Ubuntu环境下MongoDB索引优化策略

1. 索引设计：遵循核心原则

索引是MongoDB查询性能的核心保障，设计时需结合查询模式与数据特征，遵循以下黄金法则：

• 选择性优先：选择高区分度字段（如user_id、mobile）创建索引，避免为低选择性字段（如gender）浪费资源；
• 覆盖查询优化：创建包含查询中所有需返回字段的复合索引，使查询无需访问原始文档（如db.users.find({age: {$gt: 18}}, {name: 1, age: 1, _id: 0})可通过索引完成）；
• ESR规则：复合索引字段顺序需遵循**等值（Equality）→ 排序（Sort）→ 范围（Range）**逻辑（如db.orders.createIndex({status: 1, orderDate: -1, amount: 1})，其中status为等值查询、orderDate为排序、amount为范围查询）；
• 索引数量限制：单个集合最多创建64个索引，索引键总长度不超过1024字节，避免过多索引增加写操作开销。

2. 复合索引：优化字段顺序与组合

复合索引是提升多字段查询效率的关键，需根据查询场景设计字段顺序：

• 前缀匹配原则：复合索引的前缀字段需覆盖查询中的等值或排序条件（如db.users.find({username: "admin", email: "admin@example.com"}).sort({createTime: -1})，复合索引{username: 1, email: 1, createTime: -1}可完全覆盖）；
• 避免冗余索引：若已有复合索引{a: 1, b: 1}，则无需单独创建{a: 1}（除非有特殊查询需求）；
• 覆盖索引扩展：若查询仅需索引中的字段，可添加_id: 0排除默认返回的_id字段，进一步减少IO。

3. 特殊索引：适配特定场景

根据业务需求创建特殊类型索引，解决特定问题：

• 部分索引：仅为满足条件的文档创建索引，减少索引大小（如db.users.createIndex({username: 1}, {partialFilterExpression: {active: true}})，仅索引活跃用户）；
• TTL索引：自动清理过期数据（如db.logs.createIndex({createdAt: 1}, {expireAfterSeconds: 86400})，7天后自动删除过期日志）；
• 地理空间索引：支持地理位置查询（如db.places.createIndex({location: "2dsphere"})，用于“附近地点”查询）。

4. 索引分析与优化：用数据驱动决策

通过explain()方法分析查询执行计划，识别索引使用问题：

• 关键指标解读：
  • winningPlan.stage：若为COLLSCAN（全表扫描），说明未使用索引；
  • executionStats.totalKeysExamined：索引键检查数，数值过大表示索引效率低；
  • executionStats.totalDocsExamined：文档检查数，若远大于返回结果数，说明索引未覆盖查询；
  • executionStats.executionTimeMillis：执行时间，超过100ms需优化；
• 优化动作：根据explain()结果添加缺失索引、调整复合索引顺序或修改查询条件（如将$or查询改为$in查询，避免全表扫描）。

5. 避免索引陷阱：减少性能损耗

• 过度索引：每个索引都会增加写操作（插入、更新、删除）的开销，需定期审查并删除未使用的索引（通过db.collection.aggregate([{ $indexStats: {} }])查看索引使用情况）；
• 否定操作符：$ne、$not、$nin等操作符通常会导致全表扫描，尽量避免在查询中使用；
• 正则表达式：避免使用左模糊查询（如/abc/），若需使用正则，尽量采用左锚定（如/^prefix/），以便利用索引；
• 数组字段：数组字段会创建多键索引，若数组元素过多（如超过100个），会影响索引性能，需谨慎设计。

6. 监控与维护：保持索引高效

• 定期监控：使用mongostat（监控操作速率）、mongotop（监控集合级IO）或第三方工具（如Percona PMM）实时监控索引使用情况；
• 重建索引：定期执行db.collection.reIndex()重建碎片化索引，保持索引性能（建议在低峰期操作）；
• 版本升级：升级到MongoDB最新稳定版本，新版本通常会带来索引性能优化与bug修复（如WiredTiger存储引擎的改进）。