文章目录
- 第6章 性能优化：索引与查询效率提升
- 6.1 索引基础：为什么需要索引
- 6.1.1 无索引的核心问题：`全集合扫描（Collection Scan）`
- 6.1.2 索引的核心作用
- 6.1.3 MongoDB索引的工作原理（基础认知）
- 6.1.4 实战实操：索引的创建、测试与管理
- 前置准备：创建测试集合并插入大量数据
- 步骤1：无索引时的查询测试（全集合扫描）
- 步骤2：创建单字段索引并验证性能提升
- 步骤3：创建复合索引（多字段索引）
- 步骤4：创建唯一索引（保证字段唯一性）
- 步骤5：索引管理（查看、删除、监控）
- 6.1.5 核心避坑指南
第6章 性能优化：索引与查询效率提升
6.1 索引基础：为什么需要索引
6.1.1 无索引的核心问题：全集合扫描（Collection Scan）
MongoDB执行查询时，若目标字段未创建索引，会触发全集合扫描——即遍历集合中所有文档，逐一匹配查询条件。
- 这种方式的
弊端随数据量增长呈指数级放大：- 性能低下：百万 / 千万级文档集合中，全扫描可能耗时数秒甚至数分钟；
- 资源浪费：大量消耗CPU（文档匹配计算）、磁盘IO（全量读取文档），挤占业务资源；
- 排序/分组低效：无索引时，
排序操作需先全扫描加载所有数据到内存，若数据量超过内存限制，会触发磁盘临时文件排序，性能骤降。
6.1.2 索引的核心作用
索引是MongoDB中提升查询效率的核心手段，本质是“有序的数据结构（B树）”，核心价值包括：
- 1. 加速查询：通过索引快速定位符合条件的文档位置，避免全集合扫描，
查询耗时从“秒级”降至“毫秒级”； - 2. 优化排序/分组：索引本身是有序的，基于索引的排序 / 分组无需额外排序操作；
- 3. 保证数据唯一性：通过唯一索引约束字段值不重复（如默认的
_id索引）； - 4. 减少扫描量：仅需遍历索引树找到目标文档的指针，再读取对应文档。
6.1.3 MongoDB索引的工作原理（基础认知）
- 1. 底层数据结构：MongoDB索引基于B树（Balanced Tree）实现
（更准确的是B+树变体），B树的核心优势是“平衡”——所有叶子节点到根节点的路径长度一致，且支持多路查找，大幅减少磁盘IO次数（磁盘IO是数据库性能瓶颈的核心）。 - 2. 索引存储逻辑：
- 索引不存储完整文档，仅存储“索引字段值 + 文档物理位置指针（Record Locator）”；
- 查询时，MongoDB先遍历索引树找到匹配的指针，再通过指针直接读取对应文档（“索引查找 + 回表读取”）；
- 若查询的所有字段都包含在索引中（覆盖索引），则无需回表，直接从索引返回结果，性能最优。
- 3. 默认索引：MongoDB创建集合时，会自动为
_id字段创建唯一索引（id），保证每个文档的_id唯一且可快速查询，该索引无法删除。
6.1.4 实战实操：索引的创建、测试与管理
以下实操基于Mongo Shell完成（可无缝适配Node.js/Python等驱动），核心是通过对比“无索引/有索引”的查询效率，理解索引的价值。
前置准备：创建测试集合并插入大量数据
// 1. 切换到测试数据库use test_db;// 2. 删除已有集合（避免干扰）db.user_info.drop();// 3. 插入10万条测试数据（模拟用户信息）let userData=[];for(let i=0;i<100000;i++){userData.push({name:`user_${i}`,age:Math.floor(Math.random()*50)+18,// 18-68岁phone:`138${String(Math.floor(Math.random() * 100000000)).padStart(8, '0')}`,register_time:newDate(Date.now()-Math.floor(Math.random()*365*24*3600*1000
