在 MongoDB 中，索引（Index） 是提升查询效率的关键机制。如果没有索引，MongoDB 在执行查询时必须进行全集合扫描（Collection Scan）——即逐条检查集合中的每一个文档。当数据量达到百万甚至千万级别时，这种操作可能耗时数十秒，严重拖慢应用响应速度，影响用户体验。
而通过合理使用索引，MongoDB 可以快速定位目标文档，将查询时间从“秒级”降至“毫秒级”。
📌 核心原理：
索引是一种特殊的数据结构，它存储了集合中部分字段的值，并按特定顺序组织（通常为 B-Tree 结构），使得数据库能高效地执行等值匹配、范围查询和排序操作。
MongoDB 的索引基于 B-Tree（B树） 实现（注意：不同于 MySQL 的 B+Tree），支持快速查找、插入和范围遍历。
一、单字段索引（Single Field Index）
这是最基础的索引类型，针对单个字段创建。
// 在 comment 集合的 userid 字段上创建升序索引 db.comment.createIndex({ userid: 1 })
1表示升序，-1表示降序；- 对于单字段索引，排序方向通常不重要，因为 MongoDB 可以双向遍历索引；
- 适用于频繁按某字段查询的场景，如：
find({userid: "1003"})。
✅ 提示：MongoDB 在创建集合时会自动为
_id字段创建唯一索引，不可删除。
二、复合索引（Compound Index）
当查询条件涉及多个字段时，应使用复合索引。
// 创建复合索引：先按 userid 升序，再按 likenum 降序 db.comment.createIndex({ userid: 1, likenum: -1 })
⚠️ 字段顺序至关重要！
复合索引的生效遵循“最左前缀原则”：
- 查询条件包含
userid→ 能使用索引；- 查询条件包含
userid和likenum→ 能高效使用索引；- 查询条件仅包含
likenum→ 无法使用该索引！
因此，应将选择性高或经常用于等值查询的字段放在前面，用于排序或范围查询的字段放后面。
三、其他常用索引类型
1. 地理空间索引（Geospatial Index）
用于支持地理位置查询，如“附近的人”、“5公里内的商家”。
- 2dsphere 索引：适用于球面几何（地球坐标，如经纬度）；
- 2d 索引：适用于平面坐标（如游戏地图）。
// 为 location 字段（存储 GeoJSON 数据）创建 2dsphere 索引 db.places.createIndex({ location: "2dsphere" })
支持 $near、$geoWithin 等地理查询操作符。
2. 文本索引（Text Index）
用于实现全文搜索功能，如搜索文章、评论中的关键词。
// 在 content 字段上创建文本索引 db.comment.createIndex({ content: "text" }) // 多字段文本索引 db.article.createIndex({ title: "text", content: "text" })
- 自动忽略停用词（如 “the”, “a”）；
- 支持词干提取（“running” → “run”）；
- 使用
$text操作符进行搜索：
db.comment.find({ $text: { $search: "阳光 健康" } })
3. 哈希索引（Hashed Index）
主要用于分片集群中，对字段值进行哈希后分布数据，实现均匀分片。
// 为 _id 创建哈希索引（常用于分片键） db.comment.createIndex({ _id: "hashed" })
⚠️ 限制：哈希索引仅支持等值查询（如
find({_id: "123"})），不支持范围查询（如likenum > 100）或排序。
四、何时需要创建索引？
建议在以下场景创建索引：
- 字段频繁出现在
find()、sort()、group()条件中； - 查询响应慢，通过
explain()发现执行计划为COLLSCAN（全表扫描）； - 需要支持地理位置、全文搜索等高级功能。
💡 最佳实践：
- 避免过度索引：每个索引都会占用存储空间，并降低写入性能（插入/更新需同步更新索引）；
- 使用
db.collection.getIndexes()查看现有索引；- 使用
db.collection.dropIndex("index_name")删除无用索引；- 利用 MongoDB Atlas Performance Advisor 或
explain("executionStats")分析查询性能。
