MongoDB数据库index索引的用法和作用
索引最大的作用就是提高query的查询性能，如果没有索引，mongodb需要scan整个collection的所有的documents，并筛选符合条件的document，如果有索引，那么query只需要遍历index中有限个索引条目即可，况且index中的条目是排序的，这对“order by”操作也非常有利。
索引：特殊的数据结构，存储表的数据的一小部分以实现快速查询
优点：
1、大大减少了服务器需要扫描的数据量
2、索引可以帮助服务器避免排序或使用临时表
3、索引可以将随机io转换为顺序io
索引评估：三星（非常好）
一星：索引如果能将相关的记录放置到一起
二星：索引中数据的存储顺序与查找标准中顺序一致
三星：如果索引中包含查询中所需要的全部数据：（覆盖索引）
DBA书：关系型数据库索引设计与优化
索引类别：
顺序索引
散列索引：将索引映射至散列桶上，映射是通过散列函数进行的
评估索引的标准：
访问类型：做等值比较用散列索引，用范围比较时用顺序索引
访问时间：
插入时长：
删除时长：
空间开销：
顺序索引：
聚集索引：如果某记录文件中的记录顺序是按照对应的搜索码指定的顺序排序，聚集索引页成为主索引
非聚集索引：搜索码中的指定的次序与记录文件中的记录次序不一致
有聚集索引的数据文件，也叫做索引顺序文件
根据索引中是否为每个记录相应的创建索引项，可分为稠密索引和稀疏索引
多级索引：（但对频繁修改的数据，性能很差）
辅助索引必须是稠密索引
B+树索引：顺序索引
Balance Tree:平衡树索引
顺序索引的特性：
全值匹配：Name='user12'
匹配最左前缀：Name LIKE 'User1%',无效：Name LIKE '%User1%'
匹配列前缀：Name LIKE 'User1%',无效：Name LIKE '%User1%'
匹配范围值
精确匹配某一列并范围匹配另外一列：
只访问索引的查询
散列索引：
散列函数：
分布随机
分布均匀
适用场景：
精确匹配:=,IN(),<=>
Mysql:全文索引，fulltext
sphinx，lucene
空间索引：必须使用空间索引函数获取相应的查询结果
主键、唯一键
Mysql：创建索引
create index index_name on table (col1,…) alter table add index alter table drop index drop index index_name from table show indexes from table
Mongodb创建索引：
id字段就有主索引
在Name创建索引：
查看所有：
默认在id上创建了主索引
唯一索引：
db.collection.ensureIndex({"user_id":1},{unique:true})
sparse index:稀疏索引
db.collection.ensureIndex({"user_id":1},{sparse:true})
Mongodb：
索引可以创建在collection上，也可以创建在子文档中
Mongodb索引类型：
单键索引
组合索引
多键索引：
空间索引
文本索引
hash索引
hash索引：
删除索引：
或者
db.mycoll.dropIndexes()：删除mycoll的所有索引
查询过程：explain
扫描了100个数据
创建索引后，只扫描一个数据
指定索引：
创建组合索引：
通过组合索引查询：
> db.testcoll.find({Name:'User19'}).hint({Name:1,Age:1}).explain()
{
"cursor" : "BtreeCursor Name_1_Age_1",
"isMultiKey" : false, "n" : 1,
"nscannedObjects" : 1,
"nscanned" : 1,
"nscannedObjectsAllPlans" : 1,
"nscannedAllPlans" : 1,
"scanAndOrder" : false,
"indexOnly" : false,
"nYields" : 0,
"nChunkSkips" : 0,
"millis" : 0,
"indexBounds" :
{
"Name" :
[
[
"User19",
"User19"
]
],
"Age" :
[
[
{
"$minElement" : 1
},
{
"$maxElement" : 1
}
]
]
},
"server" : "stu:27017"
} 
