mongodb索引

mongodb索引

http://www.runoob.com/mongodb/mongodb-indexing.html

db.col.createIndex({"title":1})
db.col.createIndex({"title":1,"description":-1})
db.col.createIndex({open: 1, close: 1}, {background: true})

查询分析

MongoDB 查询分析可以确保我们所建立的索引是否有效，是查询语句性能分析的重要工具。

MongoDB 查询分析常用函数有：explain() 和 hint()。

explain 操作提供了查询信息，使用索引及查询统计等。有利于我们对索引的优化。

在 users 集合中创建 gender 和 user_name 的索引，以及使用explain：

db.users.ensureIndex({gender:1,user_name:1})
db.users.find({gender:"M"},{user_name:1,_id:0}).explain()

Mongodb 3 查询优化（语句优化、建索引） 一、explain()，语句分析工具

来自 https://www.cnblogs.com/zhang-ke/p/7804007.html

对executionStats返回逐层分析
第一层，executionTimeMillis
最为直观explain返回值是executionTimeMillis值，指的是我们这条语句的执行时间，这个值当然是希望越少越好。
其中有3个executionTimeMillis，分别是：
executionStats.executionTimeMillis
该query的整体查询时间。
executionStats.executionStages.executionTimeMillisEstimate
该查询根据index去检索document获得2001条数据的时间。
executionStats.executionStages.inputStage.executionTimeMillisEstimate
该查询扫描2001行index所用时间。
第二层，index与document扫描数与查询返回条目数
这个主要讨论3个返回项，nReturned、totalKeysExamined、totalDocsExamined，分别代表该条查询返回的条目、索引扫描条目、文档扫描条目。
这些都是直观地影响到executionTimeMillis，我们需要扫描的越少速度越快。
对于一个查询，我们最理想的状态是：
nReturned=totalKeysExamined=totalDocsExamined
第三层，stage状态分析
那么又是什么影响到了totalKeysExamined和totalDocsExamined？是stage的类型。
类型列举如下：

    COLLSCAN：全表扫描
    IXSCAN：索引扫描
    FETCH：根据索引去检索指定document
    SHARD_MERGE：将各个分片返回数据进行merge
    SORT：表明在内存中进行了排序
    LIMIT：使用limit限制返回数
    SKIP：使用skip进行跳过
    IDHACK：针对_id进行查询
    SHARDING_FILTER：通过mongos对分片数据进行查询
    COUNT：利用db.coll.explain().count()之类进行count运算
    COUNTSCAN：count不使用Index进行count时的stage返回
    COUNT_SCAN：count使用了Index进行count时的stage返回
    SUBPLA：未使用到索引的$or查询的stage返回
    TEXT：使用全文索引进行查询时候的stage返回
    PROJECTION：限定返回字段时候stage的返回
    对于普通查询，我希望看到stage的组合(查询的时候尽可能用上索引)：
    Fetch+IDHACK
    Fetch+ixscan
    Limit+（Fetch+ixscan）
    PROJECTION+ixscan
    SHARDING_FITER+ixscan
    COUNT_SCAN
    不希望看到包含如下的stage：
    COLLSCAN(全表扫描),SORT(使用sort但是无index),不合理的SKIP,SUBPLA(未用到index的$or),COUNTSCAN(不使用index进行count)