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。

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-20

3.3 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1：city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:{$gt:20}})// ❌ 不使用索引// 方案2：age在前db.users.createIndex({age:-1,city:1})// 查询：db.users.find({age:{$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（OR）db.articles.find({$text:{$search:"MongoDB 教程"}})// 搜索短语（AND）db.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:"test@example.com"})// Error: E11000 duplicate key error

6.2 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().indexSizes

8.2 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: 5000

9.3 慢查询日志

// 查看慢查询（默认 > 100ms）db.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(leti=0;i<1000000;i++){bulk.push({userId:i,username:"user"+i,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.length===1000){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 5ms

10.3 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！