面试题：MongoDB性能优化之索引策略

Question

在复杂查询场景下，如何设计和优化MongoDB的索引以提升性能？请举例说明，如针对多字段联合查询、范围查询等不同场景下索引的创建原则与优化方法，以及如何使用explain方法来分析索引的有效性。

Answer 1

多字段联合查询

1. 创建原则：按照查询条件中字段的使用频率和选择性，从高到低排列创建联合索引。例如，如果查询经常是 {field1: value1, field2: value2}，且 field1 的选择性高于 field2，则创建 {field1: 1, field2: 1} 的索引（1 表示升序， -1 表示降序）。
2. 优化方法：避免冗余索引，确保联合索引覆盖尽可能多的查询场景。同时，要注意索引字段顺序，因为 MongoDB 索引遵循最左前缀原则。例如，对于索引 {field1: 1, field2: 1}，可以支持 {field1: value1} 和 {field1: value1, field2: value2} 的查询，但不支持 {field2: value2} 的查询（除非单独为 field2 创建索引）。

范围查询

1. 创建原则：对于范围查询（如 $gt, $lt, $gte, $lte），如果查询条件中同时有等式条件和范围条件，等式条件字段在前，范围条件字段在后创建联合索引。例如，查询为 {field1: value1, field2: {$gt: value2}}，则创建 {field1: 1, field2: 1} 的索引。
2. 优化方法：范围查询时，索引字段顺序很关键。另外，尽量避免在范围查询字段后接其他非范围查询字段，因为范围查询后索引的最左前缀原则可能失效。例如，{field1: 1, field2: 1} 索引，在 {field1: value1, field2: {$gt: value2}, field3: value3} 查询中，field3 可能无法利用索引。

使用 explain 方法分析索引有效性

1. 执行方式：在查询语句后调用 explain() 方法，例如 db.collection.find({field1: value1, field2: value2}).explain()。
2. 分析结果：
   • queryPlanner.winningPlan.inputStage.indexName：查看实际使用的索引名称，如果显示 COLLSCAN 则表示全表扫描，未使用索引，需要优化索引。
   • queryPlanner.winningPlan.inputStage.direction：判断索引扫描方向，forward 或 backward，确保索引使用方向正确。
   • executionStats.executionTimeMillis：查询执行时间，通过调整索引，观察此值的变化，评估索引优化效果。

示例

1. 多字段联合查询示例： 假设集合 users 有 name 和 age 字段，经常查询 name 为特定值且 age 为特定值的用户。

// 创建联合索引
db.users.createIndex({name: 1, age: 1});
// 查询并分析
db.users.find({name: "John", age: 30}).explain();

2. 范围查询示例： 假设查询 age 大于 30 岁的用户。

// 创建索引
db.users.createIndex({age: 1});
// 查询并分析
db.users.find({age: {$gt: 30}}).explain();