使用“in”和两个索引之间的数组进行查询时有啥区别？

Posted 2023-03-22

【中文标题】使用“in”和两个索引之间的数组进行查询时有啥区别？

【英文标题】：What's the difference when query using `in` and an array between two indexes?使用“in”和两个索引之间的数组进行查询时有什么区别？

【发布时间】：2019-05-15 04:26:01

【问题描述】：

MongoDB 中包含如下文档的集合：

a: 1, b: 1
a: 2, B: 2
a: 3, B: 3
a: 3, B: 2
a: 2, B: 1

带有 uniq 索引 a_1_b_1 或 b_1_a_1

查询：a: x, b: $in: [....]

哪个索引更好？还是一样？

查询匹配数组如何工作？

---

更新： shard key 是否影响查询索引？ 分片键：a_1_c_1 额外索引：b_1_a_1 查询：a: x, b: y

通过分片键a_1_c_1中的a=x路由到分片，然后使用索引b_1_a_1在分片中查询 通过分片键路由和查询必须使用分片键？

【参考方案1】：

来自 compound indexes 上的 MongoDB 手册部分：

db.products.createIndex( "item": 1, "stock": 1 )

复合索引中列出的字段的顺序很重要。该索引将包含对文档的引用，这些文档首先按 item 字段的值排序，然后在 item 字段的每个值中，按 stock 字段的值排序。

鉴于上述情况，我们可以看到a_1_b_1 将首先由a 分段，然后由b 分段，而b_1_a_1 将首先由b 分段，然后由a 分段。

现在让我们检查您的查询：a: x, b: $in: [....] 请注意，此查询匹配特定的a 值和一系列可能的b 值。在索引a_1_b_1 中，索引扫描将仅限于匹配的a 块，并且将在其中搜索所有b 值；但是，如果您使用索引b_1_a_1，则索引扫描必须在不同的b 块之间“跳转”并在每个块中搜索匹配的a 值。

访问“靠近”在一起的数据通常效率更高，因此您需要选择匹配文档更有可能位于其中的索引。在这种情况下，将所有文档放在同一个 a 块中可能是一个更好的选择，因为发生的“跳跃”应该更少，因此您应该使用索引 a_1_b_1。

然而，这过于简单化了。实际的性能影响可能可以忽略不计，尤其是在a 和b 的可能范围非常小的情况下。

您还应该考虑一个额外的因素：查询前缀。如果您发现自己有时只使用a 值执行查询，那么您应该选择索引a_1_b_1。同样，如果您有时只使用b 值执行查询，那么您可能应该选择b_1_a_1。

这是因为如果您的查询不完全匹配索引但匹配该索引的前缀，则该索引仍然适用。因此，在索引a_1_b_1 中，您可以对a: x, b: $in: [....] 和a: x 执行高效查询，但您无法对b: $in: [....] 执行高效查询。

最后，通常还可以利用index intersection 来拥有两个独立的索引a_1 和b_1，从而在性能和灵活性之间取得平衡。

---

考虑到以上所有因素，我不建议您过多关注索引性能，直到您的数据大小开始需要它。毕竟，您可以根据需要删除旧索引并构建新索引。使用目前有效的方法，随着时间的推移监控性能，并在看起来可能超出当前使用的情况时重新评估。

【讨论】：

感谢您的解释，集合中有数十亿个文档，a 和 b 都有很大的范围。还有一个问题是：如果集合按索引b_1_a_1 分片，查询a:x, b: $in: [..] 是否会作为b: x, a: y 的倍数执行？

@nFeng 不幸的是，我对分片集合没有任何经验，对它们的工作原理只有粗略的了解，所以我没有答案。