MongoDB在Linux上的索引优化技巧
通过explain()方法分析查询执行计划（如db.collection.find(query).explain("executionStats")），了解查询是否使用了索引、扫描文档数量、返回结果大小等指标，明确需要优化的查询场景。针对频繁查询的字段（如username、email）或组合条件（如age > 25 AND status = "active"）创建索引，避免为不常用的字段创建索引。
复合索引的字段顺序直接影响查询效率，应遵循**等值（Equality）→ 排序（Sort）→ 范围（Range）**的ESR规则。例如，对于查询{ age: 25, name: "Bob", createTime: { $gt: ISODate("2025-01-01") } }，复合索引应设计为{ age: 1, name: 1, createTime: 1 }（age为等值查询，name为排序字段，createTime为范围查询），这样能最大化索引利用率。
若查询的所有字段（包括过滤、排序、返回字段）均包含在索引中，MongoDB可直接从索引中获取数据，无需访问文档本身（称为“覆盖查询”）。例如，索引{ name: 1, age: 1 }可支持查询{ name: "Alice" }并返回{ name: 1, age: 1 }（需排除_id字段或将其加入索引）。通过explain()的totalDocsExamined字段（值为0表示覆盖查询）验证是否生效。
使用db.collection.getIndexes()查看集合中的所有索引，定期清理不再使用的索引（如历史遗留的测试索引、不再查询的字段索引）。索引会占用磁盘空间并增加写入开销（每次插入、更新数据时需维护索引），可通过db.collection.dropIndex("indexName")删除冗余索引。
当查询优化器未选择最佳索引时（如因统计信息不准确），可使用hint()方法强制指定索引。例如，db.collection.find(query).hint({ age: 1, name: 1 })强制使用{ age: 1, name: 1 }索引。需谨慎使用，避免人为干预导致性能下降（仅在优化器选择错误时使用）。
随着数据的增删改，索引会产生碎片（索引数据分散在磁盘上），导致查询性能下降。使用db.collection.reIndex()命令重建索引，整理碎片并优化索引结构。建议在业务低峰期执行（重建索引会锁表，影响写入操作）。
通过$indexStats聚合管道（如db.collection.aggregate([{ $indexStats: {} }])）获取索引的使用频率（accesses.ops表示索引被访问的次数）、查询时间等指标，识别未使用或使用率低的索引并及时删除。也可使用MongoDB Compass、Ops Manager等工具可视化监控索引性能。
选择性高的字段（唯一值多，如email、userID）创建索引能更有效地过滤文档，提升查询效率。避免为低选择性字段（如gender、status，唯一值少）单独创建索引（除非该字段是查询的核心条件）。
