对于一个作为计数器的字段，即值会随着时间的推移而变化，将用于返回有序的实体(将针对过滤后的实体根据该字段进行排序)，我们是否应该为该字段建立索引？

最佳答案

这还不是很清楚，但我认为问题是在频繁更新的字段上创建索引的缺点是否会超过对该字段进行快速查询和排序的好处。您还暗示您的查询将在不同的字段上进行过滤，然后您希望在该字段上进行排序。请随意详细说明您的确切用例。

我想你想要的是这样的:

db.test.save({filter: "stuff", count: "1"});
db.test.save({filter: "stuff", count: "3"});
db.test.save({filter: "stuff", count: "2"});
db.test.save({filter: "notstuff", count: "2"});
db.test.save({filter: "notstuff", count: "2"});

然后是这样的索引:

db.test.ensureIndex({filter:1, count:1});

然后是这样的查询:

db.test.find({filter:"stuff"}).sort({count:1});
{ "_id" : ObjectId("4f24353eef88b8b53a20fdf5"), "filter" : "stuff", "count" : "1" }
{ "_id" : ObjectId("4f24353eef88b8b53a20fdf7"), "filter" : "stuff", "count" : "2" }
{ "_id" : ObjectId("4f24353eef88b8b53a20fdf6"), "filter" : "stuff", "count" : "3" }

其中使用了 btree:

db.test.find({filter:"stuff"}).sort({count:1}).explain();
{
"cursor" : "BtreeCursor filter_1_count_1",
"nscanned" : 3,
"nscannedObjects" : 3,
...

现在，这实际上可能取决于您需要返回多少结果。如果只有几个结果，您可能可以在没有索引的情况下对字段进行排序，这将提高更新性能。我想我真的会做一些测试，因为我很好奇。我会稍后更新。

更新 我编写此基准测试是为了显示按索引排序与不按索引排序与更新索引计数字段与不更新之间的区别。完整代码在这里:https://gist.github.com/1696041

它插入 700K 和 7M 文档(以获得一些多样性)，分为 7 个“过滤器”。然后它随机选择一个文档来增加 1M 次的计数。每个过滤器 100 万个文档太大，无法无限制地排序，因此展示该部分如何工作的唯一方法是设置一个限制。

结论和预想的一样。当上面有索引时，更新计数字段需要更长的时间(在这个测试中几乎是原来的两倍——但两倍的时间仍然相当快)。但是查询起来要快得多。您必须决定哪个对您更重要。

输出在这里(在我的带 SSD 的 macbook pro 上运行):

> bench();
benchmarking with index on {filter,data}, 700K docs  
initialInsert of 700000 done in: 58304ms, 0.08329142857142857ms per insert
updateCounts 1000000 times done in: 103915ms, 0.103915ms per update
explain find({filter:"abcd"}).sort({count:-1}): 
   cursor: BtreeCursor filter_1_data_1
   nscanned: 100000
   scanAndOrder: true
   millis: 1235
explain find({filter:"abcd"}).limit(100).sort({count:-1}): 
   cursor: BtreeCursor filter_1_data_1
   nscanned: 100000
   scanAndOrder: true
   millis: 614
benchmarking with index on {filter,data} and {filter, count}, 700k docs
initialInsert of 700000 done in: 72108ms, 0.10301142857142857ms per insert
updateCounts 1000000 times done in: 202778ms, 0.202778ms per update
explain find({filter:"abcd"}).sort({count:-1}): 
   cursor: BtreeCursor filter_1_count_-1
   nscanned: 100000
   scanAndOrder: undefined
   millis: 139
explain find({filter:"abcd"}).limit(100).sort({count:-1}): 
   cursor: BtreeCursor filter_1_count_-1
   nscanned: 100
   scanAndOrder: undefined
   millis: 0
benchmarking with index on {filter,data}, 7M docs
initialInsert of 7000000 done in: 616701ms, 0.08810014285714286ms per insert
updateCounts 1000000 times done in: 134655ms, 0.134655ms per update
explain find({filter:"abcd"}).sort({count:-1}): 
***too big to sort without limit!***
explain find({filter:"abcd"}).limit(100).sort({count:-1}): 
   cursor: BtreeCursor filter_1_data_1
   nscanned: 1000000
   scanAndOrder: true
   millis: 6396
benchmarking with index on {filter,data} and {filter, count}, 7M docs
initialInsert of 7000000 done in: 891556ms, 0.12736514285714284ms per insert
updateCounts 1000000 times done in: 280885ms, 0.280885ms per update
explain find({filter:"abcd"}).sort({count:-1}): 
   cursor: BtreeCursor filter_1_count_-1
   nscanned: 1000000
   scanAndOrder: undefined
   millis: 1337
explain find({filter:"abcd"}).limit(100).sort({count:-1}): 
   cursor: BtreeCursor filter_1_count_-1
   nscanned: 100
   scanAndOrder: undefined
   millis: 0

关于mongodb - 针对计数器字段构建索引，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9047128/