求大佬指导一下创建索引的问题

同问 +1
索引没优化好的话，数据量多了，慢查询动不动就把 CPU 资源占满了，这个真的很头痛

可能我们设置的索引没有起到效果

1. 需要一种观测手段，比如利用 mtools 工具，可以对 MongoDB 的日志进行慢查询日志的分析，然后根据这个分析找到慢的语句，再进行索引的设置

2. 另外，设置好索引后，也还需要使用 explain 来看下查询语句的执行计划，是否可以很好的利用索引

我也是头痛得要死，数据一多，加了索引也慢得很

👍

我有张 150w 的表 加了索引慢的很

抱歉，之前回复的信息有误，也就是关于复合索引，需要遵循左前缀原则
即 查询条件必须从第一个字段开始匹配，然后是第二个字段，以此类推

下面是一个简单的例子，可以动手来验证

-- 创建集合并插入文档
db.users.insertOne({
    "name": "Alice",
    "age": 25,
    "location": "New York"
})

-- 创建一个复合索引 name 和 age
db.users.createIndex({ name: 1, age: 1 })

-- 使用explain来验证，第二个查询语句的执行计划是 COLLSCAN，并没有利用到复合索引
db.users.find({ name: "Alice" }).explain("executionStats")
db.users.find({ age: 25 }).explain("executionStats")

你这个等值查询就能快速查出重复项了 👍。双手支持

再补充一下，一起讨论。
随着大家对 mingdao 云使用程度越来越深入，性能问题多半会成为一个热点问题：如何能够观测数据库的性能（特别是慢查询），如何能够利用相关工具或手段，对索引进行优化设置，等等。

1. S1，等值查询，范围查询，升序查询，降序查询

• S1 字段 等值 查询：可以很好地支持 S1 字段的等值查询。因为 S1 字段是索引的第一个字段，查询将直接使用索引进行快速定位。
• S1 字段 范围 查询：可以支持，但查询效率可能不如 等值查询那么高。
• S1 字段 升序 查询：可以支持 S1 字段的升序查询，但查询效率不如 S1 字段降序查询。
• S1 字段 降序 查询：可以非常好地支持 S1 字段的降序查询。因为索引已经按照"S1 降序 + S2 降序"的顺序建立，可以直接利用这个顺序进行高效的降序查询。

2. S2，等值查询，范围查询，升序查询，降序查询

• S2 字段 等值 查询：可以利用这个索引高效 地执行对 S2 字段的等值查询。
• S2 字段 范围 查询：查询效率 可能不如S2字段的范围查询。因为，联合索引是按照 S1 先降序，然后 S2 再降序，这个时候，S2 的记录排序，可能不是严格的升序或降序，需要额外的排序步骤会增加查询的时间开销。
• S2 字段 升序 查询：查询效率 可能不会太高，同 S2 范围查询，需要进行额外的排序操作。
• S2 字段 降序 查询：查询效率 会略高于S2升序排序。

+10086

同问 +1！！！