MongoDB :滴滴、摩拜都在用的索引-educoder上面的题目以和笔记

MongoDB 之滴滴、摩拜都在用的索引

（MapReduce的在后面）

第一关：了解并创建一个简单索引

索引的原理：

对某个键按照升续或降续创建索引，查询时首先根据查询条件查找到对应的索引条目，然后找到索引条目对应的文档指针（文档在磁盘上的存储位置），根据文档指针再去磁盘中找到相应的文档，整个过程不需要扫描全表，速度比较快。

每个文档被插入集合时，如果没有给它指定索引_id，MongoDB 会自动给它创建一个默认索引_id，是个 ObjectId 对象

索引基本操作

1、创建索引（单字段索引）

db.person.createIndex({key:1})

1. key ：要创建索引的键；
2. 如果为 1, 按照升序创建索引，而如果为 -1，则是按降序创建索引

2、查询索引

(1).查询集合索引：

db.person.getIndexes()

(2)查询全部索引

db.system.indexes.find()

3、删除索引

(1)通过指定索引名称删除该索引：

db.person.dropIndex("ageIdx")

(2).通过指定集合删除集合中的全部索引：

db.person.dropIndexes()

编程测试代码:

1.  
   document=([
2.  
    
3.  
   {_id:1,name: "王小明",age:15,score:90},
4.  
    
5.  
   {_id:2,name: "周晓晓",age:18,score:86},
6.  
    
7.  
   {_id:3,name: "王敏",age:20,score:96},
8.  
    
9.  
   {_id:4,name: "李小亮",age:15,score:74},
10.  
     
11.  
    {_id:5,name: "张青青",age:21,score:88}
12.  
     
13.  
    ])
14.  
     
15.  
    db.student.insert(document)
16.  
     
17.  
    db.student.createIndex({score:-1})

第二关：常见索引的创建

创建常见索引:

创建索引的基本语法: db.集合.createIndex({属性1: 1/-1, 属性2: 1/-1})

1、创建复合索引

和创建单字段索引的方法差不多，只是选取了多个键一同作为索引，中间以逗号隔开:

db.person.createIndex({age: 1, name: 1})

2、创建多 key 索引

当索引的字段为数组时，创建出的索引称为多 key 索引，多 key 索引会为数组的每个元素建立一条索引，比如 person 集合加入一个 habbit 字段（数组）用于描述兴趣爱好：

{name : '王小明', age : 19, habbit: ['football', 'runnning']}

需要查询有相同兴趣爱好的人就可以利用 habbit 字段的多 key 索引。

1.  
   db.person.createIndex( {habbit: 1} )     // 升序创建多key索引
2.  
    
3.  
   db.person.find({habbit: 'football'})     //查找喜欢足球的人

3、创建哈希索引

创建命令如下：

4、文本索引的创建与使用

假如我们用 Mongodb 存储了很多博客文章，那么如何快速找到所有关于 mongodb 这个主题的文章呢？这时候就要用到文本搜索了。

(1). 创建文本索引命令：

创建单个字段的文本索引

db.collection.createIndex({ title: 'text'})

1. 创建全文本索引的字段必须为 string 格式；
2. 每个集合只支持一个文本索引。

创建多个字段的文本索引

1.  
   db.collection.createIndex(
2.  
    
3.  
     {
4.  
    
5.  
        title: 'text',
6.  
    
7.  
        tags: 'text'
8.  
    
9.  
     }
10.  
     
11.  
    )

(2). 使用文本索引；

现在我们已经创建了 title 的索引，我们来搜索一下含有 educoder.net 的文章：

1. search 后的关键词可以有多个，关键词之间的分隔符可以是多种字符，例如空格、下划线、逗号、加号等，但不能是-和\，因为这两个符号会有其他用途。搜索的多个关键字是 or 的关系，除非你的关键字包含-；
2. 匹配时不是完整的单词匹配，相似的词也可以匹配到；

db.collection.find({$text:{$search:'educoder.net'}})

(3). 删除文本索引

1.  通过命令获取索引名：

db.collection.getIndexes()

1. 删除命令：

db.collection.dropIndex('title_text')

编程测试代码(部分):😊

1.  
   db.article.insert([
2.  
    
3.  
   {_id:1,title: "提升程序员工作效率的6个工具利器",tags:[ "Alfred ", "幕布"],follwers:543},
4.  
    
5.  
   {_id:1,title:"我是如何从零开始学习前端的",tags:["HTML","Html5","CSS "],follwers:1570},
6.  
    
7.  
   {_id:1,title: "20个非常有用的JAVA程序片段",tags:[ "Java ", "编程"],follwers:1920}])

1.  
   db.article.createIndex({follwers:1,title:1})
2.  
    
3.  
   db.article.createIndex({tags:-1})
4.  
    
5.  
   db.article.createIndex({_id:"hashed"})
6.  
    
7.  
   db.article.createIndex( { title:'text',tags:'text'})
8.  
    
9.  
   db.article.getIndexes()

第三关：有趣的地理位置

相关知识:

1、GeoJson 数据

只有拥有特定格式的文档才可以创建。

如果我们用的是 2dsphere 索引，那么插入的应该是 GeoJson 数据。GeoJson 的格式如是：

     { type: ‘GeoJSON type’ , coordinates: ‘coordinates’ }

1. type ：指的是类型，可以是 Point (本例中用的,点)、LineString(线)、 Polygon(面) 等；
2. coordinates ：指的是一个坐标数组。

1.  
   db.locations.insert({_id:1,name:'长沙站',location:{type:'Point',coordinates:[113.018987,28.201215]}})
2.  
    
3.  
   db.locations.insert({_id:2,name:'湖南师范大学',location:{type:'Point',coordinates:[112.946045,28.170968]}})
4.  
    
5.  
   db.locations.insert({_id:3,name:'中南大学',location:{type:'Point',coordinates:[112.932175,28.178291]}})
6.  
    
7.  
   db.locations.insert({_id:4,name:'湖南女子学院',location:{type:'Point',coordinates:[113.014675,28.121163]}})
8.  
    
9.  
   db.locations.insert({_id:5,name:"湖南农业大学",location:{type:'Point',coordinates:[113.090852,28.187461]}})

2、创建地理位置索引

一般的代码:  db.集合.createIndex({创建索引的属性:  ’ 2dsphere’ })

1. 2d ：平面坐标索引，适用于基于平面的坐标计算，也支持球面距离计算，不过官方推荐使用 2dsphere 索引；
2. 2dsphere ：几何球体索引，适用于球面几何运算；(一般都是用这个!!!)
3. 默认情况下，地理位置索引会假设值的范围是从−180到180（根据经纬度设置）。

db.locations.createIndex({location:'2dsphere'})

3、地理位置索引的使用

查询命令：(很重要!!!)

1.  
   db.runCommand({
2.  
    
3.  
       geoNear:'locations',
4.  
    
5.  
       near:{type:'Point',coordinates:[113.018987,28.201215]},   (一般是location)
6.  
    
7.  
       spherical:true, 
8.  
    
9.  
       minDistance:1000,
10.  
     
11.  
        maxDistance:8000
12.  
     
13.  
        })

1. geoNear ：我们要查询的集合名称；
2. near ：就是基于那个点进行搜索，这里是我们的搜索点“长沙站”；
3. spherical ：是个布尔值，如果为 true，表示将计算实际的物理距离，比如两点之间有多少 km，若为 false，则会基于点的单位进行计算 ；
4. minDistance ：搜索的最小距离，这里的单位是米 ；
5. maxDistance ：搜索的最大距离。

编程测试代码：

1.  
   db.people.insert({_id:1,name:'A',personloc:{type:'Point',coordinates:[116.403981,39.914935]}});
2.  
    
3.  
   db.people.insert({_id:2,name:'B',personloc:{type:'Point',coordinates:[116.433733,39.909511]}});
4.  
    
5.  
   db.people.insert({_id:3,name:'C',personloc:{type:'Point',coordinates:[116.488781,39.949901]}});
6.  
    
7.  
   db.people.insert({_id:4,name:'D',personloc:{type:'Point',coordinates:[116.342609,39.948021]}});
8.  
    
9.  
   db.people.insert({_id:5,name:'E',personloc:{type:'Point',coordinates:[116.328236,39.901098]}});
10.  
     
11.  
    db.people.insert({_id:6,name:'F',personloc:{type:'Point',coordinates:[116.385728,39.871645]}});
12.  
     
13.  
    db.people.createIndex({personloc:'2dsphere'});
14.  
     
15.  
    db.runCommand({
16.  
     
17.  
        geoNear:'people',
18.  
     
19.  
        near:{type:'Point',coordinates:[116.403981,39.914935]},
20.  
     
21.  
        spherical:true,
22.  
     
23.  
        minDistance:100,
24.  
     
25.  
        maxDistance:3000
26.  
     
27.  
    });
28.  
     
29.  
    db.runCommand({
30.  
     
31.  
        geoNear:'people',
32.  
     
33.  
        near:{type:'Point',coordinates:[116.433733,39.909511]},
34.  
     
35.  
        spherical:true,
36.  
     
37.  
        minDistance:100,
38.  
     
39.  
        maxDistance:5000
40.  
     
41.  
    });
42.  
     
43.  
    db.runCommand({
44.  
     
45.  
        geoNear:'people',
46.  
     
47.  
        near:{type:'Point',coordinates:[116.488781,39.949901]},
48.  
     
49.  
        spherical:true,
50.  
     
51.  
        minDistance:3000,
52.  
     
53.  
        maxDistance:8000
54.  
     
55.  
    });
56.  
     
57.  
    db.runCommand({
58.  
     
59.  
        geoNear:'people',
60.  
     
61.  
        near:{type:'Point',coordinates:[116.342609,39.948021]},
62.  
     
63.  
        spherical:true,
64.  
     
65.  
        minDistance:3000,
66.  
     
67.  
        maxDistance:8000});

MapReduce查询：

操作语法：

1.  
   db.集合名称.mapReduce(
2.  
    
3.  
   function(){emit(key, values)},   map：key是需要聚合的属性，values是操作值的属性
4.  
    
5.  
   function(key, values){return Array.操作(values)},  reduce：操作：sum,avg,min,max,first
6.  
    
7.  
   {query: 条件，
8.  
    
9.  
   out: 存储到新的集合的名称,
10.  
     
11.  
    sort: 条件,
12.  
     
13.  
    limit: number
14.  
     
15.  
    }
16.  
     
17.  
    )

进行查询操作练习：

1.  
   db.educoder.mapReduce(
2.  
    
3.  
                        function(){emit(this.author,this.learning_num);},
4.  
    
5.  
                        function(key,values){return Array.avg(values)},
6.  
    
7.  
                        {
8.  
    
9.  
                        out:"avg_num"
10.  
     
11.  
                         }
12.  
     
13.  
    )

db.avg_num.find()

1.  
   db.educoder.mapReduce(
2.  
    
3.  
                        function(){emit(this.author,this.learning_num);},
4.  
    
5.  
                        function(key,values){return Array.avg(values)},
6.  
    
7.  
                        {
8.  
    
9.  
                        out:"avg_num",
10.  
     
11.  
                         limit:2
12.  
     
13.  
                         }
14.  
     
15.  
    )

db.avg_num.find()

1.  
   db.educoder.mapReduce(
2.  
                  function(){
3.  
   emit(this.author,this.learning_num);
4.  
   },
5.  
                  function(key,values){
6.  
   return Array.avg(values)
7.  
   },
8.  
    
9.  
                        {
10.  
                         query: {author: "李暾"},
11.  
                         out:"avg_num",
12.  
                         }
13.  
    )
14.  
     
15.  
    db.avg_num.find()

这篇好文章是转载于：学新通技术网