面试题：复杂业务场景下MongoDB索引基数的动态调整

Question

在一个实时更新且查询复杂的MongoDB应用场景中，随着数据的不断变化，索引基数也在动态改变。请描述一套完整的监控与调整机制，确保索引基数始终处于优化查询性能的状态，包括使用哪些工具来监控索引基数变化，以及如何基于监控数据对索引进行动态调整。

Answer 1

监控索引基数变化的工具

1. MongoDB自带命令：
   • db.collection.stats()：可以获取集合的统计信息，其中包括索引相关信息，如索引大小等。例如，在mongo shell中执行db.yourCollection.stats()，能查看集合整体状态，辅助判断索引基数变化对集合的影响。
   • db.collection.totalIndexSize()：直接返回集合所有索引占用的总字节数。通过定期执行此命令，观察索引大小的变化趋势，间接反映索引基数变化。
2. MongoDB Compass：
   • 它是MongoDB官方的可视化工具。在Compass中，可以直观地查看集合及其索引信息。在集合详情页面，能看到索引列表，并且可以查看每个索引的基数估计值等信息。通过观察这些信息随时间的变化，监控索引基数变化。
3. MongoDB Enterprise Advanced：
   • Ops Manager：提供了全面的监控功能。可以设置监控任务，针对索引基数等关键指标进行实时或定期监控。它能生成详细的报表和图表，展示索引基数在一段时间内的变化情况，方便分析趋势。

基于监控数据对索引进行动态调整

1. 索引创建：
   • 基于查询日志分析：使用slowOpSampleRate参数开启慢查询日志，分析慢查询语句。例如，如果经常有查询语句按user_id和timestamp字段过滤数据，且发现索引基数合适（通过监控工具得知），但查询性能不佳，可考虑创建复合索引db.yourCollection.createIndex({user_id: 1, timestamp: 1})。这样能提高查询效率，因为索引基数合理时，合适的索引结构能加速查询。
   • 针对新业务需求：当有新的业务功能上线，涉及到新的数据查询方式时，根据监控到的索引基数情况，及时创建新索引。比如新功能需要按category字段快速查找数据，若监控显示category字段的索引基数稳定且适合索引，就创建db.yourCollection.createIndex({category: 1})。
2. 索引删除：
   • 低基数索引：通过监控工具发现某些索引基数非常低（例如，一个索引字段只有几个固定值，且数据量较大时），这种索引可能对查询性能提升不大，反而占用额外空间和影响写操作性能。可以使用db.yourCollection.dropIndex({lowCardinalityField: 1})删除此类索引。
   • 未使用索引：在Ops Manager或通过db.currentOp()命令查看当前正在运行的操作，结合查询日志，若发现某些索引长时间未被使用，且索引基数没有明显变化，可以考虑删除。例如db.yourCollection.dropIndex({unusedField: 1})，这样能减少索引维护开销。
3. 索引重建：
   • 索引碎片化：监控到索引大小异常增长，可能是索引碎片化导致。此时可以先备份数据，然后删除原索引，再重新创建索引。例如db.yourCollection.dropIndex({fragmentedField: 1})，然后db.yourCollection.createIndex({fragmentedField: 1})，以优化索引结构，提高查询性能，尤其在索引基数动态变化后，重建索引可使其适应新的数据分布。
   • 索引结构调整：当业务查询模式发生较大变化，原索引结构不再适用，但索引基数仍有优化空间时，可调整索引结构。比如将单字段索引改为复合索引，先删除原单字段索引db.yourCollection.dropIndex({singleField: 1})，再创建复合索引db.yourCollection.createIndex({field1: 1, field2: 1})，以满足新的查询需求。