MongoDB 之滴滴、摩拜都在用的索引-educoder上面的题目以及笔记

MongoDB 之滴滴、摩拜都在用的索引

plf的小尾巴

2699人浏览 · 2022-04-20 21:55:52

plf的小尾巴 · 2022-04-20 21:55:52 发布

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})

key ：要创建索引的键；
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:

document=([

{_id:1,name: "王小明",age:15,score:90},

{_id:2,name: "周晓晓",age:18,score:86},

{_id:3,name: "王敏",age:20,score:96},

{_id:4,name: "李小亮",age:15,score:74},

{_id:5,name: "张青青",age:21,score:88}

])

db.student.insert(document)

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。

db.person.createIndex( {habbit: 1} )     // 升序创建多key索引

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'})

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

创建多个字段的文本索引

db.collection.createIndex(

  {

     title: 'text',

     tags: 'text'

  }

)

(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：

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-；
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()

删除命令：

db.collection.dropIndex('title_text')

编程测试代码(部分):😊

db.article.insert([

{_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},

{_id:1,title:"我是如何从零开始学习前端的",tags:["HTML","Html5","CSS "],follwers:1570},

{_id:1,title: "20个非常有用的JAVA程序片段",tags:[ "Java ", "编程"],follwers:1920}])

db.article.createIndex({follwers:1,title:1})

db.article.createIndex({tags:-1})

db.article.createIndex({_id:"hashed"})

db.article.createIndex( { title:'text',tags:'text'})

db.article.getIndexes()

第三关：有趣的地理位置

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’ }

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

db.locations.insert({_id:1,name:'长沙站',location:{type:'Point',coordinates:[113.018987,28.201215]}})

db.locations.insert({_id:2,name:'湖南师范大学',location:{type:'Point',coordinates:[112.946045,28.170968]}})

db.locations.insert({_id:3,name:'中南大学',location:{type:'Point',coordinates:[112.932175,28.178291]}})

db.locations.insert({_id:4,name:'湖南女子学院',location:{type:'Point',coordinates:[113.014675,28.121163]}})

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’ })

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；
2dsphere ：几何球体索引，适用于球面几何运算；(一般都是用这个!!!)
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!!!)

db.runCommand({

    geoNear:'locations',

    near:{type:'Point',coordinates:[113.018987,28.201215]},   (一般是location)

    spherical:true, 

    minDistance:1000,

    maxDistance:8000

    })

geoNear ：我们要查询的集合名称；
near ：就是基于那个点进行搜索，这里是我们的搜索点“长沙站”；
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；
minDistance ：搜索的最小距离，这里的单位是米 ；
maxDistance ：搜索的最大距离。

编程测试代码：

db.people.insert({_id:1,name:'A',personloc:{type:'Point',coordinates:[116.403981,39.914935]}});

db.people.insert({_id:2,name:'B',personloc:{type:'Point',coordinates:[116.433733,39.909511]}});

db.people.insert({_id:3,name:'C',personloc:{type:'Point',coordinates:[116.488781,39.949901]}});

db.people.insert({_id:4,name:'D',personloc:{type:'Point',coordinates:[116.342609,39.948021]}});

db.people.insert({_id:5,name:'E',personloc:{type:'Point',coordinates:[116.328236,39.901098]}});

db.people.insert({_id:6,name:'F',personloc:{type:'Point',coordinates:[116.385728,39.871645]}});

db.people.createIndex({personloc:'2dsphere'});

db.runCommand({

    geoNear:'people',

    near:{type:'Point',coordinates:[116.403981,39.914935]},

    spherical:true,

    minDistance:100,

    maxDistance:3000

});

db.runCommand({

    geoNear:'people',

    near:{type:'Point',coordinates:[116.433733,39.909511]},

    spherical:true,

    minDistance:100,

    maxDistance:5000

});

db.runCommand({

    geoNear:'people',

    near:{type:'Point',coordinates:[116.488781,39.949901]},

    spherical:true,

    minDistance:3000,

    maxDistance:8000

});

db.runCommand({

    geoNear:'people',

    near:{type:'Point',coordinates:[116.342609,39.948021]},

    spherical:true,

    minDistance:3000,

    maxDistance:8000});

MapReduce查询：

操作语法：

db.集合名称.mapReduce(

function(){emit(key, values)},   map：key是需要聚合的属性，values是操作值的属性

function(key, values){return Array.操作(values)},  reduce：操作：sum,avg,min,max,first

{query: 条件，

out: 存储到新的集合的名称,

sort: 条件,

limit: number

}

)

进行查询操作练习：

db.educoder.mapReduce(

                     function(){emit(this.author,this.learning_num);},

                     function(key,values){return Array.avg(values)},

                     {

                     out:"avg_num"

                     }

)

db.avg_num.find()

db.educoder.mapReduce(

                     function(){emit(this.author,this.learning_num);},

                     function(key,values){return Array.avg(values)},

                     {

                     out:"avg_num",

                     limit:2

                     }

)

db.avg_num.find()

db.educoder.mapReduce(
               function(){
               emit(this.author,this.learning_num);
                        },
               function(key,values){
               return Array.avg(values)
                        },

                     {
                     query: {author: "李暾"},
                     out:"avg_num",
                     }
)

db.avg_num.find()