Indeks musiałby obejmować całą część zapytania (część dotyczącą równości, część sortowania i część zakresu). Dzieje się tak, ponieważ w typowym find() zapytanie MongoDB używa tylko jednego indeksu. Np. generalnie nie używa jednego indeksu dla części równości i innego indeksu dla części sortowania.
Ogólnie sekwencja pól w indeksie musi być zgodna ze wzorem równość -> sortowanie -> zakres .
Jest to szczegółowo opisane w Optymalizacja indeksów złożonych MongoDB .
W zapytaniu część dotycząca równości to tag:..., letterId:... a część sortowania to emailId:-1 . W zapytaniu nie ma części dotyczącej zakresu.
Używając tego wzorca, potrzebny indeks złożony to:
db.test.createIndex({tag:1, letterId:1, emailId:-1})
Spróbujmy potwierdzić, jak dużą poprawę wydajności możemy uzyskać za pomocą tego indeksu.
Dane testowe
Aby potwierdzić przydatność indeksu, wstawiłem 1 milion rekordów do testowej bazy danych za pomocą mgeneratejs , który jest narzędziem do tworzenia losowego dokumentu przy użyciu szablonu.
Na podstawie twojego przykładu mgeneratejs szablon, którego używam to:
$ cat template.json
{
"emailId": "$hash",
"email": "$email",
"letterId": "$hash",
"sendedFrom": "$email",
"resultMsg": "$word",
"owner": "$name",
"created": "$date",
"result": "$bool",
"tag": "$word",
"tryNum": {"$integer": {"min": 0, "max": 1e3}},
"clickHash": "$word",
"links": {"$array": {"of": "$url", "number": {"$integer": {"min": 1, "max": 5}}}}
}
i zaimportowaliśmy 1 milion losowych dokumentów do MongoDB:
$ mgeneratejs template.json -n 1000000 | mongoimport -d test -c test
Test 1:indeks nieoptymalny
Następnie tworzę indeks, który masz, i próbowałem znaleźć nieistniejący dokument i zebrałem 10 przebiegów zapytania z kolekcją zawierającą tylko ten indeks:
> db.test.createIndex({emailId: 1, letterId: 1, result: 1, owner: 1, tag: 1, clickHash: 1})
> db.test.find({"tag" : "xyz", "letterId" : "abc"}).sort({emailId: -1}).limit(1)
Fetched 0 record(s) in 3069ms
Fetched 0 record(s) in 2924ms
Fetched 0 record(s) in 2923ms
Fetched 0 record(s) in 3013ms
Fetched 0 record(s) in 2917ms
Fetched 0 record(s) in 2961ms
Fetched 0 record(s) in 2882ms
Fetched 0 record(s) in 2870ms
Fetched 0 record(s) in 2969ms
Fetched 0 record(s) in 2863ms
więc używając tego indeksu, czasy odpowiedzi na zapytanie nie są świetne, a większość wykonania jest bliska 3 sekundom.
Test 2:równość -> sortowanie -> indeks zakresu
Dodając optymalną równość -> sortowanie -> zakres indeks:
> db.test.createIndex({tag:1, letterId:1, emailId:-1})
> db.test.find({"tag" : "xyz", "letterId" : "abc"}).sort({emailId: -1}).limit(1)
Fetched 0 record(s) in 2ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 1ms
Fetched 0 record(s) in 3ms
W przeciwieństwie do tego, stosując optymalny wskaźnik, wydajność została znacznie poprawiona. Żadne zapytanie nie zostało zwrócone w czasie dłuższym niż 3 ms, przy czym większość czasu jest zwracana w ciągu 1 ms.
