面试题：MongoDB索引性能分析之慢查询与索引优化

开启慢查询日志：在MongoDB配置文件中，设置slowms参数来定义慢查询的时间阈值（单位为毫秒）。例如，将slowms设为100，即执行时间超过100毫秒的查询被记录为慢查询。然后重启MongoDB服务使配置生效。这样，MongoDB会将慢查询记录到日志文件中。
使用explain()方法：对于慢查询语句，在其后面调用explain()方法。例如，假设有一个查询db.collection.find({field1: value1, field2: value2})，可执行db.collection.find({field1: value1, field2: value2}).explain()。
- 执行计划解读：
  - queryPlanner部分：查看winningPlan中的stage字段。如果是COLLSCAN，表示全表扫描，可能缺少合适索引。若为IXSCAN，则表明使用了索引。
  - executionStats部分：关注nReturned（返回文档数）、executionTimeMillis（执行时间）、totalKeysExamined（检查的键数）和totalDocsExamined（检查的文档数）。若totalKeysExamined过大，可能索引选择性差；若totalDocsExamined接近集合文档总数，可能索引未生效。
  - allPlansExecution部分：比较不同执行计划的各项指标，了解是否有更优方案未被采用。
使用db.currentOp()方法：执行db.currentOp()可查看当前正在执行的操作。通过分析其中的查询信息，结合上述explain()的分析方法，找出慢查询的索引问题。

创建合适索引：根据explain()结果，如果发现缺少索引导致全表扫描，使用createIndex()方法创建索引。例如，对于查询db.collection.find({field1: value1, field2: value2})，若缺少索引，可执行db.collection.createIndex({field1: 1, field2: 1})。这里1表示升序索引，-1表示降序索引。复合索引的字段顺序很重要，应按照查询条件中字段的使用频率和选择性来排序。
删除无用索引：通过分析explain()结果，若发现某些索引未被使用，使用dropIndex()方法删除。例如db.collection.dropIndex({unusedField: 1})。无用索引不仅占用空间，还会在插入、更新和删除操作时增加开销。
优化复合索引：如果复合索引使用效率低，调整索引字段顺序。例如，若查询主要基于field1过滤，field2作为次要条件，应将field1放在复合索引的首位。同时，避免创建过度冗余的复合索引，减少索引维护成本。
定期重建索引：随着数据的插入、更新和删除，索引可能会碎片化，影响性能。可使用reIndex()方法定期重建索引，例如db.collection.reIndex()，以提高索引的效率。但重建索引会消耗资源，应选择在系统低峰期进行。

星途面试题库