概述

索引是一種用來快速查詢數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。B+Tree 就是一種常用的數(shù)據(jù)庫索引數(shù)據(jù)結(jié)構(gòu)，MongoDB 采用 B+Tree 做索引，索引創(chuàng)建 colletions 上。MongoDB 不使用索引的查詢，先掃描所有的文檔，再匹配符合條件的文檔。使用索引的查詢，通過索引找到文檔，使用索引能夠極大的提升查詢效率。
MongoDB 用的數(shù)據(jù)結(jié)構(gòu)是 B-Tree，具體來說是 B+Tree，因為 B+Tree 是 B-Tree 的子集。

索引數(shù)據(jù)結(jié)構(gòu)

B-Tree 說法來源于官方文檔，然后就導致了分歧：有人說 MongoDB 索引數(shù)據(jù)結(jié)構(gòu)使用的是 B-Tree，有的人又說是 B+Tree。

MongoDB 官方文檔：https://docs.mongodb.com/manual/indexes/

WiredTiger官方文檔：https://source.wiredtiger.com/3.0.0/tune_page_size_and_comp.html
WiredTiger maintains a table’s data in memory using a data structure called a B-Tree ( B+ Tree to be specific), referring to the nodes of a B-Tree as pages. Internal pages carry only keys. The leaf pages store both keys and values.

WiredTiger 數(shù)據(jù)文件在磁盤的存儲結(jié)構(gòu)：

B+Tree 中的 leaf page 包含一個頁頭（page header）、塊頭（block header）和真正的數(shù)據(jù)（key/value），其中頁頭定義了頁的類型、頁中實際載荷數(shù)據(jù)的大小、頁中記錄條數(shù)等信息；塊頭定義了此頁的 checksum、塊在磁盤上的尋址位置等信息。
WiredTiger 有一個塊設(shè)備管理的模塊，用來為 page 分配 block。如果要定位某一行數(shù)據(jù)（key/value）的位置，可以先通過 block 的位置找到此 page（相對于文件起始位置的偏移量），再通過 page 找到行數(shù)據(jù)的相對位置，最后可以得到行數(shù)據(jù)相對于文件起始位置的偏移量 offsets。

索引操作

創(chuàng)建索引

創(chuàng)建索引語法格式：

db.collection.createIndex(keys, options)

Key 值為你要創(chuàng)建的索引字段，1 按升序創(chuàng)建索引， -1 按降序創(chuàng)建索引。

Key 可選參數(shù)列表如下：

Parameter	Type	Description
background	Boolean	建索引過程會阻塞其它數(shù)據(jù)庫操作，background 可指定以后臺方式創(chuàng)建索引，即增加 “background” 可選參數(shù)。 “background” 默認值為 false。
unique	Boolean	建立的索引是否唯一。指定為 true 創(chuàng)建唯一索引。默認值為 false。
name	string	索引的名稱。如果未指定，MongoDB 的通過連接索引的字段名和排序順序生成一個索引名稱。
dropDups	Boolean	3.0+ 版本已廢棄。在建立唯一索引時是否刪除重復記錄，指定 true 創(chuàng)建唯一索引。默認值為 false。
sparse	Boolean	對文檔中不存在的字段數(shù)據(jù)不啟用索引。這個參數(shù)需要特別注意，如果設(shè)置為 true 的話，在索引字段中不會查詢出不包含對應字段的文檔。默認值為 false。
expireAfterSeconds	integer	指定一個以秒為單位的數(shù)值，完成 TTL 設(shè)定，設(shè)定集合的生存時間。
v	index version	索引的版本號。默認的索引版本取決于 mongodb 創(chuàng)建索引時運行的版本。
weights	document	索引權(quán)重值，數(shù)值在 1 到 99,999 之間，表示該索引相對于其他索引字段的得分權(quán)重。
default_language	string	對于文本索引，該參數(shù)決定了停用詞及詞干和詞器的規(guī)則的列表。 默認為英語。
language_override	string	對于文本索引，該參數(shù)指定了包含在文檔中的字段名，語言覆蓋默認的 language，默認值為 language。

注意：3.0.0 版本前創(chuàng)建索引方法為 db.collection.ensureIndex()。

# 創(chuàng)建索引后臺執(zhí)行
db.values.createIndex({open: 1, close: 1}, {background: true})
# 創(chuàng)建唯一索引
db.values.createIndex({title:1},{unique:true})

查看索引

# 查看索引信息
db.books.getIndexes()
# 查看索引鍵
db.books.getIndexKeys()

刪除索引

# 刪除集合指定索引
db.col.dropIndex("索引名稱")
# 刪除集合所有索引，不能刪除主鍵索引
db.col.dropIndexes()

索引類型

與大多數(shù)數(shù)據(jù)庫一樣，MongoDB 支持各種豐富的索引類型，包括單鍵索引、復合索引，唯一索引等一些常用的結(jié)構(gòu)。由于采用了靈活可變的文檔類型，因此它也同樣支持對嵌套字段、數(shù)組進行索引。通過建立合適的索引，我們可以極大地提升數(shù)據(jù)的檢索速度。在一些特殊應用場景，MongoDB 還支持地理空間索引、文本檢索索引、TTL 索引等不同的特性。

單鍵索引（Single Field Indexes）

在某一個特定的字段上建立索引。MongoDB 在 ID 上建立了唯一的單鍵索引，所以經(jīng)常會使用 id 來進行查詢。在索引字段上進行精確匹配、排序以及范圍查找都會使用此索引。

db.books.createIndex({title:1})
# 對內(nèi)嵌文檔字段創(chuàng)建索引
db.books.createIndex({"author.name":1})

復合索引（Compound Index）

復合索引是多個字段組合而成的索引，其性質(zhì)和單字段索引類似。但不同的是，復合索引中字段的順序、字段的升降序?qū)Σ樵冃阅苡兄苯拥挠绊?#xff0c;因此在設(shè)計復合索引時則需要考慮不同的查詢場景。

db.books.createIndex({type:1,favCount:1})
# 查看執(zhí)行計劃
db.books.find({type:"novel",favCount:{$gt:50}}).explain()

多鍵（數(shù)組）索引（Multikey Index）

在數(shù)組的屬性上建立索引。針對這個數(shù)組的任意值的查詢都會定位到這個文檔，既多個索引入口或者鍵值引用同一個文檔。

準備 inventory 集合：

db.inventory.insertMany([
{ _id: 5, type: "food", item: "aaa", ratings: [ 5, 8, 9 ] },
{ _id: 6, type: "food", item: "bbb", ratings: [ 5, 9 ] },
{ _id: 7, type: "food", item: "ccc", ratings: [ 9, 5, 8 ] },
{ _id: 8, type: "food", item: "ddd", ratings: [ 9, 5 ] },
{ _id: 9, type: "food", item: "eee", ratings: [ 5, 9, 5 ] }
])

創(chuàng)建多鍵索引：

db.inventory.createIndex( { ratings: 1 } )

多鍵索引很容易與復合索引產(chǎn)生混淆，復合索引是多個字段的組合，而多鍵索引則僅僅是在一個字段上出現(xiàn)了多鍵（multi key）。而實質(zhì)上，多鍵索引也可以出現(xiàn)在復合字段上。

# 創(chuàng)建復合多值索引
db.inventory.createIndex( { item:1,ratings: 1 } )

注意：MongoDB 并不支持一個復合索引中同時出現(xiàn)多個數(shù)組字段。

嵌入文檔的索引數(shù)組：

db.inventory.insertMany([
{_id: 1,item: "abc",stock: [{ size: "S", color: "red", quantity: 25 },{ size: "S", color: "blue", quantity: 10 },{ size: "M", color: "blue", quantity: 50 }]
},
{_id: 2,item: "def",stock: [{ size: "S", color: "blue", quantity: 20 },{ size: "M", color: "blue", quantity: 5 },{ size: "M", color: "black", quantity: 10 },{ size: "L", color: "red", quantity: 2 }]
},
{_id: 3,item: "ijk",stock: [{ size: "M", color: "blue", quantity: 15 },{ size: "L", color: "blue", quantity: 100 },{ size: "L", color: "red", quantity: 25 }]
}
])

在包含嵌套對象的數(shù)組字段上創(chuàng)建多鍵索引：

db.inventory.createIndex( { "stock.size": 1, "stock.quantity": 1 } )db.inventory.find({"stock.size":"S","stock.quantity":{$gt:20}}).explain()

Hash 索引（Hashed Indexes）

不同于傳統(tǒng)的 B-Tree 索引，哈希索引使用 hash 函數(shù)來創(chuàng)建索引。在索引字段上進行精確匹配，但不支持范圍查詢，不支持多鍵 hash。Hash 索引上的入口是均勻分布的，在分片集合中非常有用。

db.users.createIndex({username : 'hashed'})

地理空間索引（Geospatial Index）

在移動互聯(lián)網(wǎng)時代，基于地理位置的檢索（LBS）功能幾乎是所有應用系統(tǒng)的標配。MongoDB 為地理空間檢索提供了非常方便的功能。地理空間索引（2dsphereindex）就是專門用于實現(xiàn)位置檢索的一種特殊索引。

案例：MongoDB 如何實現(xiàn)“查詢附近商家"？
假設(shè)商家的數(shù)據(jù)模型如下：

db.restaurant.insert({restaurantId: 0,restaurantName:"蘭州牛肉面",location : {type: "Point",coordinates: [ -73.97, 40.77 ]}
})

創(chuàng)建一個 2dsphere 索引：

db.restaurant.createIndex({location : "2dsphere"})

查詢附近 10000 米商家信息：

db.restaurant.find( { location:{ $near :{$geometry :{ type : "Point" ,coordinates : [  -73.88, 40.78 ] } ,$maxDistance:10000 } } 
} )

$near 查詢操作符，用于實現(xiàn)附近商家的檢索，返回數(shù)據(jù)結(jié)果會按距離排序。
$geometry 操作符用于指定一個 GeoJSON 格式的地理空間對象，type=Point 表示地理坐標點，coordinates 則是用戶當前所在的經(jīng)緯度位置。
$maxDistance 限定了最大距離，單位是米。

全文索引（Text Indexes）

MongoDB 支持全文檢索功能，可通過建立文本索引來實現(xiàn)簡易的分詞檢索。

db.reviews.createIndex( { comments: "text" } )

text 將會使用空格和標點符號作為分隔符對檢索字符串進行分詞，并且對檢索字符串中所有的分詞結(jié)果進行一個邏輯上的 OR 操作。
全文索引能解決快速文本查找的需求，比如有一個博客文章集合，需要根據(jù)博客的內(nèi)容來快速查找，則可以針對博客內(nèi)容建立文本索引。

案例

數(shù)據(jù)準備：

db.stores.insert([{ _id: 1, name: "Java Hut", description: "Coffee and cakes" },{ _id: 2, name: "Burger Buns", description: "Gourmet hamburgers" },{ _id: 3, name: "Coffee Shop", description: "Just coffee" },{ _id: 4, name: "Clothes Clothes Clothes", description: "Discount clothing" },{ _id: 5, name: "Java Shopping", description: "Indonesian goods" }]
)

創(chuàng)建 name 和 description 的全文索引：

db.stores.createIndex({name: "text", description: "text"})

測試：
通過 $text 操作符來查尋數(shù)據(jù)中所有包含“coffee”、“shop”、“java”列表中任何詞語的商店：

db.stores.find({$text: {$search: "java coffee shop"}})

MongoDB 的文本索引功能存在諸多限制，而官方并未提供中文分詞的功能，這使得該功能的應用場景十分受限。

通配符索引（Wildcard Indexes）

MongoDB 的文檔模式是動態(tài)變化的，而通配符索引可以建立在一些不可預知的字段上，以此實現(xiàn)查詢的加速。MongoDB 4.2 引入了通配符索引來支持對未知或任意字段的查詢。

案例

準備商品數(shù)據(jù)，不同商品屬性不一樣：

db.products.insert([{"product_name" : "Spy Coat","product_attributes" : {"material" : [ "Tweed", "Wool", "Leather" ],"size" : {"length" : 72,"units" : "inches"}}},{"product_name" : "Spy Pen","product_attributes" : {"colors" : [ "Blue", "Black" ],"secret_feature" : {"name" : "laser","power" : "1000","units" : "watts",}}},{"product_name" : "Spy Book"}
])

創(chuàng)建通配符索引：

db.products.createIndex( { "product_attributes.$**" : 1 } )

測試：
通配符索引可以支持任意單字段查詢 product_attributes 或其嵌入字段。

db.products.find( { "product_attributes.size.length" : { $gt : 60 } } )
db.products.find( { "product_attributes.material" : "Leather" } )
db.products.find( { "product_attributes.secret_feature.name" : "laser" } )

注意事項

• 通配符索引不兼容的索引類型或?qū)傩?/li>

• 通配符索引是稀疏的，不索引空字段。因此，通配符索引不能支持查詢字段不存在的文檔。

# 通配符索引不能支持以下查詢
db.products.find( {"product_attributes" : { $exists : false } } )
db.products.aggregate([{ $match : { "product_attributes" : { $exists : false } } }
])

• 通配符索引為文檔或數(shù)組的內(nèi)容生成條目，而不是文檔/數(shù)組本身。因此通配符索引不能支持精確的文檔/數(shù)組相等匹配。通配符索引可以支持查詢字段等于空文檔{}的情況。

# 通配符索引不能支持以下查詢:
db.products.find({ "product_attributes.colors" : [ "Blue", "Black" ] } )db.products.aggregate([{$match : { "product_attributes.colors" : [ "Blue", "Black" ] } 
}])

索引屬性

唯一索引（Unique Indexes）

在現(xiàn)實場景中，唯一性是很常見的一種索引約束需求，重復的數(shù)據(jù)記錄會帶來許多處理上的麻煩，比如訂單的編號、用戶的登錄名等。通過建立唯一性索引，可以保證集合中文檔的指定字段擁有唯一值。

# 創(chuàng)建唯一索引
db.values.createIndex({title:1},{unique:true})
# 復合索引支持唯一性約束
db.values.createIndex({title:1，type:1},{unique:true})
# 多鍵索引支持唯一性約束
db.inventory.createIndex( { ratings: 1 },{unique:true} )

• 唯一性索引對于文檔中缺失的字段，會使用 null 值代替，因此不允許存在多個文檔缺失索引字段的情況。
• 對于分片的集合，唯一性約束必須匹配分片規(guī)則。換句話說，為了保證全局的唯一性，分片鍵必須作為唯一性索引的前綴字段。

部分索引（Partial Indexes）

部分索引僅對滿足指定過濾器表達式的文檔進行索引。通過在一個集合中為文檔的一個子集建立索引，部分索引具有更低的存儲需求和更低的索引創(chuàng)建和維護的性能成本。3.2 新版功能。
部分索引提供了稀疏索引功能的超集，應該優(yōu)先于稀疏索引。

db.restaurants.createIndex({ cuisine: 1, name: 1 },{ partialFilterExpression: { rating: { $gt: 5 } } }
)

partialFilterExpression 選項接受指定過濾條件的文檔：
等式表達式（例如：field: value 或使用 $eq 操作符）
$exists: true
$gt， $gte， $lt， $lte
$type
頂層的 $and

# 符合條件，使用索引
db.restaurants.find( { cuisine: "Italian", rating: { $gte: 8 } } )
# 不符合條件，不能使用索引
db.restaurants.find( { cuisine: "Italian" } )

唯一約束結(jié)合部分索引使用導致唯一約束失效的問題：
如果同時指定了 partialFilterExpression 和唯一約束，那么唯一約束只適用于滿足篩選器表達式的文檔。如果文檔不滿足篩選條件，那么帶有惟一約束的部分索引不會阻止插入不滿足惟一約束的文檔。

稀疏索引（Sparse Indexes）

索引的稀疏屬性確保索引只包含具有索引字段的文檔的條目，索引將跳過沒有索引字段的文檔。
特性：只對存在字段的文檔進行索引（包括字段值為 null 的文檔）。

# 不索引不包含xmpp_id字段的文檔
db.addresses.createIndex( { "xmpp_id": 1 }, { sparse: true } )

如果稀疏索引會導致查詢和排序操作的結(jié)果集不完整，MongoDB 將不會使用該索引，除非 hint() 明確指定索引。

案例

數(shù)據(jù)準備：

db.scores.insertMany([{"userid" : "newbie"},{"userid" : "abby", "score" : 82},{"userid" : "nina", "score" : 90}
])

創(chuàng)建稀疏索引：

db.scores.createIndex( { score: 1 } , { sparse: true } )

測試：

# 使用稀疏索引
db.scores.find( { score: { $lt: 90 } } )# 即使排序是通過索引字段，MongoDB也不會選擇稀疏索引來完成查詢，以返回完整的結(jié)果
db.scores.find().sort( { score: -1 } )# 要使用稀疏索引，使用hint()顯式指定索引
db.scores.find().sort( { score: -1 } ).hint( { score: 1 } )

同時具有稀疏性和唯一性的索引可以防止集合中存在字段值重復的文檔，但允許不包含此索引字段的文檔插入。

TTL索引（TTL Indexes）

在一般的應用系統(tǒng)中，并非所有的數(shù)據(jù)都需要永久存儲。例如一些系統(tǒng)事件、用戶消息等，這些數(shù)據(jù)隨著時間的推移，其重要程度逐漸降低。更重要的是，存儲這些大量的歷史數(shù)據(jù)需要花費較高的成本，因此項目中通常會對過期且不再使用的數(shù)據(jù)進行老化處理。

通常的做法如下：
方案一：為每個數(shù)據(jù)記錄一個時間戳，應用側(cè)開啟一個定時器，按時間戳定期刪除過期的數(shù)據(jù)。
方案二：數(shù)據(jù)按日期進行分表，同一天的數(shù)據(jù)歸檔到同一張表，同樣使用定時器刪除過期的表。

對于數(shù)據(jù)老化，MongoDB 提供了一種更加便捷的做法：TTL（Time To Live）索引。TTL 索引需要聲明在一個日期類型的字段中，TTL 索引是特殊的單字段索引，MongoDB 可以使用它在一定時間或特定時鐘時間后自動從集合中刪除文檔。

# 創(chuàng)建 TTL 索引，TTL 值為3600秒
db.eventlog.createIndex( { "lastModifiedDate": 1 }, { expireAfterSeconds: 3600 } )

對集合創(chuàng)建 TTL 索引之后，MongoDB 會在周期性運行的后臺線程中對該集合進行檢查及數(shù)據(jù)清理工作。除了數(shù)據(jù)老化功能，TTL 索引具有普通索引的功能，同樣可以用于加速數(shù)據(jù)的查詢。

TTL 索引不保證過期數(shù)據(jù)會在過期后立即被刪除。文檔過期和 MongoDB 從數(shù)據(jù)庫中刪除文檔的時間之間可能存在延遲。刪除過期文檔的后臺任務(wù)每 60 秒運行一次。因此，在文檔到期和后臺任務(wù)運行之間的時間段內(nèi)，文檔可能會保留在集合中。

案例

數(shù)據(jù)準備：

db.log_events.insertOne( {"createdAt": new Date(),"logEvent": 2,"logMessage": "Success!"
} )

創(chuàng)建 TTL 索引：

db.log_events.createIndex( { "createdAt": 1 }, { expireAfterSeconds: 20 } )

可變的過期時間

TTL 索引在創(chuàng)建之后，仍然可以對過期時間進行修改。這需要使用 collMod 命令對索引的定義進行變更：

db.runCommand({collMod:"log_events",index:{keyPattern:{createdAt:1},expireAfterSeconds:600}})

使用約束

TTL 索引的確可以減少開發(fā)的工作量，而且通過數(shù)據(jù)庫自動清理的方式會更加高效、可靠，但是在使用 TTL 索引時需要注意以下的限制：

• TTL 索引只能支持單個字段，并且必須是非 _id 字段。
• TTL 索引不能用于固定集合。
• TTL 索引無法保證及時的數(shù)據(jù)老化，MongoDB 會通過后臺的 TTLMonitor 定時器來清理老化數(shù)據(jù)，默認的間隔時間是 1 分鐘。當然如果在數(shù)據(jù)庫負載過高的情況下，TTL 的行為則會進一步受到影響。
• TTL 索引對于數(shù)據(jù)的清理僅僅使用了 remove 命令，這種方式并不是很高效。因此 TTL Monitor 在運行期間對系統(tǒng) CPU、磁盤都會造成一定的壓力。相比之下，按日期分表的方式操作會更加高效。

隱藏索引（Hidden Indexes）

隱藏索引對查詢規(guī)劃器不可見，不能用于支持查詢。通過對規(guī)劃器隱藏索引，用戶可以在不實際刪除索引的情況下評估刪除索引的潛在影響。如果影響是負面的，用戶可以取消隱藏索引，而不必重新創(chuàng)建已刪除的索引。4.4 新版功能。

# 創(chuàng)建隱藏索引
db.restaurants.createIndex({ borough: 1 },{ hidden: true });
# 隱藏現(xiàn)有索引
db.restaurants.hideIndex( { borough: 1} );
db.restaurants.hideIndex( "索引名稱" )
# 取消隱藏索引
db.restaurants.unhideIndex( { borough: 1} );
db.restaurants.unhideIndex( "索引名稱" ); 

案例

數(shù)據(jù)準備：

db.scores.insertMany([{"userid" : "newbie"},{"userid" : "abby", "score" : 82},{"userid" : "nina", "score" : 90}
])

創(chuàng)建隱藏索引：

db.scores.createIndex({ userid: 1 },{ hidden: true }
)

查看索引信息：

db.scores.getIndexes()

索引屬性 hidden 只在值為 true 時返回。
測試：

# 不使用索引
db.scores.find({userid:"abby"}).explain()
# 取消隱藏索引
db.scores.unhideIndex( { userid: 1} )
# 使用索引
db.scores.find({userid:"abby"}).explain()

索引使用建議

1）為每一個查詢建立合適的索引
這個是針對于數(shù)據(jù)量較大比如說超過幾十上百萬（文檔數(shù)目）數(shù)量級的集合。如果沒有索引 MongoDB 需要把所有的 Document 從盤上讀到內(nèi)存，這會對 MongoDB 服務(wù)器造成較大的壓力并影響到其他請求的執(zhí)行。

2）創(chuàng)建合適的復合索引，不要依賴于交叉索引
如果你的查詢會使用到多個字段，MongoDB 有兩個索引技術(shù)可以使用：交叉索引和復合索引。交叉索引就是針對每個字段單獨建立一個單字段索引，然后在查詢執(zhí)行時候使用相應的單字段索引進行索引交叉而得到查詢結(jié)果。交叉索引目前觸發(fā)率較低，所以如果你有一個多字段查詢的時候，建議使用復合索引能夠保證索引正常的使用。

# 查找所有年齡小于30歲的深圳市馬拉松運動員
db.athelets.find({sport: "marathon", location: "sz", age: {$lt: 30}}})
# 創(chuàng)建復合索引
db.athelets.createIndex({sport:1, location:1, age:1})

3）復合索引字段順序：匹配條件在前，范圍條件在后（Equality First, Range After）
前面的例子，在創(chuàng)建復合索引時如果條件有匹配和范圍之分，那么匹配條件（sport: “marathon”) 應該在復合索引的前面。范圍條件(age: <30)字段應該放在復合索引的后面。

4）盡可能使用覆蓋索引（Covered Index）
建議只返回需要的字段，同時，利用覆蓋索引來提升性能。

5）建索引要在后臺運行
在對一個集合創(chuàng)建索引時，該集合所在的數(shù)據(jù)庫將不接受其他讀寫操作。對大數(shù)據(jù)量的集合建索引，建議使用后臺運行選項 {background: true}。

6）避免設(shè)計過長的數(shù)組索引
數(shù)組索引是多值的，在存儲時需要使用更多的空間。如果索引的數(shù)組長度特別長，或者數(shù)組的增長不受控制，則可能導致索引空間急劇膨脹。

explain 執(zhí)行計劃

通常我們需要關(guān)心的問題：

• 查詢是否使用了索引
• 索引是否減少了掃描的記錄數(shù)量
• 是否存在低效的內(nèi)存排序

MongoDB 提供了 explain 命令，它可以幫助我們評估指定查詢模型（querymodel）的執(zhí)行計劃，根據(jù)實際情況進行調(diào)整，然后提高查詢效率。
explain() 方法的形式如下:

db.collection.find().explain(<verbose>)

verbose：可選參數(shù)，表示執(zhí)行計劃的輸出模式，默認 queryPlanner

verbose 枚舉如下：

**模式名字 **	描述
queryPlanner	執(zhí)行計劃的詳細信息，包括查詢計劃、集合信息、查詢條件、最佳執(zhí)行計劃、查詢方式和 MongoDB 服務(wù)信息等。
exectionStats	最佳執(zhí)行計劃的執(zhí)行情況和被拒絕的計劃等信息。
allPlansExecution	選擇并執(zhí)行最佳執(zhí)行計劃，并返回最佳執(zhí)行計劃和其他執(zhí)行計劃的執(zhí)行情況。

queryPlanner

# 未創(chuàng)建title的索引
db.books.find({title:"book-1"}).explain("queryPlanner")

結(jié)果：

字段說明：

**字段名稱 **	描述
plannerVersion	執(zhí)行計劃的版本
namespace	查詢的集合
indexFilterSet	是否使用索引
parsedQuery	查詢條件
winningPlan	最佳執(zhí)行計劃
stage	查詢方式
filter	過濾條件
direction	查詢順序
rejectedPlans	拒絕的執(zhí)行計劃
serverInfo	mongodb 服務(wù)器信息

executionStats

executionStats 模式的返回信息中包含了 queryPlanner 模式的所有字段，并且還包含了最佳執(zhí)行計劃的執(zhí)行情況

# 創(chuàng)建索引
db.books.createIndex({title:1})db.books.find({title:"book-1"}).explain("executionStats")

結(jié)果：

字段說明：

**字段名稱 **	描述
winningPlan.inputStage	用來描述子 stage，并且為其父 stage 提供文檔和索引關(guān)鍵字
winningPlan.inputStage.stage	子查詢方式
winningPlan.inputStage.keyPattern	所掃描的 index 內(nèi)容
winningPlan.inputStage.indexName	索引名
winningPlan.inputStage.isMultiKey	是否是 Multikey。如果索引建立在 array 上，將是 true
executionStats.executionSuccess	是否執(zhí)行成功
executionStats.nReturned	返回的個數(shù)
executionStats.executionTimeMillis	這條語句執(zhí)行時間
executionStats.executionStages.executionTimeMillisEstimate	檢索文檔獲取數(shù)據(jù)的時間
executionStats.executionStages.inputStage.executionTimeMillisEstimate	掃描獲取數(shù)據(jù)的時間
executionStats.totalKeysExamined	索引掃描次數(shù)
executionStats.totalDocsExamined	文檔掃描次數(shù)
executionStats.executionStages.isEOF	是否到達 steam 結(jié)尾，1 或者 true 代表已到達結(jié)尾
executionStats.executionStages.works	工作單元數(shù)，一個查詢會分解成小的工作單元
executionStats.executionStages.advanced	優(yōu)先返回的結(jié)果數(shù)
executionStats.executionStages.docsExamined	文檔檢查數(shù)

allPlansExecution

allPlansExecution 返回的信息包含 executionStats 模式的內(nèi)容，且包含 allPlansExecution:[] 塊

"allPlansExecution" : [{"nReturned" : <int>,"executionTimeMillisEstimate" : <int>,"totalKeysExamined" : <int>,"totalDocsExamined" :<int>,"executionStages" : {"stage" : <STAGEA>,"nReturned" : <int>,"executionTimeMillisEstimate" : <int>,...}}},...]

stage 狀態(tài)

**狀態(tài) **	描述
COLLSCAN	全表掃描
IXSCAN	索引掃描
FETCH	根據(jù)索引檢索指定文檔
SHARD_MERGE	將各個分片返回數(shù)據(jù)進行合并
SORT	在內(nèi)存中進行了排序
LIMIT	使用 limit 限制返回數(shù)
SKIP	使用 skip 進行跳過
IDHACK	對 _id 進行查詢
SHARDING_FILTER	通過 mongos 對分片數(shù)據(jù)進行查詢
COUNTSCAN	count 不使用 Index 進行 count 時的 stage 返回
COUNT_SCAN	count 使用了 Index 進行 count 時的 stage 返回
SUBPLA	未使用到索引的 $or 查詢的 stage 返回
TEXT	使用全文索引進行查詢時候的 stage 返回
PROJECTION	限定返回字段時候 stage 的返回

執(zhí)行計劃的返回結(jié)果中盡量不要出現(xiàn)以下 stage：

• COLLSCAN（全表掃描）
• SORT（使用 sort 但是無 index）
• 不合理的 SKIP
• SUBPLA（未用到 index 的 $or）
• COUNTSCAN（不使用 index 進行 count）