Parlons des types d'index riches dans MongoDB
Cet article vous amènera à comprendre MongoDB et à présenter les types d'index riches dans MongoDB. J'espère qu'il sera utile à tout le monde !
Les index de MongoDB
et les index de MySql
ont des fonctions et des principes fondamentalement similaires à suivre pour l'optimisation. code> peut être essentiellement distingué pour :MongoDB
的索引和MySql
的索引的作用和优化要遵循的原则基本相似,MySql
索引类型基本可以区分为:
- 单键索引 - 联合索引
- 主键索引(聚簇索引) - 非主键索引(非聚簇索引)
在MongoDB
中除了这些基础的分类之外,还有一些特殊的索引类型,如: 数组索引 | 稀疏索引 | 地理空间索引 | TTL索引等.
为了下面方便测试我们使用脚本插入以下数据
for(var i = 0;i < 100000;i++){ db.users.insertOne({ username: "user"+i, age: Math.random() * 100, sex: i % 2, phone: 18468150001+i }); }
单键索引
单键索引即索引的字段只有一个,是最基础的索引方式.
在集合中使用username
字段,创建一个单键索引,MongoDB
会自动将这个索引命名为username_1
db.users.createIndex({username:1}) 'username_1'
在创建索引后查看一下使用username
字段的查询计划,stage
为IXSCAN
代表使用使用了索引扫描
db.users.find({username:"user40001"}).explain() { queryPlanner: { winningPlan: { ...... stage: 'FETCH', inputStage: { stage: 'IXSCAN', keyPattern: { username: 1 }, indexName: 'username_1', ...... } } rejectedPlans: [] , }, ...... ok: 1 }
在索引优化的原则当中,有很重要的原则就是索引要建立在基数高的的字段上,所谓基数就是一个字段上不重复数值的个数,即我们在创建users
集合时年龄出现的数值是0-99
那么age
这个字段将会有100个不重复的数值,即age
字段的基数为100,而sex
这个字段只会出现0 | 1
这个两个值,即sex
字段的基础是2,这是一个相当低的基数,在这种情况下,索引的效率并不高并且会导致索引失效.
下面就船舰一个sex
字段索引,来查询执行计划会发现,查询时是走的全表扫描,而没有走相关索引.
db.users.createIndex({sex:1}) 'sex_1' db.users.find({sex:1}).explain() { queryPlanner: { ...... winningPlan: { stage: 'COLLSCAN', filter: { sex: { '$eq': 1 } }, direction: 'forward' }, rejectedPlans: [] }, ...... ok: 1 }
联合索引
联合索引即索引上会有多个字段,下面使用age
和sex
两个字段创建一个索引
db.users.createIndex({age:1,sex:1}) 'age_1_sex_1'
然后我们使用这两个字段进行一次查询,查看执行计划,顺利地走了这条索引
db.users.find({age:23,sex:1}).explain() { queryPlanner: { ...... winningPlan: { stage: 'FETCH', inputStage: { stage: 'IXSCAN', keyPattern: { age: 1, sex: 1 }, indexName: 'age_1_sex_1', ....... indexBounds: { age: [ '[23, 23]' ], sex: [ '[1, 1]' ] } } }, rejectedPlans: [], }, ...... ok: 1 }
数组索引
数组索引就是对数组字段创建索引,也叫做多值索引,下面为了测试将users
集合中的数据增加一部分数组字段.
db.users.updateOne({username:"user1"},{$set:{hobby:["唱歌","篮球","rap"]}}) ......
创建数组索引并进行查看其执行计划,注意isMultiKey: true
表示使用的索引是多值索引.
db.users.createIndex({hobby:1}) 'hobby_1' db.users.find({hobby:{$elemMatch:{$eq:"钓鱼"}}}).explain() { queryPlanner: { ...... winningPlan: { stage: 'FETCH', filter: { hobby: { '$elemMatch': { '$eq': '钓鱼' } } }, inputStage: { stage: 'IXSCAN', keyPattern: { hobby: 1 }, indexName: 'hobby_1', isMultiKey: true, multiKeyPaths: { hobby: [ 'hobby' ] }, ...... indexBounds: { hobby: [ '["钓鱼", "钓鱼"]' ] } } }, rejectedPlans: [] }, ...... ok: 1 }
数组索引相比于其它索引来说索引条目和体积必然呈倍数增加,例如平均每个文档的hobby
数组的size
为10,那么这个集合的hobby
数组索引的条目数量将是普通索引的10倍.
联合数组索引
联合数组索引就是含有数组字段的联合索引,这种索引不支持一个索引中含有多个数组字段,即一个索引中最多能有一个数组字段,这是为了避免索引条目爆炸式增长,假设一个索引中有两个数组字段,那么这个索引条目的数量将是普通索引的n*m倍
地理空间索引
在原先的users
集合上,增加一些地理信息
for(var i = 0;i < 100000;i++){ db.users.updateOne( {username:"user"+i}, { $set:{ location:{ type: "Point", coordinates: [100+Math.random() * 4,40+Math.random() * 3] } } }); }
创建一个二维空间索引
db.users.createIndex({location:"2dsphere"}) 'location_2dsphere' //查询500米内的人 db.users.find({ location:{ $near:{ $geometry:{type:"Point",coordinates:[102,41.5]}, $maxDistance:500 } } })
地理空间索引的type
有很多包含Ponit(点)
| LineString(线)
| Polygon(多边形)
等
TTL索引
TTL的全拼是time to live
,主要是用于过期数据自动删除,使用这种索引需要在文档中声明一个时间类型的字段,然后为这个字段创建TTL索引的时候还需要设置一个expireAfterSeconds
过期时间单位为秒,创建完成后MongoDB
- Index à clé unique - index conjoint
- Index à clé primaire (index clusterisé) - index à clé non primaire (index non clusterisé) li>
for(var i = 90000;i < 100000;i++){ db.users.updateOne( {username:"user"+i}, { $set:{ createdDate:new Date() } }); }
Index à clé unique
🎜Index à clé unique signifie qu'il n'est qu'un seul champ indexé, qui est la méthode d'indexation la plus basique.🎜🎜 Utilisez le champusername
dans la collection pour créer un index à clé unique MongoDB
le nommera automatiquement. index username_1
🎜db.users.createIndex({createdDate:1},{expireAfterSeconds:60}) 'createdDate_1'
username
stage
est IXSCAN
. , ce qui signifie que l'analyse d'index est utilisée🎜db.runCommand({ collMod:"users", index:{ keyPattern:{createdDate:1}, expireAfterSeconds:120 } }) { expireAfterSeconds_old: 60, expireAfterSeconds_new: 120, ok: 1 }
users
, la valeur de age qui apparaît est 0-99
Puis la age< Le champ /code> aura 100 valeurs uniques, c'est-à-dire que la base du champ <code>age
est 100, et sexe< /code>Ce champ n'aura que les deux valeurs <code >0 | 1
, c'est-à-dire que la base du champ sexe
est 2, ce qui est une base assez faible. Dans ce cas, l'efficacité de l'index n'est pas élevée et conduira à un index. échec. 🎜🎜 Créons un index de champ sex
et interrogeons le plan d'exécution. Vous constaterez que la requête utilise une analyse complète de la table au lieu de ne pas utiliser l'indexation associée.🎜db.users.createIndex({username:1},{partialFilterExpression:{ age:{$gt:50} }}) 'username_1' db.users.find({$and:[{username:"user4"},{age:60}]}).explain() { queryPlanner: { ...... winningPlan: { stage: 'FETCH', filter: { age: { '$eq': 60 } }, inputStage: { stage: 'IXSCAN', keyPattern: { username: 1 }, indexName: 'username_1', ...... isPartial: true, ...... } }, rejectedPlans: [] }, ...... ok: 1 }
Index commun
🎜L'index commun signifie qu'il y aura plusieurs champs sur l'index. Utilisezage< ci-dessous. Créez un index avec les deux champs /code> et <code>sexe
🎜for(var i = 5000;i < 10000;i++){ if(i < 9000){ db.users.updateOne( {username:"user"+i}, { $set:{email:(120000000+i)+"@qq.email"}} ) }else{ db.users.updateOne( {username:"user"+i}, { $set:{email:null}} ) } }
db.users.find({email:null}) { _id: ObjectId("61bdc01ba59136670f6536fd"), username: 'user0', age: 64.41483801726282, sex: 0, phone: 18468150001, location: { type: 'Point', coordinates: [ 101.42490900320335, 42.2576650823515 ] } } ......
Index de tableau
🎜L'index de tableau consiste à créer un index sur le champ du tableau, également appelé index à valeurs multiples. À des fins de test, ajoutez la collectionusers
ci-dessous. certains champs du tableau aux données. 🎜db.users.createIndex({email:1},{sparse:true}); 'email_1' db.users.find({email:null}).hint({email:1}) { _id: ObjectId("61bdc12ca59136670f655a25"), username: 'user9000', age: 94.18397576757012, sex: 0, phone: 18468159001, hobby: [ '钓鱼', '乒乓球' ], location: { type: 'Point', coordinates: [ 101.25903151863596, 41.38450145025062 ] }, email: null } ......
isMultiKey: true
signifie que l'index utilisé est un index à valeurs multiples 🎜db.blog.insertMany([ {title:"hello world",content:"mongodb is the best database"}, {title:"index",content:"efficient data structure"} ]) //创建索引 db.blog.createIndex({title:"text",content:"text"}) 'title_text_content_text' //使用文本索引查询 db.blog.find({$text:{$search:"hello data"}}) { _id: ObjectId("61c092268c4037d17827d977"), title: 'index', content: 'efficient data structure' }, { _id: ObjectId("61c092268c4037d17827d976"), title: 'hello world', content: 'mongodb is the best database' }
taille
moyenne du tableau hobby
de chaque document est de 10, puis le hobby.
de cette collection Le nombre d'entrées dans l'index du tableau sera 10 fois supérieur à celui de l'index ordinaire 🎜🎜Index du tableau commun🎜🎜 . L'index de tableau commun est un index commun contenant des champs de tableau . Ce type d'index ne prend pas en charge plusieurs tableaux dans un champ d'index, c'est-à-dire qu'il ne peut y avoir qu'un seul champ de tableau dans un index. Ceci afin d'éviter la croissance explosive des entrées d'index. , alors le nombre d'entrées d'index sera de n*m fois celui d'un index normal🎜< h3 data-id="heading-3">Index géospatial🎜Ajoutez quelques éléments géographiques informations à la collection originale des utilisateurs
🎜//对title字段创建唯一索引 db.blog.createIndex({title:1},{unique:true}) 'title_1' //插入一个已经存在的title值 db.blog.insertOne({title:"hello world",content:"mongodb is the best database"}) MongoServerError: E11000 duplicate key error collection: mock.blog index: title_1 dup key: { : "hello world" } //查看一下执行计划,isUnique为true db.blog.find({"title":"index"}).explain() { queryPlanner: { ...... winningPlan: { stage: 'FETCH', inputStage: { stage: 'IXSCAN', keyPattern: { title: 1 }, indexName: 'title_1', isMultiKey: false, multiKeyPaths: { title: [] }, isUnique: true, ...... } }, rejectedPlans: [] }, ....... ok: 1 }
type
de l'index géospatial contient de nombreux Ponit(point)</code > | <code>LineString(line)
| Polygone( Polygone)
etc.🎜Indice TTL< /h3>🎜 L'orthographe complète de TTL est time to live
, principalement utilisée pour la suppression automatique des données expirées. Pour utiliser cet index, vous devez déclarer un champ de type heure dans le document, puis quand. En créant un index TTL pour ce champ, vous devez également définir une unité de temps d'expiration expireAfterSeconds
en secondes, une fois la création terminée, MongoDB
vérifiera régulièrement les données dans le fichier. collecte. Quand : 🎜T

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Les solutions pour résoudre les problèmes d'expiration de Navicat incluent : renouveler la licence ; désinstaller et réinstaller ; désactiver les mises à jour automatiques ; utiliser la version gratuite de Navicat Premium ; contacter le support client de Navicat.

Pour vous connecter à MongoDB à l'aide de Navicat, vous devez : Installer Navicat Créer une connexion MongoDB : a. Entrez le nom de connexion, l'adresse de l'hôte et le port b. Entrez les informations d'authentification (si nécessaire) Ajoutez un certificat SSL (si nécessaire) Vérifiez la connexion. Enregistrez la connexion

.NET 4.0 est utilisé pour créer une variété d'applications et offre aux développeurs d'applications des fonctionnalités riches, notamment : programmation orientée objet, flexibilité, architecture puissante, intégration du cloud computing, optimisation des performances, bibliothèques étendues, sécurité, évolutivité, accès aux données et mobile. soutien au développement.

Dans une architecture sans serveur, les fonctions Java peuvent être intégrées à la base de données pour accéder et manipuler les données de la base de données. Les étapes clés comprennent : la création de fonctions Java, la configuration des variables d'environnement, le déploiement de fonctions et le test des fonctions. En suivant ces étapes, les développeurs peuvent créer des applications complexes qui accèdent de manière transparente aux données stockées dans les bases de données.

La différence entre l'index cluster et l'index non cluster est: 1. Index en cluster stocke les lignes de données dans la structure d'index, ce qui convient à la requête par clé et plage primaire. 2. L'index non clumpant stocke les valeurs de clé d'index et les pointeurs vers les lignes de données, et convient aux requêtes de colonne de clés non primaires.

MySQL prend en charge quatre types d'index: B-Tree, hachage, texte intégral et spatial. 1. L'indice de tree B est adapté à la recherche de valeur égale, à la requête de plage et au tri. 2. L'indice de hachage convient aux recherches de valeur égale, mais ne prend pas en charge la requête et le tri des plages. 3. L'index de texte complet est utilisé pour la recherche en texte intégral et convient pour le traitement de grandes quantités de données de texte. 4. L'indice spatial est utilisé pour la requête de données géospatiaux et convient aux applications SIG.

Cet article présente comment configurer MongoDB sur Debian System pour réaliser une expansion automatique. Les étapes principales incluent la configuration de l'ensemble de répliques MongoDB et de la surveillance de l'espace disque. 1. Installation de MongoDB Tout d'abord, assurez-vous que MongoDB est installé sur le système Debian. Installez à l'aide de la commande suivante: SudoaptupDaSudoaptInstall-myongoDB-Org 2. Configuration de la réplique MongoDB Ensemble de répliques MongoDB assure la haute disponibilité et la redondance des données, ce qui est la base de la réalisation d'une expansion de capacité automatique. Démarrer le service MongoDB: Sudosystemctlstartmongodsudosys

Cet article décrit comment construire une base de données MongoDB hautement disponible sur un système Debian. Nous explorerons plusieurs façons de garantir que la sécurité des données et les services continueront de fonctionner. Stratégie clé: réplicaset: réplicaset: Utilisez des répliques pour obtenir la redondance des données et le basculement automatique. Lorsqu'un nœud maître échoue, l'ensemble de répliques élise automatiquement un nouveau nœud maître pour assurer la disponibilité continue du service. Sauvegarde et récupération des données: utilisez régulièrement la commande Mongodump pour sauvegarder la base de données et formuler des stratégies de récupération efficaces pour faire face au risque de perte de données. Surveillance et alarmes: déploier les outils de surveillance (tels que Prometheus, Grafana) pour surveiller l'état de course de MongoDB en temps réel, et
