深入理解MongoDB的複合索引
為什麼需要索引？
當你抱怨MongoDB集合查詢效率低的時候，可能你就需要考慮使用索引了，為了方便後續介紹，先科普下MongoDB裡的索引機制（同樣適用於其他的資料庫比如mysql）。
mongo-9552:PRIMARY> db.person.find()
{ "_id" : ObjectId("571b5da31b0d530a03b3ce82"),"name" : "jack","age" : 19 }
{ "_id" : ObjectId("571b5dae1b0d530a03b3ce83"),"name" : "rose","age" : 20 }
{ "_id" : ObjectId("571b5db81b0d530a03b3ce84"),"age" : 18 }
{ "_id" : ObjectId("571b5dc21b0d530a03b3ce85"),"name" : "tony","age" : 21 }
{ "_id" : ObjectId("571b5dc21b0d530a03b3ce86"),"name" : "adam","age" : 18 }當你往某各個集合插入多個文件後，每個文件在經過底層的儲存引擎持久化後，會有一個位置資訊，通過這個位置資訊，就能從儲存引擎裡讀出該文件。比如mmapv1引擎裡，位置資訊是『檔案id + 檔案內offset 』， 在wiredtiger儲存引擎（一個KV儲存引擎）裡，位置資訊是wiredtiger在儲存文件時生成的一個key，通過這個key能訪問到對應的文件；為方便介紹，統一用pos(position的縮寫)來代表位置資訊。
什麼是複合索引？
複合索引，即Compound Index，指的是將多個鍵組合到一起建立索引，這樣可以加速匹配多個鍵的查詢。不妨通過一個簡單的示例理解複合索引。
students集合如下：
db.students.find().pretty()
{
"_id" : ObjectId("5aa7390ca5be7272a99b042a"),"name" : "zhang","age" : "15"
}
{
"_id" : ObjectId("5aa7393ba5be7272a99b042b"),"name" : "wang","age" : "15"
}
{
"_id" : ObjectId("5aa7393ba5be7272a99b042c"),"age" : "14"
}
在name和age兩個鍵分別建立了索引(_id自帶索引)：
db.students.getIndexes()
[
{
"v" : 1,"key" : {
"name" : 1
},"name" : "name_1","ns" : "test.students"
},{
"v" : 1,"key" : {
"age" : 1
},"name" : "age_1","ns" : "test.students"
}
]當進行多鍵查詢時，可以通過explian()分析執行情況(結果僅保留winningPlan)：
db.students.find({name:"zhang",age:"14"}).explain()
"winningPlan":
{
"stage": "FETCH","filter":
{
"name":
{
"$eq": "zhang"
}
},"inputStage":
{
"stage": "IXSCAN","keyPattern":
{
"age": 1
},"indexName": "age_1","isMultiKey": false,"isUnique": false,"isSparse": false,"isPartial": false,"indexVersion": 1,"direction": "forward","indexBounds":
{
"age": [
"[\"14\",\"14\"]"
]
}
}
}
由winningPlan可知，這個查詢依次分為IXSCAN和FETCH兩個階段。IXSCAN即索引掃描，使用的是age索引；FETCH即根據索引去查詢文件，查詢的時候需要使用name進行過濾。
為name和age建立複合索引：
db.students.createIndex({name:1,age:1})
db.students.getIndexes()
[
{
"v" : 1,"key" : {
"name" : 1,"age" : 1
},"name" : "name_1_age_1","ns" : "test.students"
}
]
有了複合索引之後，同一個查詢的執行方式就不同了：
db.students.find({name:"zhang","keyPattern":
{
"name": 1,"age": 1
},"indexName": "name_1_age_1","indexBounds":
{
"name": [
"[\"zhang\",\"zhang\"]"
],"age": [
"[\"14\",\"14\"]"
]
}
}
}
由winningPlan可知，這個查詢的順序沒有變化，依次分為IXSCAN和FETCH兩個階段。但是，IXSCAN使用的是name與age的複合索引；FETCH即根據索引去查詢文件，不需要過濾。
這個示例的資料量太小，並不能看出什麼問題。但是實際上，當資料量很大，IXSCAN返回的索引比較多時，FETCH時進行過濾將非常耗時。接下來將介紹一個真實的案例。
定位MongoDB效能問題
隨著接收的錯誤資料不斷增加，我們Fundebug已經累計處理3.5億錯誤事件，這給我們的服務不斷帶來效能方面的挑戰，尤其對於MongoDB叢集來說。
對於生產資料庫，配置profile，可以記錄MongoDB的效能資料。執行以下命令，則所有超過1s的資料庫讀寫操作都會被記錄下來。
db.setProfilingLevel(1,1000)
查詢profile所記錄的資料，會發現events集合的某個查詢非常慢：
db.system.profile.find().pretty()
{
"op" : "command","ns" : "fundebug.events","command" : {
"count" : "events","query" : {
"createAt" : {
"$lt" : ISODate("2018-02-05T20:30:00.073Z")
},"projectId" : ObjectId("58211791ea2640000c7a3fe6")
}
},"keyUpdates" : 0,"writeConflicts" : 0,"numYield" : 1414,"locks" : {
"Global" : {
"acquireCount" : {
"r" : NumberLong(2830)
}
},"Database" : {
"acquireCount" : {
"r" : NumberLong(1415)
}
},"Collection" : {
"acquireCount" : {
"r" : NumberLong(1415)
}
}
},"responseLength" : 62,"protocol" : "op_query","millis" : 28521,"execStats" : {
},"ts" : ISODate("2018-03-07T20:30:59.440Z"),"client" : "192.168.59.226","allUsers" : [ ],"user" : ""
}
events集合中有數億個文件，因此count操作比較慢也不算太意外。根據profile資料，這個查詢耗時28.5s，時間長得有點離譜。另外，numYield高達1414，這應該就是操作如此之慢的直接原因。根據MongoDB文件，numYield的含義是這樣的：
The number of times the operation yielded to allow other operations to complete. Typically,operations yield when they need access to data that MongoDB has not yet fully read into memory. This allows other operations that have data in memory to complete while MongoDB reads in data for the yielding operation.
這就意味著大量時間消耗在讀取硬碟上，且讀了非常多次。可以推測，應該是索引的問題導致的。
不妨使用explian()來分析一下這個查詢(僅保留executionStats)：
db.events.explain("executionStats").count({"projectId" : ObjectId("58211791ea2640000c7a3fe6"),createAt:{"$lt" : ISODate("2018-02-05T20:30:00.073Z")}})
"executionStats":
{
"executionSuccess": true,"nReturned": 20853,"executionTimeMillis": 28055,"totalKeysExamined": 28338,"totalDocsExamined": 28338,"executionStages":
{
"stage": "FETCH","filter":
{
"createAt":
{
"$lt": ISODate("2018-02-05T20:30:00.073Z")
}
},"executionTimeMillisEstimate": 27815,"works": 28339,"advanced": 20853,"needTime": 7485,"needYield": 0,"saveState": 1387,"restoreState": 1387,"isEOF": 1,"invalidates": 0,"docsExamined": 28338,"alreadyHasObj": 0,"inputStage":
{
"stage": "IXSCAN","nReturned": 28338,"executionTimeMillisEstimate": 30,"advanced": 28338,"needTime": 0,"keyPattern":
{
"projectId": 1
},"indexName": "projectId_1","indexBounds":
{
"projectId": [
"[ObjectId('58211791ea2640000c7a3fe6'),ObjectId('58211791ea2640000c7a3fe6')]"
]
},"keysExamined": 28338,"dupsTested": 0,"dupsDropped": 0,"seenInvalidated": 0
}
}
}
可知，events集合並沒有為projectId與createAt建立複合索引，因此IXSCAN階段採用的是projectId索引，其nReturned為28338; FETCH階段需要根據createAt進行過濾，其nReturned為20853，過濾掉了7485個文件；另外，IXSCAN與FETCH階段的executionTimeMillisEstimate分別為30ms和27815ms，因此基本上所有時間都消耗在了FETCH階段，這應該是讀取硬碟導致的。
建立複合索引
沒有為projectId和createAt建立複合索引是個尷尬的錯誤，趕緊補救一下：
db.events.createIndex({projectId:1,createTime:-1},{background: true})
在生產環境構建索引這種事最好是晚上做，這個命令一共花了大概7個小時吧！background設為true，指的是不要阻塞資料庫的其他操作，保證資料庫的可用性。但是，這個命令會一直佔用著終端，這時不能使用CTRL + C，否則會終止索引構建過程。
複合索引建立成果之後，前文的查詢就快了很多(僅保留executionStats)：
db.javascriptevents.explain("executionStats").count({"projectId" : ObjectId("58211791ea2640000c7a3fe6"),"nReturned": 0,"executionTimeMillis": 47,"totalKeysExamined": 20854,"totalDocsExamined": 0,"executionStages":
{
"stage": "COUNT","executionTimeMillisEstimate": 50,"works": 20854,"advanced": 0,"needTime": 20853,"saveState": 162,"restoreState": 162,"nCounted": 20853,"nSkipped": 0,"inputStage":
{
"stage": "COUNT_SCAN","keysExamined": 20854,"keyPattern":
{
"projectId": 1,"createAt": -1
},"indexName": "projectId_1_createTime_-1","indexVersion": 1
}
}
}
可知，count操作使用了projectId和createAt的複合索引，因此非常快，只花了46ms，效能提升了將近600倍！！！對比使用複合索引前後的結果，發現totalDocsExamined從28338降到了0,表示使用複合索引之後不再需要去查詢文件，只需要掃描索引就好了，這樣就不需要去訪問磁碟了，自然快了很多。
參考
- MongoDB 複合索引
- MongoDB文件：Compound Indexes
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對我們的支援。