mongo 字段添加索引 不同类型
在 MongoDB 中，索引是用于加速查询操作的重要工具。你可以为不同字段添加不同类型的索引，以满足各种查询需求。以下是一些常见的索引类型及其用法：
### 1. 单字段索引（Single Field Index）
为单个字段创建索引。最常见的类型。
python
为字段 ‘username’ 创建单字段索引
db.collection.create_index([(‘username’, 1)])
### 2. 复合索引（Compound Index）
为多个字段组合创建索引。当查询中涉及多个字段时，复合索引非常有用。
python
为字段 ‘last_name’ 和 ‘first_name’ 创建复合索引
db.collection.create_index([(‘last_name’, 1), (‘first_name’, 1)])
### 3. 哈希索引（Hashed Index）
为字段创建哈希索引。适用于等值查询。
python
为字段 ‘user_id’ 创建哈希索引
db.collection.create_index([(‘user_id’, ‘hashed’)])
### 4. 地理空间索引（Geospatial Index）
为地理位置数据创建索引。适用于地理位置查询。
#### 2D 索引
python
为字段 ‘location’ 创建 2D 地理空间索引
db.collection.create_index([(‘location’, ‘2d’)])
#### 2D Sphere 索引
python
为字段 ‘location’ 创建 2D Sphere 地理空间索引
db.collection.create_index([(‘location’, ‘2dsphere’)])
### 5. 文字索引（Text Index）
为文本字段创建全文索引。适用于全文搜索。
python
为字段 ‘description’ 创建文字索引
db.collection.create_index([(‘description’, ‘text’)])
### 6. 唯一索引（Unique Index）
确保字段的值在集合中是唯一的。
python
为字段 ’email’ 创建唯一索引
db.collection.create_index([(’email’, 1)], unique=True)
### 7. 部分索引（Partial Index）
只为符合指定条件的文档创建索引。
python
为字段 ‘status’ 为 ‘active’ 的文档创建索引
db.collection.create_index([(‘status’, 1)], partialFilterExpression={‘status’: ‘active’})
### 8. 过期索引（TTL Index）
用于自动删除过期的文档。通常用于存储带有生命周期的临时数据。
python
为字段 ‘createdAt’ 创建 TTL 索引，文档在插入后3600秒自动删除
db.collection.create_index([(‘createdAt’, 1)], expireAfterSeconds=3600)
### 示例代码
假设你有一个集合 `users`，下面是一些添加不同类型索引的示例代码：
python
from pymongo import MongoClient
连接到 MongoDB
client = MongoClient(‘mongodb://localhost:27017/’)
db = client[‘your_database’]
单字段索引
db.users.create_index([(‘username’, 1)])
复合索引
db.users.create_index([(‘last_name’, 1), (‘first_name’, 1)])
哈希索引
db.users.create_index([(‘user_id’, ‘hashed’)])
2D 地理空间索引
db.users.create_index([(‘location’, ‘2d’)])
2D Sphere 地理空间索引
db.users.create_index([(‘location’, ‘2dsphere’)])
文字索引
db.users.create_index([(‘description’, ‘text’)])
唯一索引
db.users.create_index([(’email’, 1)], unique=True)
部分索引
db.users.create_index([(‘status’, 1)], partialFilterExpression={‘status’: ‘active’})
TTL 索引
db.users.create_index([(‘createdAt’, 1)], expireAfterSeconds=3600)
这些索引类型可以根据你的应用需求选择合适的类型，来优化 MongoDB 的查询性能。
根据某个字符查询，可以根据具体的查询需求选择合适的索引类型。常见的字符查询场景及其对应的索引类型包括：
1. **精确匹配查询**（Exact Match Query）
2. **前缀查询**（Prefix Query）
3. **全文搜索**（Full-Text Search）
### 1. 精确匹配查询
如果你需要根据某个字段的字符值进行精确匹配查询，使用单字段索引（Single Field Index）是最合适的。
例如，如果你有一个字段 `username`，并且你经常查询特定的用户名：
python
为字段 ‘username’ 创建单字段索引
db.collection.create_index([(‘username’, 1)])
### 2. 前缀查询
如果你需要根据某个字段的前缀字符进行查询，可以使用单字段索引（Single Field Index）。MongoDB 的索引支持前缀查询。
例如，如果你有一个字段 `email`，并且你经常查询以特定前缀开头的邮箱地址：
python
为字段 ’email’ 创建单字段索引
db.collection.create_index([(’email’, 1)])
然后可以使用正则表达式进行前缀查询：
python
查询以 ‘john’ 开头的邮箱地址
db.collection.find({’email’: {‘$regex’: ‘^john’}})
### 3. 全文搜索
如果你需要在一个或多个字段中进行全文搜索，可以使用文字索引（Text Index）。
例如，如果你有一个字段 `description`，并且你需要进行全文搜索：
python
为字段 ‘description’ 创建文字索引
db.collection.create_index([(‘description’, ‘text’)])
然后可以使用 `$text` 运算符进行全文搜索：
python
全文搜索包含 ‘mongodb’ 的文档
db.collection.find({‘$text’: {‘$search’: ‘mongodb’}})
### 示例代码
假设你有一个集合 `products`，其中包含字段 `name` 和 `description`。下面是添加不同类型索引的示例代码：
python
from pymongo import MongoClient
连接到 MongoDB
client = MongoClient(‘mongodb://localhost:27017/’)
db = client[‘your_database’]
为 ‘name’ 字段创建单字段索引（精确匹配或前缀查询）
db.products.create_index([(‘name’, 1)])
为 ‘description’ 字段创建文字索引（全文搜索）
db.products.create_index([(‘description’, ‘text’)])
查询示例
精确匹配查询 ‘name’ 字段
product = db.products.find_one({‘name’: ‘Sample Product’})
前缀查询 ‘name’ 字段
products_with_prefix = db.products.find({‘name’: {‘$regex’: ‘^Sam’}})
全文搜索 ‘description’ 字段
search_results = db.products.find({‘$text’: {‘$search’: ‘mongodb’}})
选择适当的索引类型可以显著提高查询性能，根据查询需求选择合适的索引类型是关键。
对于快速精确查找（Exact Match Query），你应该选择单字段索引（Single Field Index），通常是升序（ASC）或降序（DESC）索引。这种索引类型能够快速查找特定字段的精确值，并且是最常用的索引类型之一。
### 创建单字段索引
假设你有一个集合 `users`，并且你需要根据字段 `username` 进行快速精确查找，可以创建单字段索引：
python
from pymongo import MongoClient
连接到 MongoDB
client = MongoClient(‘mongodb://localhost:27017/’)
db = client[‘your_database’]
为字段 ‘username’ 创建升序单字段索引
db.users.create_index([(‘username’, 1)]) 1 表示升序（ASC）
你也可以选择降序索引
db.users.create_index([(‘username’, -1)]) -1 表示降序（DESC）
### 使用示例
创建索引后，你可以使用精确匹配查询来查找用户：
python
精确匹配查询 ‘username’ 字段
user = db.users.find_one({‘username’: ‘john_doe’})
print(user)
### 总结
– **单字段索引**（Single Field Index）是进行快速精确查找的最佳选择。
– 使用升序（ASC）或降序（DESC）索引来创建单字段索引。
– 其他索引类型如 `2d`, `2dSphere`, `GEOHAYSTA`, `HASHED`, 和 `TEXT` 主要用于特定的查询场景（例如地理空间查询、全文搜索等），而不适合用于简单的精确匹配查询。
### 代码示例
完整示例代码如下：
python
from pymongo import MongoClient
连接到 MongoDB
client = MongoClient(‘mongodb://localhost:27017/’)
db = client[‘your_database’]
为字段 ‘username’ 创建升序单字段索引
db.users.create_index([(‘username’, 1)]) 1 表示升序（ASC）
精确匹配查询 ‘username’ 字段
user = db.users.find_one({‘username’: ‘john_doe’})
print(user)
通过使用单字段索引（升序或降序），你可以显著提高精确查找的查询性能。
