面试题：MongoDB文档更新性能调优之索引运用

Question

在MongoDB中，对文档进行更新操作时，索引对性能影响很大。请阐述在更新操作频繁的场景下，如何合理创建和使用索引来提升更新性能，列举至少两种不同类型的索引及适用的更新场景。

Answer 1

单字段索引

• 适用场景：当更新操作主要基于单个字段进行筛选时适用。例如，一个用户信息集合，经常根据用户ID更新用户的地址信息。假设集合名为users，文档结构如下：

{
    "_id": ObjectId("64a1c91e19c2c0369c1c1234"),
    "user_id": 12345,
    "name": "John Doe",
    "address": "123 Main St"
}

如果频繁执行根据user_id更新address的操作，可以在user_id字段上创建单字段索引：

db.users.createIndex( { user_id: 1 } );

这样在更新时，MongoDB能快速定位到需要更新的文档，提升更新性能。

复合索引

• 适用场景：当更新操作需要基于多个字段的组合条件筛选时适用。比如在一个订单集合中，经常根据customer_id和order_date来更新订单状态。假设集合名为orders，文档结构如下：

{
    "_id": ObjectId("64a1c91e19c2c0369c1c5678"),
    "customer_id": 56789,
    "order_date": ISODate("2023-10-01T00:00:00Z"),
    "order_status": "pending"
}

可以创建复合索引：

db.orders.createIndex( { customer_id: 1, order_date: 1 } );

这样在更新符合customer_id和order_date条件的订单状态时，能借助复合索引快速定位文档，提高更新效率。

部分索引

• 适用场景：当更新操作只涉及集合中满足特定条件的部分文档时适用。例如，在一个日志集合中，只对错误级别为“严重”的日志文档进行更新，添加处理结果字段。假设集合名为logs，文档结构如下：

{
    "_id": ObjectId("64a1c91e19c2c0369c1c9012"),
    "log_level": "critical",
    "log_message": "System failure",
    "processed_result": null
}

可以创建部分索引：

db.logs.createIndex( { log_level: 1 }, { partialFilterExpression: { log_level: "critical" } } );

这种索引只包含满足log_level为“critical”的文档，相比全集合索引，占用空间小，更新操作针对这部分文档时性能更好。