List中不含即将插入的deviceID才会插入一条记录。

因为需要下发的站点列表和需要下发的设备列表是两个list，无法一起建索引，因此决定建EndTime和NeedSyncSiteCodes的复合索引，NeedSyncSiteCodes也是一个多key索引。

一开始建索引如下：

 

 db.BillInterceptLifeInfo.createIndex(  "EndTime" : 1, "NeedSyncSiteCodes" : 1 ) 

代码上线后，一开始平稳，但数据量上千后开始不稳定

后根据系统优化提示将索引改为：

 db.BillInterceptLifeInfo.createIndex( "NeedSyncSiteCodes" : 1 , "EndTime" : 1,) 

监控如图：

根据某两条查询对比来看：

前： 后：

可以看出，组合索引的先后顺序不同，EndTime在前的索引Key match到的记录有5K多条，而实际需要修改的只有3条，

NeedSyncSiteCodes在前的索引Key match到的记录有107条，而这107条都是需要修改的，NeedSyncSiteCodes在前的这条索引能缩小二次匹配的范围程度更大。

在复合索引中，多个字段应把最有区分度的字段放前面，比如一个person表中有一个[name + age]的复合索引，age字段的取值很有限，即拥有相同age字段的文档会有很多；而name字段的取值则丰富很多，拥有相同name字段的文档很少；显然先按name字段查找，再在相同name的文档里查找age字段更为高效。

同理，在此例子中的EndTime和NeedSyncSiteCodes两个字段建复合索引，EndTime的区分度肯定不如NeedSyncSiteCodes的多key索引。因此将NeedSyncSiteCodes作为复合索引的第一项更高效。

 

复合多key索引中：

• 对于一个复合多key索引，每一个索引最多可以包含一个数组。
• 在多于一个数组的情形下来创建复合多key索引不被支持。

 

另外谈下B树（即B-树）和B+树的区别，以及为什么mongodb用B-树而不用B+树。

首先B树结构(细节请自行查阅)如下图：

每个节点存有key对应的data, 每个节点上的n个key有n+1个子节点。

一个m阶的B树每个节点至少有m个孩子。

一棵含有N个总关键字数的m阶的B树的最大高度是log_ceil（m/2）(N+1)/2 + 1。

因此B数的高度相对会下降，而高度下降，定位数据会更快。由于B数节点中存数据，最快查询可为O(1)。

 

而B+树，如下图：

 

B+树的特点是，key的副本存储在内部节点，真正的key-data存储在叶子节点上。

n个key的节点指针域是n而不是n+1（mongodb 是n+1）

为了增加区间访问性，B+树的叶子节点两两相连，对于范围查询大大增加了友好度。

 

B树和B+树在磁盘访问这一点上

1. B树因为key对应的data直接在节点上，因此查询到可以直接取出，最好的情况下查询非常快，且磁盘访问会下降。但是正因为如此，单个节点存储太大，如果没有访问到key，再要往下查询时，需要读入内存的数据量就很大。
2. B+树因为内部节点只存key的副本，因此查询效率相对很稳定。但也是因为存储了key的副本，导致整个索引相对会比较大。

 

B树和B+树各有优缺点，对于mongodb来说，mongdb是一种文档型数据库，使用json格式保存数据，归属于聚合型数据库。适用于数据模型简单，性能要求高的场合。

而mysql之类的关系型数据库，区间访问是很常见的现象，B+树支持区间访问，因此mysql更适合用B+树。