MongoDB索引优化实战：让查询飞起来

写在前面索引是数据库查询性能的关键MongoDB提供了丰富的索引类型来满足不同场景的需求。本篇将详细介绍MongoDB索引的创建、使用、管理和优化技巧帮助您打造高效的MongoDB查询。文章目录一、索引基础概念1.1 什么是索引1.2 索引结构1.3 索引类型二、单字段索引2.1 创建单字段索引2.2 查看索引2.3 删除索引三、复合索引3.1 创建复合索引3.2 复合索引原理3.3 最左前缀原则3.4 索引顺序选择四、多键索引4.1 数组字段索引4.2 嵌套数组索引五、文本索引5.1 创建文本索引5.2 文本搜索5.3 文本搜索排序六、唯一索引6.1 创建唯一索引6.2 唯一索引与稀疏索引七、地理空间索引7.1 创建地理空间索引7.2 地理位置查询八、索引管理8.1 查看索引统计8.2 重建索引8.3 索引属性九、查询分析与优化9.1 使用 explain9.2 性能指标解读9.3 慢查询日志十、实战百万级数据优化10.1 创建测试数据10.2 优化前后对比10.3 索引设计原则十一、总结一、索引基础概念1.1 什么是索引 索引概念 索引就像书籍的目录 可以快速定位到需要的内容 而不需要逐页翻找。 无索引全表扫描 → 慢 有索引直接定位 → 快1.2 索引结构 B-Tree索引结构 [中间节点] / | \ [叶子节点1] [叶子节点2] [叶子节点3] ↓ ↓ ↓ 数据页 数据页 数据页 特点 - 平衡树结构查询复杂度 O(log n) - 叶子节点按顺序存储 - 支持范围查询和排序1.3 索引类型️ MongoDB索引类型 1. 单字段索引 - 最常用 2. 复合索引 - 多字段组合 3. 多键索引 - 数组字段 4. 文本索引 - 全文搜索 5. 哈希索引 - 等值查询 6. 地理空间索引 - 位置查询 7. 唯一索引 - 约束 8. 稀疏索引 - 稀疏字段二、单字段索引2.1 创建单字段索引// 为 age 字段创建索引db.users.createIndex({age:1})// 1 表示升序-1 表示降序db.users.createIndex({age:-1})// 为嵌套字段创建索引db.orders.createIndex({customer.address.city:1})// 指定索引名称db.users.createIndex({age:1},{name:idx_user_age})2.2 查看索引// 查看集合的所有索引db.users.getIndexes()// 返回结果示例[{v:2,key:{_id:1},name:_id_},{v:2,key:{age:1},name:age_1}]2.3 删除索引// 根据索引名称删除db.users.dropIndex(age_1)// 根据索引键删除db.users.dropIndex({age:1})// 删除所有非默认索引db.users.dropIndexes()// 注意不能删除 _id 索引三、复合索引3.1 创建复合索引// 为 users 集合创建复合索引先按 city 排序再按 age 排序db.users.createIndex({city:1,age:-1})// 索引顺序city(升序) age(降序)3.2 复合索引原理 复合索引工作原理 假设索引{ city: 1, age: -1 } 数据示例 { city: 北京, age: 25 } { city: 北京, age: 30 } { city: 上海, age: 20 } { city: 上海, age: 28 } { city: 深圳, age: 25 } 索引存储顺序 1. 北京-30 2. 北京-25 3. 深圳-25 4. 上海-28 5. 上海-203.3 最左前缀原则 最左前缀原则 复合索引 { city: 1, age: -1 } 可以支持 ✅ { city: 北京 } - 完全使用 ✅ { city: 北京, age: 25 } - 完全使用 ✅ { city: 北京, age: { $gt: 20 } } - 完全使用 ❌ { age: 25 } - 无法使用 ❌ { age: { $gt: 20 } } - 无法使用 ⚠️ { age: { $gt: 20 }, city: 北京 } - 可以使用MongoDB会自动优化3.4 索引顺序选择// 场景经常查询某个城市的用户按年龄排序// 方案1city在前db.users.createIndex({city:1,age:-1})// 查询db.users.find({city:北京}).sort({age:-1})// ✅ 使用索引db.users.find({city:北京})// ✅ 使用索引db.users.find({age:{$gt:20}})// ❌ 不使用索引// 方案2age在前db.users.createIndex({age:-1,city:1})// 查询db.users.find({age:{$gt:20}})// ✅ 使用索引db.users.find({age:{$gt:20}}).sort({city:1})// ✅ 使用索引db.users.find({city:北京})// ❌ 不使用索引四、多键索引4.1 数组字段索引// 为数组字段创建索引db.products.createIndex({tags:1})// 插入测试数据db.products.insertMany([{name:iPhone,tags:[手机,电子产品,苹果]},{name:MacBook,tags:[电脑,电子产品,苹果]},{name:小米手机,tags:[手机,电子产品,国产]}])// 查询使用索引db.products.find({tags:手机})// ✅ 使用多键索引4.2 嵌套数组索引// 订单中包含items数组每个item有product字段db.orders.insertMany([{orderId:O001,items:[{product:iPhone,quantity:1},{product:AirPods,quantity:2}]},{orderId:O002,items:[{product:MacBook,quantity:1}]}])// 为嵌套数组字段创建索引db.orders.createIndex({items.product:1})// 查询db.orders.find({items.product:iPhone})// ✅ 使用索引五、文本索引5.1 创建文本索引// 为文章标题和内容创建文本索引db.articles.createIndex({title:text,content:text})// 或者指定权重db.articles.createIndex({title:text,content:text},{weights:{title:10,content:1}})// 单一字段文本索引db.products.createIndex({description:text})5.2 文本搜索// 插入测试数据db.articles.insertMany([{title:MongoDB入门教程,content:学习MongoDB基础},{title:Redis缓存实战,content:Redis高性能缓存},{title:MongoDB索引优化,content:MongoDB查询优化技巧}])// 文本搜索db.articles.find({$text:{$search:MongoDB}})// 搜索多个词ORdb.articles.find({$text:{$search:MongoDB 教程}})// 搜索短语ANDdb.articles.find({$text:{$search:\MongoDB 入门\}})// 排除某个词db.articles.find({$text:{$search:MongoDB -Redis}})5.3 文本搜索排序// 按相关性排序db.articles.find({$text:{$search:MongoDB}},{score:{$meta:textScore}}).sort({score:{$meta:textScore}})// 结果会按相关性得分排序六、唯一索引6.1 创建唯一索引// 为邮箱创建唯一索引db.users.createIndex({email:1},{unique:true})// 复合唯一索引db.users.createIndex({email:1,status:1},{unique:true})// 尝试插入重复邮箱会报错db.users.insertOne({email:testexample.com})// Error: E11000 duplicate key error6.2 唯一索引与稀疏索引// 稀疏索引只索引非空值db.users.createIndex({phone:1},{unique:true,sparse:true})// 场景phone字段不是必须的但如果有值必须唯一// sparse: true 表示不索引 null 或不存在的字段七、地理空间索引7.1 创建地理空间索引// 2dsphere 索引用于地球表面的坐标db.stores.createIndex({location:2dsphere})// 2d 索引用于平面坐标db.points.createIndex({location:2d})7.2 地理位置查询// 插入带地理位置的店铺数据db.stores.insertMany([{name:店铺A,location:{type:Point,coordinates:[116.4074,39.9042]}// 北京},{name:店铺B,location:{type:Point,coordinates:[121.4737,31.2304]}// 上海},{name:店铺C,location:{type:Point,coordinates:[114.0579,22.5431]}// 深圳}])// 查询附近1km内的店铺db.stores.find({location:{$near:{$geometry:{type:Point,coordinates:[116.4074,39.9042]},$maxDistance:1000// 1000米}}})八、索引管理8.1 查看索引统计// 查看集合索引信息db.users.getIndexStats()// 查看索引大小db.users.stats().indexSizes8.2 重建索引// 重建集合的所有索引db.users.reIndex()// 效果删除并重新创建所有索引// 适用于数据大量删除后索引文件过大8.3 索引属性// 创建带属性的索引db.users.createIndex({email:1},{unique:true,// 唯一索引sparse:true,// 稀疏索引expireAfterSeconds:3600,// TTL索引3600秒后自动删除background:true// 后台创建不阻塞业务})九、查询分析与优化9.1 使用 explain// 分析查询计划db.users.find({age:{$gt:25},city:北京}).explain(executionStats)// 返回结果关键字段{queryPlanner:{plannerVersion:1,namespace:myapp.users,indexFilterSet:false,winningPlan:{stage:FETCH,inputStage:{stage:IXSCAN,// 使用索引扫描indexName:age_1_city_1,...}}},executionStats:{executionTimeMillis:2,// 执行时间毫秒totalDocsExamined:100,// 扫描的文档数totalKeysExamined:50,// 扫描的索引键数nReturned:10// 返回的文档数}}9.2 性能指标解读 性能分析指标 ✅ 好的查询 - stage: IXSCAN - 使用索引 - totalDocsExamined: 10 - totalKeysExamined: 10 - executionTimeMillis: 1 ❌ 差的查询 - stage: COLLSCAN - 全表扫描 - totalDocsExamined: 1000000 - executionTimeMillis: 50009.3 慢查询日志// 查看慢查询默认 100msdb.system.profile.find().pretty()// 设置慢查询阈值毫秒db.setProfilingLevel(1,100)// 记录超过100ms的查询// 查看当前配置db.getProfilingStatus()十、实战百万级数据优化10.1 创建测试数据// 插入100万条测试数据constbulk[];for(leti0;i1000000;i){bulk.push({userId:i,username:useri,age:Math.floor(Math.random()*100),city:[北京,上海,深圳,广州][Math.floor(Math.random()*4)],status:[active,inactive][Math.floor(Math.random()*2)],createdAt:newDate()});// 每1000条插入一次if(bulk.length1000){db.users.insertMany(bulk);bulk[];}}10.2 优化前后对比// ❌ 优化前无索引查询慢db.users.find({city:北京,age:{$gt:25}}).explain(executionStats)// 结果COLLSCAN扫描100万条耗时 2000ms// ✅ 优化后创建复合索引db.users.createIndex({city:1,age:1})// 再次查询db.users.find({city:北京,age:{$gt:25}}).explain(executionStats)// 结果IXSCAN扫描1000条耗时 5ms10.3 索引设计原则 索引设计最佳实践 1. 优先为 WHERE 子句中的字段创建索引 2. 考虑查询的选择性 - 选择性高的字段放前面 - 尽量使用唯一索引 3. 避免创建过多索引 - 每个索引都会占用空间 - 写入时需要维护所有索引 4. 使用复合索引替代多个单字段索引 - 减少索引数量 - 利用最左前缀原则 5. 定期检查并删除无用索引 - db.users.getIndexes() 查看 - dropIndex() 删除十一、总结 本篇总结 ✅ 掌握内容 - 索引基础概念和类型 - 单字段索引创建和使用 - 复合索引与最左前缀原则 - 多键索引数组字段 - 文本索引全文搜索 - 唯一索引与稀疏索引 - 地理空间索引 - 索引管理与属性 - 查询分析与优化 - 百万级数据优化实战作者刘~浪地球更新时间2026-05-07本文声明原创不易转载需授权