MongoDB索引

1.建立索引

--單索引

> db.test.ensureIndex({"username":1})

複合索引

--數字1表示username鍵的索引按升序存儲，-1表示age鍵的索引按照降序方式存儲。

>db.test.ensureIndex({"username":1, "age":-1})   

 爲索引建立名字

> db.test.ensureIndex({"username":1},{"name":"testindex"})    

爲內嵌文檔創建索引值

>db.test.ensureIndex({"comments.date":1})

2.建立惟一性索引

> db.test.ensureIndex({"userid":1},{"unique":true})

--建立惟一索引，並消除重複數據。

> db.test.ensureIndex({"userid":1},{"unique":true,"dropDups":true})    

3.刪除索引

> db.test.dropIndex({"userid":1}) 

4. 使用explain查看執行是否使用索引等

    explain是很是有用的工具，會幫助你得到查詢方面諸多有用的信息。只要對遊標調用該方法，就能夠獲得查詢細節。explain會返回一個文檔，而不是遊標自己。如：
    > db.test.find().explain("executionStats")

   explain會返回查詢使用的索引狀況，耗時和掃描文檔數的統計信息。
 

 

5. 全文索引

最初的文本搜索只是一種試驗性功能，但從 2.6 版本起就成爲默認功能了。但若是使用的是以前的 MongoDB，則須要使用下列代碼啓用文本搜索：

>db.adminCommand({setParameter:true,textSearchEnabled:true})

假設在 posts 集合中的下列文檔中含有帖子文本及其標籤。

{
"post_text": "enjoy the mongodb articles on tutorialspoint",
"tags": [
"mongodb",
"tutorialspoint"
]
}

咱們將在 post_text 字段上建立文本索引，以便搜索帖子文本以內的內容。

>db.posts.ensureIndex({post_text:"text"})

如今咱們已經在 post_text 字段上建立了文本索引，接下來搜索包含 tutorialspoint 文本內容的帖子。

>db.posts.find({$text:{$search:"tutorialspoint"}})

在返回的結果文檔中，果真包含了具備 tutorialspoint 文本的帖子文本。

{
"_id" : ObjectId("53493d14d852429c10000002"),
"post_text" : "enjoy the mongodb articles on tutorialspoint",
"tags" : [ "mongodb", "tutorialspoint" ]
}
{
"_id" : ObjectId("53493d1fd852429c10000003"),
"post_text" : "writing tutorials on mongodb",
"tags" : [ "mongodb", "tutorial" ]
}

若是用的是舊版本的 MongoDB，則需使用下列代碼：
>db.posts.runCommand("text",{search:" tutorialspoint "})
總之，與普通搜索相比，使用文本搜索可極大地改善搜索效率。

spring-data-mongodb使用方法
http://spring.io/blog/2014/07/17/text-search-your-documents-with-spring-data-mongodb

6. 地理空間索引        

    MongoDB的地理位置查詢

    MongoDB地理位置索引經常使用的有兩種。

• 2d 平面座標索引，適用於基於平面的座標計算。也支持球面距離計算，不過官方推薦使用2dsphere索引。
• 2dsphere 幾何球體索引，適用於球面幾何運算

   　創建索引：

> db.places.ensureIndex({'coordinate':'2d'})
> db.places.ensureIndex({'coordinate':'2dsphere'})

 　  查詢方式:

      而查詢座標參數則分兩種：

      1.座標對（經緯度）根據查詢命令的不一樣，$maxDistance距離單位多是 弧度 和 平面單位（經緯度的「度」）：

db.<collection>.find( { <location field> :
                   { $nearSphere: [ <x> , <y> ] ,
                     $maxDistance: <distance in radians>
                } } )

       2.GeoJson $maxDistance距離單位默認爲米：

db.<collection>.find( { <location field> :
                   { $nearSphere :
                     { $geometry :
                        { type : "Point" ,
                          coordinates : [ <longitude> , <latitude> ] } ,
                       $maxDistance : <distance in meters>
             } } } )

案例使用：

查詢附近的人：

               查詢當前座標附近的目標，由近到遠排列。

　　　　能夠經過$near或$nearSphere，這兩個方法相似，但默認狀況下所用到的索引和距離單位不一樣。

  查詢方式：

> db.places.find({'coordinate':{$near: [121.4905, 31.2646]}})
> db.places.find({'coordinate':{$nearSphere: [121.4905, 31.2646]}})

  查詢結果：

{ 
    "_id" : 115, 
    "coordinate" : { 
        "longitude" : 121.4915, 
        "latitude" : 31.25933 
    }, 
    "title" : "僅售148元，市場價298元的星程上服假日酒店全日房一間入住一天，
節假日通用，精緻生活，品質享受", 
    "address" : "虹口區天水路90號" 
}
// …(100條)

    上述查詢座標[121.4905, 31.2646]附近的100個點，從最近到最遠排序。

    默認返回100條數據，也能夠用limit()指定結果數量，如：

db.places.find({'coordinate':{$near: [121.4905, 31.2646]}}).limit(2)

     指定最大距離 $maxDistance

> db.places.find({'coordinate':{$near: [121.4905, 31.2646], $maxDistance:2}})

 區域內搜索： 

MongoDB中的範圍搜索（Inclusion）主要用$geoWithin這個命令，它又細分爲3種不一樣類型，以下：

1. $box 矩形
2. $center 圓（平面），$centerSphere圓（球面）$center和$centerSphere在小範圍內的應用幾乎沒差異（除非這個圓半徑幾百上千千米）。
3. $polygon 多邊形

  (Ａ) 矩形查詢：

> db.places.find( 
    { 
        coordinate : { 
            $geoWithin : { 
                $box :[ [ 121.44, 31.25 ] , [ 121.5005, 31.2846 ] ] 
            } 
        } 
    } 
)

 

 (B) 圓形查詢   

    應用場景有：地圖搜索租房信息

    查詢以某座標爲圓心，指定半徑的圓內的數據。

    前面已提到，圓形區域搜索分爲$center和$centerSphere這兩種類型，它們的區別主要在於支持的索引和默認距離單位不一樣。2d索引能同時支持$center和$centerSphere，2dsphere索引支持$centerSphere。關於距離單位，$center默認是度，$centerSphere默認距離是弧度。

> db.places.find({'coordinate':{$geoWithin:{$centerSphere:[ [121.4905, 31.2646] ,
0.6/111] }}})

 

db.places.find({'coordinate':{$geoWithin:{$centerSphere:[ [121.4905, 31.2646] ,
0.6/6371] }}})

查詢結果：　　

{ 
    "_id" : 115, 
    "coordinate" : { 
        "longitude" : 121.4915, 
        "latitude" : 31.25933 
    }, 
    "title" : "僅售148元，市場價298元的星程上服假日酒店全日房一間入住一天，節假日通用，
精緻生活，品質享受", 
    "address" : "虹口區天水路90號" 
}
...

 

 (C) 多邊形查詢

  複雜區域內的查詢，這個應用場景比較少見。指定至少3個座標點，查詢方式以下（五邊形）：

> db.places.find( { coordinate : { $geoWithin : { $polygon : [ 
    [121.45183 , 31.243816] ,
    [121.533181, 31.24344] ,
    [121.535049, 31.208983] ,
    [121.448955, 31.214913] ,
    [121.440619, 31.228748]
] } } } )

 

附近的餐廳：

　　假設須要以當前座標爲原點，查詢附近指定範圍內的餐廳，並直接顯示距離。

　　這個需求用前面提到的$near是能夠實現的，可是距離須要二次計算。這裏咱們用$geoNear這個命令查詢。

　　$geoNear與$near功能相似，但提供更多功能和返回更多信息，官方文檔是這麼解釋的

　　$near方法查詢後會對結果集對距離進行排序,而$geoWithin是無序的

> db.runCommand( { geoNear: "places", near: [ 121.4905, 31.2646 ], spherical: true,
 maxDistance:1/6371, num:2 })
{
    "ns" : "mongo_test.places",
    "near" : "1110001100111100001011010110010111001000110011111101",
    "results" : [
        {
            "dis" : 0.00009318095248858048,
            "obj" : {
                "_id" : 115,
                "coordinate" : {
                    "longitude" : 121.4915,
                    "latitude" : 31.25933
                },
                "title" : "僅售148元，市場價298元的星程上服假日酒店全日房一間入住一天，
節假日通用，精緻生活，品質享受",
                "address" : "虹口區天水路90號"
            }
        },
        {
            "dis" : 0.00010610660597329082,
            "obj" : {
                "_id" : 465,
                "coordinate" : {
                    "longitude" : 121.48406,
                    "latitude" : 31.26202
                },
                "title" : "【四川北路】熱烈慶祝康駿會館成立8週年！僅售169元！市場價399元的
康駿會館四川北路一店（僅限3星級技師）全身精油按摩一人次！全程約90分鐘！
男女不限！僅限四川北路一店使用，非本市全部門店通用！拉手券消費僅限每日19:00前！
健康有道，駿越萬里！",
                "address" : "虹口區四川北路1896號-1904號201室"
            }
        }
    ],
    "stats" : {
        "time" : 0,
        "btreelocs" : 0,
        "nscanned" : 18,
        "objectsLoaded" : 12,
        "avgDistance" : 0.00009964377923093564,
        "maxDistance" : 0.0001064199324957278
    },
    "ok" : 1
}