网站优化排名哪家好提升学历的学校
学习mongodb，体会mongodb的每一个使用细节，欢迎阅读威赞的文章。这是威赞发布的第93篇mongodb技术文章，欢迎浏览本专栏威赞发布的其他文章。如果您认为我的文章对您有帮助或者解决您的问题，欢迎在文章下面点个赞，或者关注威赞。谢谢。
Mongodb为提高数组的查询效率，针对数组构建了多键索引。而Mongodb在应用多键数组查询时，也通过构建，减少数组查询的数值范围，来提高查询性能。本文结合Mongodb官方文档，阐述Mongodb在使用多键索引时的边界优化。
概述
索引边界定义了索引值的区间段。Mongodb在查询时，用这个区间段来查询索引中的数据。当用户针对索引字段指定多个查询条件时，mongdb尝试合并这些查询条件的区间范围来计算出更小的范围区间，来获得更快的查询速度并减少资源利用。
使用多键索引的边界交集来查询
边界交集代表多个边界相互重合的点。如有两个区间[3, 无穷大]和[无穷小，6]，这两个区间的交集就是[3,6]。Mongodb将这种求交集的方式，应用到数据查询当中。有一个构建了索引的数组字段，当使用$elemMatch指定多个查询条件查询数据时，Mongodb会将查询条件合并。下边的例子，说明了这种查询优化方法。
构建结合students并插入数据
db.students.insertMany([{_id: 1, name: 'Shawn', grades: [70,85]},{_id: 2, name: 'Elena', grades: [92, 84]}
])为数组创建多键索引
db.students.createIndex({grades: 1})构建查询语句
db.students.find( { grades: { $elemMatch: { $gte: 90, $lte:99 } } } )这个语句中，只要数组中任何一个数据符合大于等于90，小于等于99的数据。
单独分析每个查询条件，第一个边界是[90，无穷大]，第二个边界是[无穷小，99]，在使用$elemMatch时，mongodb先计算两个边界的交集[90,99]
当不使用$elemMatch时，Mongodb不会先计算边界的交集。
db.students.find( { grades: { $gte: 90, $lte:99 } } )该查询会查询出满足下面两个条件的文档
- 数组grades中至少有一个元素大于等于90
- 数组grades中至少有一个元素小于等于99
因为没有使用$elemMatch, Mongodb不会计算边界的交集。而是使用两个边界中的任何一个来查找，不能保证使用哪一个条件。
从解释计划当中也能看出来两者查询数据范围的不同
db.students.find( { grades: { $elemMatch: { $gte: 90, $lte:99 } } } ).explain()db.students.find( { grades: { $gte: 90, $lte:99 } } ).explain()下面两张图片中，左边使用了$elemMatch, 右侧没有使用
复合多键索引边界混合
复合边界集合了复合多键索引中的边界。使用复合多键索引的多个字段边界值，能够减少查询时间。Mongodb不需要单独计算每个边界的查询结果。如符合索引{temperature: 1, humidity: 1}有下面的两个边界
- 温度[80, 无穷大]
- 湿度[无穷小，20]
则计算出来的复合边界就是
{ temperature: [80, 无穷大]， humidity: [无穷小，20]}如果mongodb不能将这两个边界混合，mongodb只能够使用前面的字段索引来查询数据。在这个例子中，前面的字段是temperature。下面的应用，详细描述了mongodb在复合多键索引中的边界混合。
非数组字段和数组字段的边界混合
这个例子展示了mongodb通过混合边界来定义更高效的查询约束提高性能
构建survey集合并插入数据
db.survey.insertMany([{ _id: 1, item: "abc", ratings: [ 2, 5, 8 ] },{ _id: 2, item: "xyz", ratings: [ 5, 8 ] }
])创建复合多键索引
db.survey.createIndex({item: 1, ratings: 1})构建查询语句
db.survey.find({item: "abc", ratings: { $gte: 3}})直接看执行计划，会更清楚一些
该查询使用字段item和数组字段rating进行查找。单独来看么一个查询条件
item字段值是“abc”， mongodb在执行时，转换为边界["abc", "abc"]
rating边界是{$gte: 3},转换为[3,无穷大]
mongodb将两个边界组合进行查询
非数组字段和多个数组字段的边界混合
下面的例子展现了mongodb怎样将非数组字段和多个数组字段的边界混合
构建集合survey2并插入数据
db.survey2.insertMany([{ _id: 1, item: "abc", ratings: [ { score: 2, by: "mn"}, { score: 9, by: "anon"}] },{ _id: 2, item: "xyz", ratings: [ { score: 5, by: "anon"}, { score: 7, by: "wv"}] }
])为集合添加符合多键索引
db.survey2.createIndex({item: 1, "ratings.score": 1, "ratings.by": 1})构建查询语句
db.surver2.find({item: "xyz", "ratings.score": { $lte: 5}, "ratings.by": "anon"})单独看每个查询条件
- item字段的边界 item: "xyz", 转换为[["xyz", "xyz"]]
- score的边界是{$lte:5},转换为[无穷小， 5]，
- by的边界是 by: "anon",转换为["anon", "anon"]
Mongodb 将item的边界和ratings.score或ratings.by当中的一个边界混合，取决于查询操作符和索引值。当mongodb不能确认使用哪个边界来进行混合。执行计划也无法确定使用哪个索引来进行查询。
为了保证mongodb能够将文档数组中的边界混合，必须使用$elemMatch操作符
混合相同数组中多个字段的边界
为了能够混合相同数组中多个字段的索引边界，必须满足下面两个条件
- 除了字段名称以外，索引键必须在相同的路径上
- 查询语句必须使用$elemMatch查询相同路径上的值
在嵌入式文档数组中，使用点操作符的字段名称，如“a.b.c.d”, 就是字段d的字段路径。为了能够混合相同数组中的多个边界，$elemMatch必须在这个路径上，并且不包含字段本身。如“a.b.c”
在前面创建的集合survey2中添加索引
db.surver2.createIndex({"ratings.score": 1, "ratings.by": 1})构建查询语句， 使用$elemMatch操作符查询ratings字段，查询出满足两个条件的数据。
db.surver2.find({ratings: {$elemMatch: {score: {$lte: 5}, by: "anon"}}})看查询计划，能够看到mongodb混合了两个边界为一个边界
