MongoDB (단일, 복합, 멀티 키, 지리 공간)의 다양한 유형의 인덱스는 무엇입니까?-몽고DB-php.cn

이 기사에서는 MongoDB의 색인 유형 (단일, 복합, 멀티 키 및 지리 공간에 대해 설명합니다. 쿼리 패턴 및 현장 카디널리티를 기반으로 올바른 색인을 선택하는 방법에 대해 자세히 설명하고 각 유형의 성능 이점 및 한계를 강조 표시합니다.

MongoDB (단일, 복합, 멀티 키, 지리 공간)의 다양한 유형의 인덱스는 무엇입니까?

MongoDB는 쿼리 성능을 최적화하기 위해 몇 가지 인덱스 유형을 제공합니다. 이러한 유형을 이해하는 것은 효율적인 데이터베이스 작업에 중요합니다. 일반적인 것들을 분해합시다.

단일 색인 : 가장 간단한 유형의 인덱스입니다. 컬렉션에 단일 필드를 색인합니다. 예를 들어, name 필드의 색인은 이름을 기준으로 문서를 빠르게 조회 할 수 있습니다. 이것은 단일 필드에서 자주 필터링하는 쿼리에 이상적입니다. 쿼리 옵티마이저는이 색인을 사용하여 전체 컬렉션을 스캔하지 않고 관련 문서를 신속하게 찾을 수 있습니다.
화합물 인덱스 : 이 인덱스는 여러 분야에 걸쳐 있습니다. 예를 들어, { age: 1, city: 1 } 에 대한 색인은 연령과 도시의 조합을 기반으로 문서를 색인합니다. 화합물 지수의 필드 순서는 중요합니다. 인덱스에 정의 된 것과 동일한 순서와 방향 (오름차순 또는 하강)으로 필드의 쿼리 필터가 필터링하면 쿼리 옵티마이저 가이 인덱스를 효율적으로 사용합니다. 주요 필드 (예 : age )에서만 필터링하는 쿼리 도이 지수의 혜택을받습니다.
멀티 키 인덱스 : 이 인덱스는 배열의 인덱싱을 허용합니다. 필드에 값 배열 (예 : tags: ["programming", "mongodb"] )가 포함 된 경우 해당 필드의 멀티 키 인덱스는 배열 내에 특정 요소가 포함 된 문서를 검색하는 효율적인 쿼리를 허용합니다. 예를 들어, "MongoDB"태그가있는 문서를 찾는 것은 멀티 키 인덱스에서 훨씬 더 빠릅니다.
지리 공간 지수 : 이 인덱스는 지리 공간 데이터를 위해 특별히 설계되었으며, 근접성, 거리 및 지리적 형태를 기반으로 한 위치를 효율적으로 쿼리 할 수 있습니다. 그들은 Geojson과 같은 특수 데이터 유형을 사용하여 점, 선 및 다각형을 나타냅니다. 일반적인 지리 공간 쿼리에는 주어진 지점의 특정 반경 내에서 문서를 찾거나 주어진 다각형을 교차하는 것이 포함됩니다. MongoDB는 두 가지 주요 유형의 지리 공간 지수를 제공합니다. 2dsphere (구형 좌표, 글로벌 데이터에 적합) 및 2D (평면 좌표, 더 작은 영역에 적합)를 제공합니다.

mongodb 쿼리에 대한 올바른 인덱스 유형을 어떻게 선택합니까?

적절한 인덱스 유형을 선택하면 쿼리 패턴을 이해하는 데 따릅니다. 필터링 및 정렬 작업에 자주 사용되는 필드를 식별하려면 응용 프로그램의 공통 쿼리를 분석하십시오.

쿼리 패턴 분석 : 응용 프로그램의 로그 파일을 검사하거나 모니터링 도구를 사용하여 가장 빈번한 쿼리를 정확히 찾아냅니다. $eq , $gt , $lt , $in , $nin 및 geospatial 운영자와 관련된 필드에 주목하십시오.
현장 카디널리티를 고려하십시오 : 고병 분야 (고유 한 값이 많은 필드)는 일반적으로 저 카디 릿 필드 (고유 한 값이 거의없는 필드)보다 인덱싱으로부터 더 많은 혜택을받습니다. 고유 한 값만으로 필드를 색인화하면 성능이 크게 향상되지 않을 수 있습니다.
자주 사용하는 필드 우선 순위 : $eq , $gt , $lt 및 유사한 연산자에서 자주 사용되는 인덱스 필드, 특히 WHERE 에서.
여러 필터의 화합물 인덱스 : 쿼리가 여러 필드에서 자주 필터링되면 복합 색인을 고려하십시오. 필드의 순서는 최적의 성능을위한 문제를 기억하십시오.
배열의 멀티 키 인덱스 : 데이터에 배열이 포함 된 경우 배열 요소의 효율적인 쿼리에는 멀티 키 인덱스가 필수적입니다.
위치 데이터에 대한 지리 공간 지수 : 위치 데이터를 다루는 응용 프로그램의 경우 효율적인 근접 검색에는 지리 공간 지수가 없어서는 안됩니다.
인덱스 적용 범위 : 수집 스캔의 필요성을 최소화하기 위해 가능한 한 쿼리의 많은 필드를 다루는 인덱스를 목표로합니다.
실험 및 모니터 : 인덱스를 작성한 후 프로파일 링 도구를 사용하여 성능을 모니터링하십시오. 관찰 된 성능에 따라 인덱스를 조정해야 할 수도 있습니다.

MongoDB에서 인덱스를 사용하면 성능 이점은 무엇입니까?

MongoDB가 전체 수집 스캔을 피함으로써 인덱스가 쿼리 성능을 크게 향상시킵니다. 혜택에는 다음이 포함됩니다.

더 빠른 쿼리 실행 : 색인을 사용하면 MongoDB가 컬렉션의 모든 문서를 검사하지 않고 관련 문서를 신속하게 찾을 수 있습니다. 이는 쿼리 응답 시간이 상당히 빠른 것입니다.
I/O 운영 감소 : 인덱스는 데이터를 검색하는 데 필요한 디스크 판독 수를 최소화하여 I/O 오버 헤드가 낮아지고 전체 시스템 성능이 향상되었습니다.
확장 성 개선 : 쿼리 성능을 최적화함으로써 인덱스는 MongoDB 배포의 확장 성을 향상시켜 더 큰 데이터 세트와 더 높은 쿼리로드를보다 효율적으로 처리 할 수 있습니다.
향상된 동시성 : 더 빠른 쿼리 프리 업 리소스, 동시성 향상 및 데이터베이스가 성능 저하없이 여러 요청을 동시에 처리 할 수 있도록합니다.

다른 MongoDB 인덱스 유형을 사용하는 잠재적 인 단점 또는 한계는 무엇입니까?

인덱스는 성능에 큰 도움이되지만 제한 사항도 있습니다.

스토리지 오버 헤드 : 인덱스는 추가 저장 공간을 소비합니다. 인덱스의 크기는 인덱스 필드와 컬렉션의 크기에 따라 다릅니다.
오버 헤드 업데이트 : 문서 삽입, 업데이트 및 삭제는 인덱스 유지 관리로 인해 추가 오버 헤드가 발생합니다. 이 오버 헤드는 일반적으로 작지만 쓰기 부하가 매우 높으면 눈에 띄게 될 수 있습니다.
인덱스 크기 한계 : 인덱스 크기에는 한계가 있습니다. 지나치게 큰 인덱스는 성능에 영향을 줄 수 있습니다.
인덱스 조각화 : 시간이 지남에 따라 인덱스가 단편화되어 효율성을 줄일 수 있습니다. 정기적으로 db.collection.reIndex() 를 실행하면이를 완화하는 데 도움이 될 수 있습니다.
복합 및 멀티 키 인덱스의 복잡성 : 효율적인 화합물 및 멀티 키 인덱스 설계에는 쿼리 패턴과 필드 순서를 신중하게 고려해야합니다. 부적절하게 설계된 인덱스는 예상보다 덜 효과적 일 수 있습니다.
지리 공간 지수 제한 : 지리 공간 지수는 특정 유형의 쿼리에 최적화됩니다. 공간 기능을 활용하지 않는 쿼리에는 효율적이지 않을 수 있습니다. 올바른 지리 공간 지수 유형 (2dsphere vs. 2d)을 선택하는 것은 최적의 성능에 중요합니다.