【MongoDB实战】6.3 索引优化实战：慢查询解决
文章目录
- 《MongoDB实战入门》第6章 性能优化：索引与查询效率提升
- 6.3 索引优化实战：慢查询解决
- 6.3.1 识别慢查询：explain()方法分析查询执行计划
- 1. 核心概念铺垫
- 2. 实操：识别慢查询（准备测试数据+分析执行计划）
- 6.3.2 优化案例：为慢查询添加合适索引（对比优化前后）
- 1. 索引设计原则（核心）
- 2. 实操：创建索引+验证优化效果
- 3. 进阶优化：覆盖索引（避免回表查询）
- 6.3.3 索引使用注意事项
- 1. 避免过度索引
- 2. 索引字段选择技巧
- 3. 生产环境最佳实践
- 6.3.4 总结
《MongoDB实战入门》第6章 性能优化：索引与查询效率提升
6.3 索引优化实战：慢查询解决
慢查询是MongoDB生产环境中最常见的性能瓶颈之一，其核心成因通常是缺少合适的索引或索引设计不合理。
- 本节将从「慢查询识别」「实战优化案例」「索引使用原则」三个维度，结合可落地的实操代码，手把手教你解决慢查询问题。
6.3.1 识别慢查询：explain()方法分析查询执行计划
MongoDB提供explain()方法用于解析查询的执行计划，是识别慢查询根因的核心工具。通过该方法可判断查询是否走索引、是否全表扫描、扫描文档数/索引数、执行耗时等关键指标。
1. 核心概念铺垫
慢查询阈值：MongoDB默认将执行时间超过100ms的查询标记为慢查询（可通过
setProfilingLevel调整）。explain()参数：
queryPlanner（默认）：仅返回最优查询计划（无执行统计）；executionStats：返回执行计划+核心执行统计（实战首选）；allPlansExecution：返回所有候选执行计划的统计（适合复杂查询分析）。
关键字段解读：
| 字段 | 含义 | 性能判断依据 |
|---|---|---|
executionStats.executionTimeMillis | 查询总耗时（毫秒） | 数值越大，性能越差 |
executionStats.totalDocsExamined | 扫描的文档总数 | 远大于查询结果数 → 全表扫描 |
executionStats.totalKeysExamined | 扫描的索引键数 | 接近查询结果数 → 索引生效 |
queryPlanner.winningPlan.stage | 核心执行阶段 | COLLSCAN=全表扫描（差）；IXSCAN=索引扫描（优） |
2. 实操：识别慢查询（准备测试数据+分析执行计划）
步骤1：创建测试集合并插入10万条模拟订单数据
// 清空原有集合（避免干扰）db.orders.drop();// 批量生成10万条订单数据（模拟真实业务场景）varorderData=[];for(vari=0;i<100000;i++){orderData.push({orderId:"ORD"+(100000+i),// 订单编号userId:"U"+(Math.floor(Math.random()*1000)),// 随机用户（1000个用户）amount:Math.floor(Math.random()*10000),// 订单金额（0-10000）createTime:newDate(newDate().getTime()-Math.floor(Math.random()*30*24*3600*1000)),// 近30天status:["pending","paid","shipped","completed"][Math.floor(Math.random()*4)]// 订单状态});}// 插入数据（批量插入效率更高）db.orders.insertMany(orderData);print(`测试数据插入完成，总条数：${db.orders.countDocuments()}`);步骤2：执行慢查询并分析执行计划
需求：查询「用户U100的已完成订单，且金额大于5000」（无索引时为慢查询）。
// 定义慢查询varslowQuery=db.orders.find({userId:"U100",status:"completed",amount:{$gt:5000}});// 用executionStats分析执行计划varexplainResult=slowQuery.explain("executionStats");// 打印核心性能指标print("===== 优化前 - 慢查询分析 =====");print(`执行耗时：${explainResult.executionStats.executionTimeMillis} 毫秒`);print(`扫描文档数：${explainResult.executionStats.totalDocsExamined}`);print(`执行阶段：${explainResult.queryPlanner.winningPlan.stage}`);预期输出（无索引时）：
结论：全表扫描（COLLSCAN）导致扫描10万条文档，耗时80+ms，属于典型慢查询。
6.3.2 优化案例：为慢查询添加合适索引（对比优化前后）
1. 索引设计原则（核心）
针对「多条件查询」，需遵循：
-等值字段在前，范围字段在后（本例中userId/status是等值条件，amount是范围条件），因此设计复合索引：{userId: 1, status: 1, amount: 1}。
2. 实操：创建索引+验证优化效果
步骤1：创建复合索引
// 创建复合索引（命名规范：idx_字段1_字段2_字段3）db.orders.createIndex({userId:1,status:1,amount:1},{name:"idx_user_status_amount"}// 自定义索引名，便于维护);// 查看集合所有索引（验证索引创建成功）print("===== 集合索引列表 =====");db.orders.getIndexes().forEach(idx=>printjson(idx));步骤2：对比优化前后的性能指标
封装对比函数，直观展示优化效果：
functioncompareQueryPerformance(){// 优化前（先删除索引，模拟初始状态）db.orders.dropIndex("idx_user_status_amount");varbeforeOpt