MongoDB~索引使用与优化

Study by：

  • https://docs.mongoing.com/indexes
  • https://www.cnblogs.com/Neeo/articles/14325130.html#%E5%85%B6%E4%BB%96%E7%B4%A2%E5%BC%95

作用

如果你把数据库类比为一本书，那书的具体内容是数据，书的目录就是索引，所以索引的目的和作用，就是为了提高数据的查询效率。

和关系型数据库类似，MongoDB 中也有索引。如果没有索引的话，MongoDB 必须执行集合扫描 ，即扫描集合中的每个文档，以选择与查询语句匹配的文档。

如果查询存在合适的索引，MongoDB 可以使用该索引来限制它必须检查的文档数量。并且，MongoDB 可以使用索引中的排序返回排序后的结果。

虽然索引可以显著缩短查询时间，但是使用索引、维护索引是有代价的。在执行写入操作时，除了要更新文档之外，还必须更新索引，这必然会影响写入的性能。因此，当有大量写操作而读操作少时，或者不考虑读操作的性能时，都不推荐建立索引。

索引类型

MongoDB 支持多种类型的索引，包括单字段索引、复合索引、多键索引、哈希索引、文本索引、 地理位置索引等，每种类型的索引有不同的使用场合。

  • 单字段索引： 建立在单个字段上的索引，索引创建的排序顺序无所谓，MongoDB 可以头/尾开始遍历。
  • 复合索引： 建立在多个字段上的索引，也可以称之为组合索引、联合索引。
  • 多键索引：MongoDB 的一个字段可能是数组，在对这种字段创建索引时，就是多键索引。MongoDB 会为数组的每个值创建索引。就是说你可以按照数组里面的值做条件来查询，这个时候依然会走索引。
  • 哈希索引：按数据的哈希值索引，用在哈希分片集群上。
  • 文本索引： 支持对字符串内容的文本搜索查询。文本索引可以包含任何值为字符串或字符串元素数组的字段。一个集合只能有一个文本搜索索引，但该索引可以覆盖多个字段。MongoDB 虽然支持全文索引，但是性能低下，暂时不建议使用。
  • 地理位置索引： 基于经纬度的索引，适合 2D 和 3D 的位置查询。
  • 唯一索引：确保索引字段不会存储重复值。如果集合已经存在了违反索引的唯一约束的文档，则后台创建唯一索引会失败。
  • TTL 索引：TTL 索引提供了一个过期机制，允许为每一个文档设置一个过期时间，当一个文档达到预设的过期时间之后就会被删除。

索引示例

MongoDB 使用 createIndex() 方法来创建索引。
createIndex() 方法基本语法格式如下所示：

db.collection.createIndex( keys, options )

db：数据库的引用。 collection：集合的名称。 keys：一个对象，指定了字段名和索引的排序方向（1 表示升序，-1 表示降序）。
options：一个可选参数，可以包含索引的额外选项。 options 参数是一个对象，可以包含多种配置选项，以下是一些常用的选项：

unique：如果设置为 true，则创建唯一索引，确保索引字段的值在集合中是唯一的。 background：如果设置为
true，则索引创建过程在后台运行，不影响其他数据库操作。 name：指定索引的名称，如果不指定，MongoDB
会根据索引的字段自动生成一个名称。 sparse：如果设置为 true，创建稀疏索引，只索引那些包含索引字段的文档。
expireAfterSeconds：设置索引字段的过期时间，MongoDB 将自动删除过期的文档。 v：索引版本，通常不需要手动设置。
weights：为文本索引指定权重。

// 创建 age 字段的升序索引
db.myCollection.createIndex({ age: 1 });
// 创建 name 字段的文本索引
db.myCollection.createIndex({ name: "text" });
  • 索引创建：
// 创建唯一索引
db.collection.createIndex( { field: 1 }, { unique: true } )// 创建后台运行的索引
db.collection.createIndex( { field: 1 }, { background: true } )// 创建稀疏索引
db.collection.createIndex( { field: 1 }, { sparse: true } )// 创建文本索引并指定权重
db.collection.createIndex( { field: "text" }, { weights: { field: 10 } } )
创建地理空间索引
对于存储地理位置数据的字段，可以使用 2dsphere 或 2d 索引类型来创建地理空间索引。// 2dsphere 索引，适用于球形地理数据
db.collection.createIndex( { location: "2dsphere" } )// 2d 索引，适用于平面地理数据
db.collection.createIndex( { location: "2d" } )
  • 创建哈希索引
    从 MongoDB 3.2 版本开始，可以使用哈希索引对字段进行哈希，以支持大范围的数值查找。
db.collection.createIndex( { field: "hashed" } )
  • 查看索引
    使用 getIndexes() 方法可以查看集合中的所有索引：
db.collection.getIndexes()
  • 删除索引
    使用 dropIndex() 或 dropIndexes() 方法可以删除索引：
// 删除指定的索引
db.collection.dropIndex( "indexName" )// 删除所有索引
db.collection.dropIndexes()

默认索引

在创建集合期间，MongoDB会在_id字段上创建唯一索引，用来防止客户端插入两个具有相同值的文档，我们也不能删除该默认索引，而通常我们在插入文档时，应该忽略该字段，让ObjectId对象来自动生成。

单例索引

MongoDB支持在文档的单个字段上创建自定义的升序/降序索引，称为——单列索引(Single Field Index)，也可以称之为单字段索引。

  • 在单列索引中，升序/降序并不影响查询性能。
// 为 age 字段创建索引
db.s1.createIndex({"age": 1})// 如下的查询将会走索引
db.s1.find({"age": {"$gt": 10}})
{ "_id" : ObjectId("600fe7e79ab2f8c54a73ea77"), "name" : "zhangkai", "age" : 18 }
{ "_id" : ObjectId("600fe7e79ab2f8c54a73ea78"), "name" : "likai", "age" : 20 }// 从执行计划中，查看是否走了索引
db.s1.find({"age": {"$gt": 10}}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "FETCH","inputStage" : {"stage" : "IXSCAN",  // 走了索引扫描"keyPattern" : {"age" : 1},"indexName" : "age_1",  // 使用的索引"isMultiKey" : false, "multiKeyPaths" : {"age" : [ ]},"isUnique" : false,"isSparse" : false,"isPartial" : false,"indexVersion" : 2,"direction" : "forward","indexBounds" : {"age" : ["(10.0, inf.0]"]}}
}

在嵌入式字段上创建单列索引

// 准备一个新的集合并插入数据
db.s1.drop()
db.s1.insertMany([{"name": "zhangkai", "age": 18, "info": {"address": "beijing", "tel": "13011304424"}},{"name": "likai", "age": 20, "info": {"address": "shanghai", "tel": "15011304424"}}
])// 创建索引
db.s1.createIndex({"info.address": 1})// 查询
db.s1.find({"info.address": "beijing"})
{ "_id" : ObjectId("600fec019ab2f8c54a73ea79"), "name" : "zhangkai", "age" : 18, "info" : [ { "address" : "beijing" }, { "tel" : "13011304424" } ] }
db.s1.find({"info.address": "beijing"}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "FETCH","inputStage" : {"stage" : "IXSCAN",  // 走了索引查询"keyPattern" : {"info.address" : 1},"indexName" : "info.address_1",  // 使用的索引"isMultiKey" : false,"multiKeyPaths" : {"info.address" : [ ]},"isUnique" : false,"isSparse" : false,"isPartial" : false,"indexVersion" : 2,"direction" : "forward","indexBounds" : {"info.address" : ["[\"beijing\", \"beijing\"]"]}}
}

注意，当对嵌入式文档执行相等匹配时，字段顺序很重要，嵌入式文档必须完全匹配，才能返回结果。

另外，在嵌入式文档和嵌入式字段创建的索引不能混为一谈：

  • 在嵌入式文档上创建的索引，会对整个嵌入的文档进行索引，它是一个整体，查询时，要进行完全匹配。
  • 在嵌入式字段上创建的索引，只是对嵌入文档的指定字段进行索引，索引部分只包含嵌入文档的指定字段。

复合索引

MongoDB还支持多字段自定义索引，即复合索引(Compound Indexes)，也可以称之为组合索引、联合索引。MongoDB中的复合索引在某些方面跟关系型数据库的组合索引是一样的，比如同样支持索引前缀。

复合索引中字段的顺序非常重要。

例如下图中的复合索引由{userid:1, score:-1}组成，则该复合索引首先按照userid升序排序；然后再每个userid的值内，再按照score降序排序。
在这里插入图片描述
在复合索引中，按照何种方式排序，决定了该索引在查询中是否能被应用到。

  • 走复合索引的排序：
db.s2.find().sort({"userid": 1, "score": -1})
db.s2.find().sort({"userid": -1, "score": 1})
  • 不走复合索引的排序：
db.s2.find().sort({"userid": 1, "score": 1})
db.s2.find().sort({"userid": -1, "score": -1})
db.s2.find().sort({"score": 1, "userid": -1})
db.s2.find().sort({"score": 1, "userid": 1})
db.s2.find().sort({"score": -1, "userid": -1})
db.s2.find().sort({"score": -1, "userid": 1})
  • 我们可以通过 explain 进行分析：
db.s2.find().sort({"score": -1, "userid": 1}).explain()

复合索引与索引前缀

复合索引同样支持对索引前缀的查询，例如，考虑以下复合索引：

// 三个字段的复合索引
{"userid": 1, "socore": 1, "age": 1}// 上面的复合索引有以下索引前缀
{"userid": 1}
{"userid": 1, "score": 1}

在以下情况的查询走索引：

  • userid
  • userid + score
  • userid + score + age。
  • userid + age，尽管索引被使用，但效率不高。
// 为了避免混淆，先清空索引
db.s2.dropIndexes()
// 创建索引
db.s2.createIndex({"userid": 1, "socore": 1, "age": 1}, {"name": "compoundIndex2"})// userid  走索引
db.s2.find({"userid": {"$lt": 3}}).explain()// userid + score  走索引
db.s2.find({"userid": {"$lt": 3}, "score": {"$lt": 98}}).explain()// userid + score + age   走索引
db.s2.find({"userid": {"$lt": 3}, "score": {"$lt": 98}, "age": {"$lt": 30}}).explain()// userid + age   走索引
db.s2.find({"userid": {"$lt": 3}, "age": {"$lt": 30}}).explain()

以下情况不走索引：

  • score。
  • age。
  • score + age。
// score  不走索引
db.s2.find({"score": {"$lt": 98}}).explain()// age  不走索引
db.s2.find({"age": {"$lt": 30}}).explain()// score + age   不走索引
db.s2.find({"score": {"$lt": 98}, "age": {"$lt": 30}}).explain()

多键索引

对于包含数组的文档，我们可以使用MongoDB提供了多键索引，为数组中的每个元素创建一个索引键，这些多键索引支持对数组字段的有效查询。

// 准备集合并插入数据
db.s3.drop()
db.s3.insertMany([{ _id: 5, type: "food", item: "aaa", ratings: [ 5, 8, 9 ]},{ _id: 6, type: "food", item: "bbb", ratings: [ 5, 9 ]},{ _id: 7, type: "food", item: "ccc", ratings: [ 9, 5, 8 ]},{ _id: 8, type: "food", item: "ddd", ratings: [ 9, 5 ] },{ _id: 9, type: "food", item: "eee", ratings: [ 5, 9, 5 ]}
])// 基于ratings字段创建多键索引
db.s3.createIndex({ratings:1})

基于一个数组创建索引，MongoDB会自动创建为多键索引，无需刻意指定，另外，多键索引不等于复合索引。

地理空间索引

为了支持对于地理空间坐标数据的有效查询，MongoDB提供了两种特殊的索引：

  • 返回结果时使用平面几何的二维索引。
  • 返回结果时使用球面几何的二维索引。

文本索引

MongoDB提供了一种文本索引类型，支持在集合中搜索字符串内容。

这些文本索引不存储特定语言的停用词(例如the、a、or)，而是将集合中的词作为词干，只存储词根。

哈希索引

为了支持基于散列的分片，MongoDB提供了散列索引类型，它对字段值的散列进行索引，这些索引在其范围内的值分布更加随机，但支持相等匹配，不支持基于范围的查询。

唯一索引

唯一索引(Unique Indexes)可确保索引字段不会存储重复值；即对索引字段实施唯一性。默认情况下，MongoDB 在创建集合时会在_id字段上创建唯一索引。

  • 创建唯一索引
// 创建单列唯一索引
// unipue:true声明普通单列索引为唯一索引
db.userinfo.createIndex({"user": 1}, {"unique": true})// 复合索引中的添加唯一属性
db.userinfo.createIndex({"user": 1, "tel": 1}, {"unique": true})// 多键索引中添加唯一属性
db.userinfo.createIndex({"info.address": 1, "info.tel": 1}, {"unique": true})

唯一索引的一些限制

  1. 对于那些已经存在的非唯一的列，在其上面创建唯一索引将失败

  2. 对于数组类型的key，相同的值只能插入一次：

// 插入数据
db.s10.insert({"info": [{"tel": 13011303330}]})// 创建唯一索引
db.s10.createIndex({"info.tel": 1}, {"unique": true})// 再次插入相同的值，就报错了
db.s10.insert({"info": [{"tel": 13011303330}]})
WriteResult({"nInserted" : 0,"writeError" : {"code" : 11000,"errmsg" : "E11000 duplicate key error collection: t1.s10 index: info.tel_1 dup key: { : 13011303330.0 }"}
})
  1. MongoDB只允许一篇文档缺少索引字段
// 插入数据,成功
db.s10.insert({"name": "zhangkai"})// 创建唯一索引,成功
db.s10.createIndex({"name": 1}, {"unique": true})// 插入重复则报错，符合预期
db.s10.insert({"name": "zhangkai"})  // "errmsg" : "E11000 duplicate key error collection: t1.s10 index: name_1 dup key: { : \"zhangkai\" }"// 插入一个缺少 name 字段的文档，可以成功
db.s10.insert({"age": 18})  // mongodb会默认为 name 字段设置为null// 再次插入缺少 name 字段的文档，就会失败，因为mongodb只允许一篇文档缺少索引字段
db.s10.insert({"age": 20})  // "errmsg" : "E11000 duplicate key error collection: t1.s10 index: name_1 dup key: { : null }"
  1. 不能对哈希索引指定唯一约束

稀疏索引

稀疏索引也叫做间隙索引，它只包含含有索引字段的文档，如果某个文档的不存在索引键，则跳过，所以，这种索引被称之为稀疏索引。

创建稀疏索引

// 准备数据
db.s11.insertMany([{"name": "zhangkai"},{"name": "likai", "score": 95},{"name": "wangkai", "score": 92},
])// 在创建索引时，指定 sparse：true 将普通索引标记为稀疏索引
db.s11.createIndex({"score": 1}, {"sparse": true})// 通过查询语句的执行计划，查看稀疏索引的应用情况
db.s11.find({"score": {"$lt": 95}})
{ "_id" : ObjectId("600fb8d164bc3da87653e9f4"), "name" : "wangkai", "score" : 92 }
db.s11.find({"score": {"$lt": 95}}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "FETCH",  // 根据索引检索指定的文档"inputStage" : {"stage" : "IXSCAN",  // 使用了索引扫描"keyPattern" : {"score" : 1},"indexName" : "score_1",  // 索引名称"isMultiKey" : false,"multiKeyPaths" : {"score" : [ ]},"isUnique" : false,"isSparse" : true,  // 索引类型是稀疏索引"isPartial" : false,"indexVersion" : 2,"direction" : "forward","indexBounds" : {"score" : ["[-inf.0, 95.0)"]}}
}

再来看稀疏索引无法使用的示例：

db.s11.find().sort({"score": 1})
{ "_id" : ObjectId("600fb8d164bc3da87653e9f2"), "name" : "zhangkai" }
{ "_id" : ObjectId("600fb8d164bc3da87653e9f4"), "name" : "wangkai", "score" : 92 }
{ "_id" : ObjectId("600fb8d164bc3da87653e9f3"), "name" : "likai", "score" : 95 }db.s11.find().sort({"score": 1}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "SORT","sortPattern" : {"score" : 1},"inputStage" : {"stage" : "SORT_KEY_GENERATOR","inputStage" : {"stage" : "COLLSCAN",  // 全集合扫描"direction" : "forward"}}
}

我们也可以强制使用稀疏索引：

// hint 明确指定索引
db.s11.find().sort({"score": 1}).hint({"score": 1})
{ "_id" : ObjectId("600fb8d164bc3da87653e9f4"), "name" : "wangkai", "score" : 92 }
{ "_id" : ObjectId("600fb8d164bc3da87653e9f3"), "name" : "likai", "score" : 95 }db.s11.find().hint({"score": 1})  // 跟上一条语句的返回结果一致
{ "_id" : ObjectId("600fb8d164bc3da87653e9f4"), "name" : "wangkai", "score" : 92 }
{ "_id" : ObjectId("600fb8d164bc3da87653e9f3"), "name" : "likai", "score" : 95 }db.s11.find().hint({"score": 1}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "FETCH","inputStage" : {"stage" : "IXSCAN","keyPattern" : {"score" : 1},"indexName" : "score_1","isMultiKey" : false,"multiKeyPaths" : {"score" : [ ]},"isUnique" : false,"isSparse" : true,"isPartial" : false,"indexVersion" : 2,"direction" : "forward","indexBounds" : {"score" : ["[MinKey, MaxKey]"]}}
}// 当然，如果你要对文档进行计数时，不要使用 hint 和稀疏索引
db.s11.count()
->3
db.s11.find().hint({"score": 1}).count()
->2

部分索引

部分索引(Partial Indexes)是MongoDB3.2版本中的新功能，也叫做局部索引。

部分索引仅索引集合中符合指定过滤器表达式的文档，且由于部分索引是集合的子集，所以部分索引具有较低的存储需求，并降低了索引创建和维护的性能成本。部分索引通过指定过滤条件来创建，可以为MongoDB支持的所有索引类型使用部分索引。

部分索引中常用的过滤器表达式

  • 等式表达式，$eq
  • $exists
  • 大于小于等于系列
  • $type
  • and

创建部分索引

// 准备数据
db.s12.insertMany([{"name": "zhangkai", "score": 85},{"name": "likai", "score": 95},{"name": "wangkai", "score": 92},{"name": "zhangkai1", "score": 87},{"name": "likai1", "score": 97},{"name": "wangkai1", "score": 99},{"name": "zhangkai2", "score": 25},{"name": "likai2", "score": 45},{"name": "wangkai2", "score": 32},
])// 创建部分索引
db.s12.createIndex({"score": 1}, {"partialFilterExpression": {"score":{"$gte": 60}}
})// 只有当查询条件大于等于60的时候，才走部分索引
db.s12.find({"score": {"$gte": 60}}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "FETCH","inputStage" : {"stage" : "IXSCAN",  // 走了索引"keyPattern" : {"score" : 1},"indexName" : "score_1","isMultiKey" : false,"multiKeyPaths" : {"score" : [ ]},"isUnique" : false,"isSparse" : false,"isPartial" : true,"indexVersion" : 2,"direction" : "forward","indexBounds" : {"score" : ["[60.0, inf.0]"]}}
}// 下面示例，不会走部分索引
db.s12.find({"score": {"$gt": 59}}).explain()["queryPlanner"]["winningPlan"]
{"stage" : "COLLSCAN",  // 全集合扫描"filter" : {"score" : {"$gt" : 59}},"direction" : "forward"
}

再来看部分索引和唯一索引同时使用时的一些现象：

db.s12.remove({})
db.s12.insertMany([{"name": "zhangkai", "score": 85},{"name": "likai", "score": 95}
])db.s12.createIndex({"name": 1},{"unique": true,"partialFilterExpression": {"score": {"$gt": 60}}}
)// 插入 name 值相同的文档, 报错，不允许插入
db.s12.insert({"name": "zhangkai", "score": 77})  // "errmsg" : "E11000 duplicate key error collection: t1.s12 index: name_1 dup key: { : \"zhangkai\" }"// 以下几种情况允许插入
db.s12.insertMany([{"name": "zhangkai", "score": 30},  // name 值重复，score 值小于部分索引限制{"name": "zhangkai", "score": null},  // name 值重复，score 值为 null{"name": "zhaokai"},  // 忽略 score 字段
])// 文档已存在，再插入就报错
db.s12.insert({"name": "zhangkai", "score": 85})  // score值大于部分索引限制，校验 name 唯一性// score 值小于部分索引，允许插入重复 name 值
db.s12.insert({"name": "zhaokai", "score": 30})  // name 值不重复，score值重复，允许插入
db.s12.insert({"name": "sunkai", "score": 70})

由上例的测试结果可以发现，当对唯一索引添加部分索引时，插入时检查部分索引字段的唯一性，什么意思呢？如上例的索引，它只对于score值大于等于60的文档，才去校验name的唯一性，同时允许姓名不同，score值相同的文档插入。

部分索引和稀疏索对比

  • 部分索引主要是针对那些满足条件的文档(非字段缺失)创建索引，比稀疏索引提供了更具有表现力。

  • 稀疏索引是文档上某些字段的存在与否，存在则为其创建索引，否则该文档没有索引键。

TTL索引

TTL(Time To Live)索引是特殊的单列索引，通过在创建索引时指定expireAfterSeconds参数将普通的单列索引标记为TTL索引，实现为文档的自动过期删除功能。TTL 索引除了有 expireAfterSeconds 属性外，和普通索引一样。

  • MongoDB会开启一个后台线程读取该TTL索引的值来判断文档是否过期，但不会保证已过期的数据会立马被删除，因后台线程每60秒触发一次删除任务，且如果删除的数据量较大，会存在上一次的删除未完成，而下一次的任务已经开启的情况，导致过期的数据也会出现超过了数据保留时间60秒以上的现象。
  • 对于副本集而言，TTL索引的后台进程只会在primary节点开启，在从节点会始终处于空闲状态，从节点的数据删除是由主库删除后产生的oplog来做同步。
  • TTL索引除了有expireAfterSeconds属性外，和普通索引一样。
  • 应用场景：为所有插入的文档指定一个统一的过期时间。指定具体的过期时间，后续插入的记录都会在expireAfterSeconds指定的时间(单位:秒)后自动删除
  • TTL索引的使用限制
  1. TTL索引只支持单例索引，复合索引不支持TTL。
  2. _id字段不支持TTL索引。
  3. 无法在上限集合上创建TTL索引，因为MongoDB无法从上限集合中删除文档。
  4. 如果某个字段已经存在非TTL索引，那么在该字段上无法再创建TTL索引。

覆盖查询

覆盖查询是一种查询现象。

根据官方文档介绍，覆盖查询是以下的查询：

  1. 所有的查询字段是索引的一部分。
  2. 结果中返回的所有字段都在同一索引中。
  3. 查询中没有字段等于null。

当查询条件和查询的投影仅包含索引字段时，MongoDB会直接从索引中返回结果，而不扫描任何文档或者将文档带入内存，这样的查询性能非常高。
在这里插入图片描述
如上图，如果对score字段建立了索引，查询时只返回score字段，这就会触发覆盖索引，即查询结果来自于索引，而不走文档集。

{"_id": ObjectId("53402597d852426020000002"),"contact": "987654321","dob": "01-01-1991","gender": "M","name": "Tom","user_name": "hello"
}

我们在 users 集合中创建联合索引，字段为 gender 和 user_name

db.users.ensureIndex({gender:1,user_name:1})

现在，该索引会覆盖以下查询：

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

为了让指定的索引覆盖查询，必须显式地指定 _id: 0 来从结果中排除 _id 字段，因为索引不包括 _id 字段。

策略与优化

索引虽然可以提高查询性能，但也会增加写操作的开销。因此，在创建索引时需要权衡查询性能和写入性能。

索引会占用额外的存储空间，特别是对于大型数据集，需要考虑索引的存储成本。通过合理地设计和使用索引，可以大大提高 MongoDB 数据库的查询性能和响应速度，从而更好地支持应用程序的需求。

而且MongoDB的索引是存储在运行内存(RAM)中的，所以必须确保索引的大小不超过内存的限制。如果索引的大小超过了运行内存的限制，MongoDB会删除一些索引，这将导致性能下降。

在创建索引时，需要考虑以下因素：

  1. 查询频率：优先考虑那些经常用于查询的字段。
  2. 字段基数：字段值的基数越高（即唯一值越多），索引的效果越好。
  3. 索引大小：索引的大小会影响数据库的内存占用和查询性能。
  4. 一个集合中索引数量不能超过64个。
  5. 索引名的长度不能超过128个字符。
  6. 一个复合索引最多可以有31个字段。
  7. MongoDB的索引在部分查询条件下是不会生效的。
  • 正则表达式及非操作符，如 n i n , nin, nin,not , 等。
  • 算术运算符，如 $mod, 等。
  • $where自定义查询函数。

在对索引进行优化时，可以考虑以下方法：

  1. 选择合适的索引类型：根据查询需求选择合适的索引类型。
  2. 创建复合索引：对于经常一起使用的字段，考虑创建复合索引以提高查询效率。
  3. 监控索引性能：定期监控索引的使用情况，根据实际需求调整索引。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/23820.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

NIST 电子病历中的疫苗部分的认证

NIST 电子病历中的疫苗部分的认证

美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）对电子病历的认证 分几个阶段，每个阶段又分门诊和住院，然后又分若干模块。下面是疫苗模块的数据提交的测试脚本。 170.302k_Immuniza…
阅读更多...
数据提取：构建企业智能决策的基石

数据提取：构建企业智能决策的基石

在数字化时代，数据已成为企业最宝贵的资产之一。而数据提取，作为数据分析和智能决策的第一步，正日益成为企业构建竞争优势的关键环节。本文将探讨数据提取的重要性、方法以及它如何为企业的智能决策奠定坚实基础。 一、数据提取的重要性 洞…
阅读更多...
多线程..

多线程..

线程定义：线程是操作系统能够进行运算调度的最小单位，它被包含在进程之中，是进程中实际运作单位。简单来说，应用软件中相互独立，可以同时运作的功能。 多线程作用：有了多线程，我们就可以让程序…
阅读更多...
【机器学习300问】108、什么是多项式回归模型？

【机器学习300问】108、什么是多项式回归模型？

一、多项式回归是什么 （1）举例说明 假设你经营着一家农场，想要根据土地面积来预测作物的产量。如果你只用线性模型（即），你可能会发现它并不足以描述实际的产量情况，因为实际产量可能会随着土地…
阅读更多...
Acwing 786.第K个数

Acwing 786.第K个数

Acwing 786.第K个数 题目描述 786. 第k个数 - AcWing题库 运行代码 #include <iostream> #include <algorithm> using namespace std; const int N 100010; int q[N];int main() {int n, k;scanf("%d%d", &n, &k);for (int i 0; i < n; …
阅读更多...
opencv进阶 ——（十三）基于三角剖分实现换脸

opencv进阶 ——（十三）基于三角剖分实现换脸

换脸的关键在于人脸对齐&#xff0c;人脸对齐主要包括以下几点&#xff1a; 1、人脸可能存在一定的角度&#xff0c;因此需要先将倾斜方向进行对齐 2、大小对齐&#xff0c;将模板人脸的大小缩放到同一大小 3、要想有好的效果&#xff0c;关键点选取很重要 4、人脸对齐后&a…
阅读更多...
黑马python-JavaScript

黑马python-JavaScript

1.JavaScript的定义&#xff1a; JavaScript是运行在浏览器端的脚步语言&#xff0c;是由浏览器解释执行的、简称js。它能够让网页和用户有交互功能&#xff0c;增加良好的用户体验效果 2.使用方式&#xff1a; 1.行内式&#xff08;主要用于事件&#xff09; <input type&q…
阅读更多...
【大数据】计算引擎：Spark核心概念

【大数据】计算引擎：Spark核心概念

目录 前言 1.什么是Spark 2.核心概念 2.1.Spark如何拉高计算性能 2.2.RDD 2.3.Stage 3.运行流程 前言 本文是作者大数据系列中的一文&#xff0c;专栏地址&#xff1a; https://blog.csdn.net/joker_zjn/category_12631789.html?spm1001.2014.3001.5482 该系列会成体…
阅读更多...
JAVA技术设计模式

JAVA技术设计模式

设计模式结构图 设计原则 职责单一原则接口隔离原则 一个类对另一个类的依赖应该建立在最小的接口上 依赖倒置面向接口编程，参数或变量，依赖注入，使用父类 开闭原则 对扩展开放（对提供方），对修改关闭（对使用方） 用抽象构建框架，用实现扩展细节 里氏替换原则…
阅读更多...
java中的双列集合（Map，HashMap，TreeMap，LinkedHashMap）

java中的双列集合（Map，HashMap，TreeMap，LinkedHashMap）

双列集合的特点 双列集合一次需要存一对数据&#xff0c;分别为键和值 键不能重复&#xff0c;值可以重复 键和值是一一对应的&#xff0c;每一个键只能找到自己对应的值 键值这个整体 &#xff0c;我们称之为“键值对”或者“键值对对象”&#xff0c;在Java中叫做“Entry对象…
阅读更多...
CAPL如何发送一条UDP报文

CAPL如何发送一条UDP报文

UDP作为传输层协议，本身并不具有可靠性传输特点，所以不需要建立连接通道，可以直接发送数据。当然，前提是需要知道对方的通信端点，也就是IP地址和端口号。 端口号是传输层协议中最显著的特征，传输层根据它来确定上层绑定的应用程序，以达到把数据交给上层应用处理的目的。…
阅读更多...
【Pytorch】计算机视觉项目——卷积神经网络TinyVGG模型图像分类（模型预测）

【Pytorch】计算机视觉项目——卷积神经网络TinyVGG模型图像分类（模型预测）

介绍 这篇文章是《【Pytorch】计算机视觉项目——卷积神经网络TinyVGG模型图像分类&#xff08;如何使用自定义数据集&#xff09;》的最后一部分内容&#xff1a;模型预测。 在本文中&#xff0c;我们将介绍如何测试模型的预测效果——让已训练好模型对一张新的图片进行分类&a…
阅读更多...
在 SEO 中，一个好的网页必须具备哪些 HTML 标签和属性？

在 SEO 中，一个好的网页必须具备哪些 HTML 标签和属性？

搜索引擎优化 &#xff08;SEO&#xff09; 是涉及提高网站在搜索引擎上的可见性的过程。这是通过提高网站在搜索引擎结果页面&#xff08;例如Google&#xff09;上的排名来实现的。网站在这些页面上的显示位置越高&#xff0c;就越有可能获得更大的流量。 搜索引擎优化涉及了…
阅读更多...
跑mask2former（自用）

跑mask2former（自用）

1. 运行docker 基本命令&#xff1a; sudo docker ps -a &#xff08;列出所有容器状态&#xff09; sudo docker run -dit -v /hdd/lyh/mask2former:/mask --gpus "device0,1" --shm-size 16G --name mask 11.1:v6 &#xff08;创建docker容器&…
阅读更多...
Mac系统使用COLMAP

Mac系统使用COLMAP

安装教程 如有出入&#xff0c;参照官网手册最新版 Installation — COLMAP 3.9-dev documentation 首先确保mac上安装了Homebrew 1.安装依赖项 brew install \cmake \ninja \boost \eigen \flann \freeimage \metis \glog \googletest \ceres-solver \qt5 \glew \cgal \s…
阅读更多...
万里长城第一步——尚庭公寓【技术概述】

万里长城第一步——尚庭公寓【技术概述】

简略版&#xff1a; 项目概述主要是移动端&#xff08;房源检索&#xff1b;预约看房&#xff0c;租赁管理&#xff0c;浏览历史&#xff09;和后台管理&#xff08;管理员对房源进行操作&#xff09;&#xff1b; 项目使用前后端分离的方法&#xff0c;主要以后端为主&#xf…
阅读更多...
rpm安装

rpm安装

rpm安装 命令格式&#xff1a; rpm 【选项】 文件名 选项&#xff1a; -i&#xff1a;安装软件 -v:显示安装过程信息 -h:用#表示安装进度&#xff0c;一个#代表2% -ivh&#xff1a;安装软件&#xff0c;显示安装过程 -e:卸载软件 -q:查看软件是否安装 -ql&#xff1…
阅读更多...
信息系统项目管理师0147：工具与技术（9项目范围管理—9.3规划范围管理—9.3.2工具与技术）

信息系统项目管理师0147：工具与技术（9项目范围管理—9.3规划范围管理—9.3.2工具与技术）

点击查看专栏目录 文章目录 9.3.2 工具与技术 9.3.2 工具与技术 专家判断 规划范围管理过程中&#xff0c;应征求具备如下领域相关专业知识或接受过相关培训的个人或小组 的意见&#xff0c;涉及的领域包括&#xff1a;以往类似项目&#xff1b;特定行业、学科和应用领域的信息…
阅读更多...
学习anjuke的过程

学习anjuke的过程

一、抓包 先看看12.25.1版本的APP是不是还能使用&#xff0c;如果还能使用我们就先破解低版本的。打开APP后发现还能正常使用&#xff0c;因为低版本的难度低我们就破解这个版本。低版本和高版本的算法是一样的&#xff0c;算法破解之后我们后续抓包替换接口就行了。手机安装上…
阅读更多...
SQLAlchemy 模型中数据的错误表示

SQLAlchemy 模型中数据的错误表示

1. 问题背景 在使用 SQLAlchemy 0.6.0 版本&#xff08;也曾尝试使用 0.6.4 版本&#xff09;的 Pylons 应用程序中遇到了一个 SQLAlchemy ORM 问题。该问题出现在使用 psycopg2 作为数据库驱动程序、连接至 Postgresql 8.2 数据库的环境中。定义了一个 User 模型对象&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023