MongoDB 索引最佳实践：性能优化技巧

对于任何数据库（包括 MongoDB）来说，索引都是开发过程中的关键组成部分。没有索引时，随着数据库规模增长，性能会随之下降；而有了合理的索引，数据量增加的同时，访问性能仍能保持在最佳状态。

在本文中，我们将探讨 MongoDB 中可用的多种索引类型，分享一些优化使用体验的技巧，并说明如何确保您创建的索引真正被使用。如果您仍在学习 MongoDB，建议查看 Introduction to MongoDB 课程。

MongoDB 索引的重要性与原因

谈到索引，本质上就是在谈性能。索引决定了我们是要遍历集合中的每一条文档来匹配查询，还是只扫描一小批更可能匹配查询的文档。如果集合很小、需要扫描的文档不多，无论如何性能都不差。但如果集合里有 100,000 条文档，而只有 100 条会匹配查询，那么在没有基于这 100 条文档特征建立索引的情况下，扫描全部 100,000 条文档去找那 100 条，很可能会耗时更长。

MongoDB 中有多种索引类型：

• 单字段（Single field）：对文档中的某一个特定字段建立的索引。默认的 _id 字段索引可视为单字段索引。
• 复合（Compound）：基于文档的多个字段建立的索引，查询中字段的使用顺序以及索引中字段的顺序都很重要。
• 多键（Multikey）：用于数组字段的索引。
• 通配（Wildcard）：支持不同文档间字段名略有差异的场景。这类索引的性能通常不如其他索引。
• 地理空间（Geospatial）：用于提升基于经纬度坐标数据的地理空间查询性能的索引。
• 哈希（Hashed）：最适合与分片键（shard key）配合使用的索引。

关于各种索引类型的更多信息，请查看 MongoDB 文档。

多数情况下，您会使用单字段、复合或多键索引，但最终还是要视您的应用类型、查询方式和数据而定。

凡是涉及读取文档的数据库交互，索引都很重要。这不仅限于使用 find 或 findOne 检索文档。在更新和删除文档时，您同样会使用匹配条件，数据库会先根据该条件找到文档再执行更新或删除。

不仅 find 和 findOne 这类检索操作能从索引中受益。当您在聚合管道的首个阶段使用 $match 时，索引也能显著加速。

MongoDB 索引优化的实用技巧

随意创建索引在 MongoDB 中可能跟不使用索引一样低效。相反，考虑以下几点，有助于构建更高效的应用。

复合索引的 ESR 原则：Equality、Sort、Range

创建复合索引的经验法则，是确定查询中每个字段的用法，并尽量遵循 ESR 最佳实践（等值、排序、范围）。

ESR 是什么？我们来拆解一下：

• Equality（等值）：字段按精确匹配（而非模糊匹配）。例如，在查询中精确匹配某人的姓名就是等值阶段。
• Sort（排序）：用于按升序或降序排序的字段。
• Range（范围）：用于非精确匹配的字段。例如，使用 $lt 或 $gt 运算符会在某个范围内匹配文档，而非精确匹配。

为了更好地理解其含义，请看下面的查询：

db.employee.find(
	{
		"department": "Developer Relations",
		"salary": {
			"$lt": 80000
		}
	}
).sort(
	{ 
		"name": 1 
	}
);技术支持

上述查询对 department 做了等值匹配，对 salary 做了范围匹配，并按 name 进行排序。

遵循 ESR 原则，索引可以这样设计：

db.employee.createIndex({
	"department": 1,
	"name": 1,
	"salary": 1
});技术支持

我们遵循 ESR 的目的是避免内存排序，并尽可能缩小搜索空间，从而实现高性能的查询执行。

覆盖查询（Covered queries）

一般来说，索引能让查询时需要扫描的文档子集更小，从而提升性能。但如果您希望进一步提升应用性能，可以考虑覆盖查询。覆盖查询意味着所有结果都直接来自索引，而无需扫描集合中的任何文档。

要实现覆盖查询，有几点限制，是否可行取决于您的应用：

• 匹配条件和排序必须与索引的定义完全一致。
• 结果集中请求返回的字段也必须包含在索引中。
• 在分片场景下，分片键需要是索引的一部分。

这具体意味着什么？

以如下索引为例：

db.department.createIndex({
	"country": 1,
	"salary": 1
});技术支持

在上例中，我们希望基于 country 和 salary 字段建立索引。然后可以运行如下查询：

db.department.find(
	{
		"country": "US"
	},
	{
		"country": 1,
		"salary": 1
	}
);技术支持

上述带有投影的查询会使用我们的索引，但并非覆盖查询。因为在 MongoDB 中，_id 字段默认会返回，而在本例中我们并未将 _id 添加到索引中。因此可以更改索引，或修改查询。若选择修改查询，可以这样做：

db.department.find(
	{
		"country": "US"
	},
	{
		"country": 1,
		"salary": 1,
		"_id": 0
	}
);技术支持

请记住，若要使用覆盖查询，索引必须有效，且请求的字段需包含在索引中。否则，您只是借助索引来定位文档，而非直接在索引中返回结果。

您可以通过在 explain 操作符中使用 executionStats 参数（本文稍后会提到）来验证是否使用了覆盖查询。totalDocsExamined 的值可用于判断：如果为 0，说明您在使用覆盖查询。

减少或移除不必要的索引

从服务器资源的角度看，索引并非“免费”。每个索引都需要由服务器维护，而维护会消耗 CPU、内存和磁盘。创建更多索引会带来更多开销，在资源不足的服务器上可能导致成本增加或性能降低。这种性能下降不仅会影响读取，也可能会波及写入和删除操作，因为 MongoDB 需要消耗更多资源。

建议仅为高频查询创建索引。每月只执行一次的查询真的需要索引吗？大概不需要。每 10 秒执行一次的查询需要索引吗？当然需要！

在 MongoDB 博客上了解更多索引 最佳实践。

如何判断您的 MongoDB 索引是否在工作？

在 MongoDB 中创建了索引，并不意味着您的查询一定会使用它。我们实际上可以对任一查询进行排查，了解其使用了哪个索引。

以如下索引为例：

db.people.createIndex({
	"name": 1,
	"is_active": 1
});技术支持

在上述示例中，我们为 name 和 is_active 字段建立了索引。现在我们运行如下查询：

db.people.find({
	"is_active": true
});技术支持

无论是否有有效索引，上述查询都能运行；如果数据集很小，无论如何都会很快。但如果我们想确认它是否使用了索引，可以对查询稍作调整：

db.people.find({
	"is_active": true
}).explain();技术支持

这一次，我们使用 explain 方法来查看查询的执行计划。在执行计划中，可以看到如下信息：

winningPlan: {
	isCached: false,
	stage: 'COLLSCAN',
	filter: { is_active: { '$eq': true } },
	direction: 'forward'
}技术支持

对于该查询，MongoDB 使用了 "COLLSCAN"，这意味着即使查询包含了我们索引中的一个字段，它也没有使用该索引。如果我们将查询改为如下形式：

db.people.find({
	"name": "Nic Raboy",
	"is_active": true
}).explain();技术支持

这次 explain 的结果发生了变化：

winningPlan: {
	isCached: false,
	stage: 'FETCH',
	inputStage: {
		stage: 'IXSCAN',
		keyPattern: { name: 1, is_active: 1 },
		indexName: 'name_1_is_active_1',
		isMultiKey: false,
		multiKeyPaths: { name: [], is_active: [] },
		isUnique: false,
		isSparse: false,
		isPartial: false,
		indexVersion: 2,
		direction: 'forward',
		indexBounds: {
			name: [ '["Nic Raboy", "Nic Raboy"]' ],
			is_active: [ '[true, true]' ]
		}
	}
},技术支持

这一次，执行计划显示我们使用了 "IXSCAN"，并给出了使用的索引名称，在本例中即 name_1_is_active_1。该名称是在创建索引时由系统自动定义的。

对于 update 操作，流程基本类似，不同之处在于 explain 函数的位置。

一次 update 操作可能如下所示：

db.people.explain().update(
    {
        “name”: “Nic Raboy”,
        “Is_active”: true
    },
    {
        “$set”: { “is_active”: false }
    }
);技术支持

请注意，上述示例中，explain 出现在 update 函数之前。

如果在更新操作中使用了预期的索引，您会看到 "IXSCAN" 以及索引名称。了解更多 更新操作及其与索引的配合使用。

另一种查看查询执行计划细节的方法是对数据库使用 runCommand。尽管结果不如前者直观，但功能很强大，类似如下：

db.runCommand({
    "explain": {
        "update": "people",
        "updates": [
            {
                "q": { 
                    "name": "Nic Raboy",
                    "is_active": true
                },
                "u": {
                    "$set": { "is_active": false }
                }
            }
        ]
    },
    "verbosity": "allPlansExecution"
});技术支持

上述方式与带 explain 的 update 操作作用相同。

如果您对创建索引不太有把握，或发现查询执行比预期更慢，不妨查看执行细节。

结语

本文介绍了 MongoDB 索引的一些最佳实践。虽然我们没有覆盖所有可能的索引情境，但这些内容可以作为起点，帮助您确保用户在使用数据时获得尽可能好的体验。

重申几点要点：

• 尽可能遵循 ESR（等值、排序、范围）原则。
• 如有可能，尝试使用覆盖查询。
• 不要盲目创建索引，而应找出最常用的查询，以及这些查询会提取多少数据。
• 借助 explain 操作符测试索引及其性能。

以上并非提升应用性能的全部索引最佳实践。还有其他因素，例如 基数（cardinality） 等。

若需更多索引方面的帮助，请查看 MongoDB 文档。如果您在 MongoDB Atlas 中使用付费层，可以考虑使用内置的一些 性能顾问工具来获取索引和查询建议。