一、索引创建策略
- 按查询需求选择类型
- 单字段索引：适用于高频单字段查询，如
db.collection.createIndex({ field: 1 })。 - 复合索引：用于多字段组合查询，字段顺序按查询频率和选择性排序（高选择性字段在前），如
db.collection.createIndex({ field1: 1, field2: -1 })。 - 覆盖索引：包含查询所需字段，避免回表查询，如
db.collection.createIndex({ field1: 1, field2: 1 })。
- 单字段索引：适用于高频单字段查询，如
- 避免过度索引
- 每个索引会增加写入开销和存储空间，删除冗余索引（通过
db.collection.getIndexes()查看并删除未使用的索引）。
- 每个索引会增加写入开销和存储空间，删除冗余索引（通过
二、索引优化技巧
- 利用索引特性
- 多键索引：自动为数组字段的每个元素创建索引，支持数组查询。
- 地理空间索引：用于地理位置查询，如
db.collection.createIndex({ location: "2dsphere" })。 - TTL索引：自动删除过期数据，如
db.collection.createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 })。
- 优化查询语句
- 使用
explain("executionStats")分析查询计划，确保索引被正确使用。 - 通过
hint()强制使用指定索引（谨慎使用，避免人为干预优化器）。
- 使用
三、维护与监控
- 定期维护索引
- 重建索引：使用
reIndex()清理碎片，提升性能。 - 监控索引使用率：通过MongoDB监控工具（如MongoDB Atlas、Ops Manager）查看索引命中率和慢查询。
- 重建索引：使用
- 硬件与配置优化
- 使用SSD存储索引文件，提升I/O性能。
- 调整WiredTiger缓存大小（
cacheSizeGB参数），确保索引和数据可缓存。
四、高级策略
- 分片与复制集
- 大数据集使用分片（Sharding）分散负载，提升查询吞吐量。
- 配置复制集（Replica Set）保障数据高可用。
- 特殊场景索引
- 文本索引：支持全文搜索，但性能较低，仅适用于小规模文本字段。
- 哈希索引：用于分片键，确保数据均匀分布。
参考来源：[1,2,3,4,5,6,7,8,9,10,11]