建设银行网站银行登录没有备案的网站会怎么样

MongoDB索引

官方文档
https://docs.mongodb.com/manual/indexes/#create-an-index

默认索引 _id index

Mongodb 在 collection 创建时会默认建立一个基于_id 的唯一性索引作为 document 的 primarykey，这个 index 无法被删除

单个字段索引

单字段索引是 Mongodb 最简单的索引类型，不同于 MySQL，MongoDB 的索引是有顺序的，支持升序或者降序。
B树组织

但是对于单字段索引来说，索引的顺序无关紧要，因为 MongoDB 支持任意顺序遍历单字段索引。

在此创建一个 records collection：

{"_id": ObjectId("570c04a4ad233577f97dc459"),"score": 1034,"location": { state: "NY", city: "New York" }
}

然后创建一个 单字段索引：
db.records.createIndex({ score: 1 } )
上面的语句在 collection 的 score field 上创建了一个 升序索引，这个索引支持以下查询：
db.records.find( { score: 2 } )
db.records.find( { score: { $gt: 10 } } )
可以使用 MongoDB 的 explain 来对以上两个查询进行分析：
db.records.find({score:2}).explain('executionStats')
db.records.find({"location.state":"NY"}).explain('executionStats')

嵌套字段的单索引

db.records.createIndex( { "location.state": 1 } )
上面的 embedded index 支持以下查询：
db.records.find( { "location.state": "CA" } )
db.records.find( { "location.city": "Albany", "location.state": "NY" } )

单索引排序

因为索引是排序的，所以可以支持对索引字段的排序（快速）
对于单索引来说，由于 MongoDB index 本身支持顺序查找，所以对于单索引来说以下都是可以使用到索引的

db.records.find().sort( { score: 1 } )
db.records.find().sort( { score: -1 } )
db.records.find({score:{$lte:100}}).sort( { score: -1 } )

复合索引

Mongodb 支持对多个字段建立索引，称之为复合索引。复合索引 中 field 的顺序对索引的性能有至关重要的影响，比如索引 {userid:1, score:-1}首先根据 userid 排序，然后再在每个userid 中根据 score降序排序。

创建复合索引
在此创建一个 products collection：

db.products.insert({"item": "Banana","category": ["food", "produce", "grocery"],"location": "4th Street Store","stock": 4,"type": "cases"
})

然后创建一个 复合索引：
db.products.createIndex( { "item": 1, "stock": 1 } )
这个 index 引用的 document 首先会根据 item 排序，然后在 每个 item 中，又会根据 stock
排序，以下语句都满足该索引：
db.products.find( { item: "Banana" } )
db.products.find( { item: "Banana", stock: { $gt: 5 } } )
条件 {item: “Banana”} 满足是因为这个 query 满足 prefix 原则

最左匹配原则

和MySQL索引最左匹配类似，都是由于底层数据结构组织的原因，MongoDB是B树组织索引，MySQL是B+树组织索引。对于复合索引来说，就需要满足最左匹配的原则Index prefix 是指 index fields 的左前缀子集，考虑以下索引：
{ "item": 1, "location": 1, "stock": 1 }
这个索引包含以下 index prefix：

{ item: 1 }
{ item: 1, location: 1 }
{ "item": 1, "location": 1, "stock": 1 }

所以只要语句满足 index prefix 原则都是可以支持使用 复合索引 的：

db.products.find( { item: "Banana" } )
db.products.find( { item: "Banana",location:"4th Street Store"} )
db.products.find( { item: "Banana",location:"4th Street Store",stock:4})

相反如果不满足 index prefix 则无法使用索引。

db.products.find( { location:"4th Street Store",stock:4} )

排序使用复合索引

sort 的顺序必须要和创建索引的顺序是一致的，一致的意思是不一定非要一样
即排序的顺序必须要和索引一致，逆序之后一致也可以，下表清晰的列出了 复合索引 满足的
query 语句：

考虑索引 { a: 1, b: 1, c: 1, d: 1 }，即使排序的 field 不满足 index prefix 也是可以的，
但前提条件是排序 field 之前的 index field 必须是等值条件。在前面的field是等值条件情况下，B树索引构建时，在前置filed相同时，会根据后面的field排序构建，所以这种情况的排序是可以使用索引查找到对应数据的。

r1 db.data.find( { a: 5 } ).sort( { b: 1, c: 1 } ) { a: 1 , b: 1, c: 1 }
r2 db.data.find( { b: 3, a: 4 } ).sort( { c: 1 } ) { a: 1, b: 1, c: 1 }
r3 db.data.find( { a: 5, b: { $lt: 3} } ).sort( { b: 1 } ) { a: 1, b: 1 }

field顺序对索引的影响

对索引构建是没太大影响，但是对于需要扫描的文档，顺序的不同可能差别就很大了。个人理解是对基数大（数据重复度低）的字段排在前面。优先考虑能够最大化限制数据范围的索引顺序。

慢查询监控

对于查询的优化，我们可以开启慢查询监控：
MongoDB 支持对 DB 的请求进行 profiling，目前支持 3 种级别的 profiling。

• 0： 不开启 profiling
• 1： 将处理时间超过某个阈值(默认 100ms)的请求都记录到 DB 下的 system.profile 集合 （类似于 mysql、redis 的 slowlog）
• 2： 将所有的请求都记录到 DB 下的 system.profile 集合（生产环境慎用）

通常，生产环境建议使用 1 级别的 profiling，并根据自身需求配置合理的阈值，用于监测慢请求的情况，并及时的做索引优化。
如果能在集合创建的时候就能『根据业务查询需求决定应该创建哪些索引』，当然是最佳的选择；但由于业务需求多变，要根据实际情况不断的进行优化。索引并不是越多越好，集合的索引太多，会影响写入、更新的性能，每次写入都需要更新所有索引的数据；所以你 system.profile 里的慢请求可能是索引建立的不够导致，也可能是索引过多导致。

创建删除索引

参考文章开头链接就好，很简单的。