索引Index:

索引就是用來加速的混狠，特殊數(shù)據(jù)結構，存在磁盤上(緩存在內存中)咽瓷，保存存儲表數(shù)據(jù)的一小部分數(shù)據(jù)崔挖，可以幫助我們快速查找數(shù)據(jù)贸街，索引中的數(shù)據(jù)，會有一個指針指向數(shù)據(jù)行所在磁盤的真正BLOCK位置

優(yōu)點：
1狸相、大大減少了服務器需要掃描的數(shù)據(jù)量
2薛匪、索引可以幫助服務器減少排序或臨時表的使用，(已經排好序的索引)
3脓鹃、索引可以將隨機I/O轉換成順序I/O

三星索引：
一星：索引如果能將相關的記錄放置在一起
二星：索引中數(shù)據(jù)的存儲順序與查找標準中順序一致
三星：如果索引中包含查詢中所需要的全部數(shù)據(jù)(覆蓋索引)

索引類型：

B+Tree 平衡樹索引：每葉子節(jié)點到樹根的距離是相同的逸尖，順序索引
Hash索引：hash桶算法，散列索引
空間(R-Tree)索引：地理空間數(shù)據(jù)索引
全文(Full-text)索引：全文檢索

順序索引：
    全值精確匹配：name="neo"
    匹配最左前綴：name like "neo%",無效：name like "%neo%",
    匹配列前綴
    匹配范圍值
    精確匹配某一列并范圍匹配另外一列：name="neo" and age > 25
    只訪問索引的查詢
    {聚簇索引：索引與數(shù)據(jù)挨著放瘸右，索引后續(xù)的指針其實就是數(shù)據(jù)娇跟，記錄文件中的記錄順序與索引順序排序，聚簇索引也稱為主索引尊浓，其他索引為輔助索引}
    {非聚簇索引：索引中指定的次序與記錄文件中的記錄次序不一致}
散列索引：
    散列函數(shù)：分布隨機逞频，分布均勻

mysql索引：根據(jù)存儲引擎的不同支持的索引類型也不同

Myisam存儲引擎：索引文件是{.MYI}纯衍，
InnoDB存儲引擎：索引是表空間的組成部分栋齿，{.ibd}，主要是B+Tree索引

建立索引需要考慮的問題：

1襟诸、會做什么樣的查詢瓦堵？其中哪些鍵需要索引？
2歌亲、每個鍵的索引方向是怎么樣的菇用？
3、如何應對擴展陷揪？有沒有種不同的鍵的排列可以使常用數(shù)據(jù)更多地保留在內存中惋鸥？

Mongodb索引：幾乎與關系型數(shù)據(jù)庫支持的索引類型一模一樣

單字段索引杂穷，組合索引，多鍵索引卦绣，空間索引耐量，文本索引，hash索引

db.mycoll.ensureIndex(field[,options])
  name,unique,dropDups,sparse
db.mycoll.dropIndex(index_name)
db.mycoll.dropIndexes()
db.mycoll.getIndexes()
db.mycoll.reIndex()

mongodb索引創(chuàng)建：

唯一鍵索引：{"unique":true}
消除重復索引：{"dropDups":true}
索引測試：explain()
指定索引查詢:hint(INDEX_NAME)
索引后臺創(chuàng)建:{"background":true}  #默認阻塞建立索引期間的所有請求

mongodb索引管理：system.indexes
索引只能通過ensureIndex,dropIndexes進行system.indexes操作

例子：

# 創(chuàng)建測試文檔數(shù)據(jù)
# for(i=1;i<=100;i++) db.testcoll.insert({name:"user"+i,age:(i%150),address:"#"+i+"tianzhong,shenzhen,china",prefrebooks:["book"+i,"helloworld"]})
# 查看集合所有索引滤港，默認情況下廊蜒，只會以"_id"作為鍵來創(chuàng)建索引
> db.system.indexes.findOne()
{
    "v" : 1,
    "key" : {
        "_id" : 1
    },
    "name" : "_id_",
    "ns" : "testdb.testcoll"
}
# 查詢數(shù)據(jù)，使用默認索引
> db.testcoll.find({name:"user58"}).explain()
{
    "cursor" : "BasicCursor",               # 表示沒有使用索引
    "isMultiKey" : false,                   
    "n" : 1,                                # 查詢返回數(shù)據(jù)的文檔數(shù)
    "nscannedObjects" : 100,                # 掃描objects數(shù)
    "nscanned" : 100,                       # 三秒文檔數(shù)
    "nscannedObjectsAllPlans" : 100,
    "nscannedAllPlans" : 100,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,                           # 花費時間
    "server" : "node1:27017",
    "filterSet" : false
}
# 創(chuàng)建索引
> db.testcoll.ensureIndex({name:1})         # 創(chuàng)建以name鍵為索引
{
    "createdCollectionAutomatically" : false,
    "numIndexesBefore" : 1,
    "numIndexesAfter" : 2,
    "ok" : 1
}
# 查看創(chuàng)建的索引
> db.testcoll.getIndexes()
[
    {
        "v" : 1,
        "key" : {
            "_id" : 1
        },
        "name" : "_id_",
        "ns" : "testdb.testcoll"
    },
    {
        "v" : 1,
        "key" : {
            "name" : 1
        },
        "name" : "name_1",              # 索引名字
        "ns" : "testdb.testcoll"        # 索引的位置溅漾，在數(shù)據(jù)庫集合上
    }
]
# 在此執(zhí)行查詢
> db.testcoll.find({name:"user11"}).explain()
{
    "cursor" : "BtreeCursor name_1",        # 使用name_1索引
    "isMultiKey" : false,
    "n" : 1,
    "nscannedObjects" : 1,                  # 掃描的數(shù)據(jù)為1個文檔
    "nscanned" : 1,
    "nscannedObjectsAllPlans" : 1,
    "nscannedAllPlans" : 1,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {
        "name" : [
            [
                "user11",
                "user11"
            ]
        ]
    },
    "server" : "node1:27017",
    "filterSet" : false
}
# 最左前綴匹配測試山叮，創(chuàng)建以姓名和年齡的索引
db.testcoll.ensureIndex({name:1,age:1}) 
# 以年齡查詢
> db.testcoll.find({age:{$gt:34,$lt:50}}).explain()
{
    "cursor" : "BasicCursor",     # 沒有使用任何索引
    "isMultiKey" : false,
    "n" : 15,
    "nscannedObjects" : 100,
    "nscanned" : 100,
    "nscannedObjectsAllPlans" : 100,
    "nscannedAllPlans" : 100,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "server" : "node1:27017",
    "filterSet" : false
}
# 創(chuàng)建以年齡和姓名的索引
db.testcoll.ensureIndex({age:1,name:1})
# 在次查詢年齡
> db.testcoll.find({age:{$gt:34,$lt:50}}).explain()
{
    "cursor" : "BtreeCursor age_1_name_1",          #
    "isMultiKey" : false,
    "n" : 15,
    "nscannedObjects" : 15,
    "nscanned" : 15,
    "nscannedObjectsAllPlans" : 15,
    "nscannedAllPlans" : 15,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {
        "age" : [
            [
                34,
                50
            ]
        ],
        "name" : [
            [
                {
                    "$minElement" : 1
                },
                {
                    "$maxElement" : 1
                }
            ]
        ]
    },
    "server" : "node1:27017",
    "filterSet" : false
}
# mongodb是自動匹配最佳索引，進行搜索
# hint使用
> db.testcoll.find({name:"user12"}).hint("name_1_age_1").explain()
{
    "cursor" : "BtreeCursor name_1_age_1",          # 根據(jù)指定的索引名稱進行搜索
    "isMultiKey" : false,
    "n" : 1,
    "nscannedObjects" : 1,
    "nscanned" : 1,
    "nscannedObjectsAllPlans" : 1,
    "nscannedAllPlans" : 1,
    "scanAndOrder" : false,
    "indexOnly" : false,
    "nYields" : 0,
    "nChunkSkips" : 0,
    "millis" : 0,
    "indexBounds" : {
        "name" : [
            [
                "user12",
                "user12"
            ]
        ],
        "age" : [
            [
                {
                    "$minElement" : 1
                },
                {
                    "$maxElement" : 1
                }
            ]
        ]
    },
    "server" : "node1:27017",
    "filterSet" : false
}
# 問題來了添履，在業(yè)務邏輯上是常使用以name屁倔，或者有時候采用name+age的方式進行搜索，name_1_age_1這個所以符合兩個需求
# 那么name_1這個索引就是累贅暮胧，舒服重復索引汰现，age_1_name_1，不匹配最左前綴索引的使用法則叔壤，也是無用的瞎饲。

mongodb的聚合函數(shù)：

count:返回集合中的文檔數(shù)量
# db.testcoll.find().count()
distinct:找出給定鍵的所有不同的值，使用時必須指定集合和鍵
group:類似SQL中的group by
mapreduce