NoSQL 与搜索 / 系统课时

理解 B-Tree 索引与前缀规则

理解 B-Tree 索引与前缀规则

复合索引是否有效,关键不在于“查询字段都已经建过索引”,而在于索引键的排列顺序。本课把复合索引看成有序键空间,解释前缀规则、选择性以及扫描范围,并据此判断字段顺序怎样影响查询和写入成本。

学习目标

  • 理解 MongoDB B-Tree 索引如何按复合键顺序组织数据
  • 判断一个查询能否有效利用复合索引的连续前缀
  • 根据过滤、排序与维护成本设计更合理的索引键顺序

复合索引是一组按顺序排列的键

假设建立索引 { tenantId: 1, status: 1, createdAt: -1 }。可以把每个索引项理解为按 (tenantId, status, createdAt) 组成的有序键:MongoDB 首先比较 tenantId,相同时再比较 status,前两项都相同时才按照 createdAt 的降序继续排列。

MongoDB 复合 B-Tree 索引的键顺序与前缀范围

正因为这种排列方式,复合索引天然支持从最左侧开始的前缀。上述索引的完整前缀依次是 {tenantId}、{tenantId,status} 和 {tenantId,status,createdAt}。字段出现在同一个索引里,并不代表任意组合都拥有同样好的定位能力。

前缀决定扫描边界能收得多紧

下面创建一组固定数据和复合索引,再执行一个使用前两个索引键的查询。hint() 只是为了让示例明确使用目标索引;生产环境通常应让查询优化器自行选择计划,除非已经通过执行计划确认需要干预。

js
db.orders.drop();

db.orders.insertMany([
  { _id: 1, tenantId: "t1", status: "NEW",  createdAt: ISODate("2026-08-26T10:00:00Z") },
  { _id: 2, tenantId: "t1", status: "PAID", createdAt: ISODate("2026-08-26T11:00:00Z") },
  { _id: 3, tenantId: "t1", status: "PAID", createdAt: ISODate("2026-08-26T12:00:00Z") },
  { _id: 4, tenantId: "t2", status: "PAID", createdAt: ISODate("2026-08-26T13:00:00Z") },
  { _id: 5, tenantId: "t2", status: "NEW",  createdAt: ISODate("2026-08-26T14:00:00Z") }
]);

db.orders.createIndex(
  { tenantId: 1, status: 1, createdAt: -1 },
  { name: "tenant_status_created" }
);

printjson(
  db.orders
    .find({ tenantId: "t1", status: "PAID" })
    .sort({ createdAt: -1 })
    .hint("tenant_status_created")
    .toArray()
    .map(order => order._id)
);

预期输出:

text
[ 3, 2 ]

查询先锁定 tenantId = t1 的连续区域,再在其中缩小到 status = PAID,而剩余的 createdAt 顺序还能直接服务于排序。过滤与排序方向和索引顺序匹配时,数据库有机会避免额外的内存排序阶段。

缺少最左前缀不等于索引绝对不能用

一个常见误解是:查询 {status: "PAID"} 时,上述索引“完全不可用”。更准确的说法是,它缺少最左侧 tenantId 条件,因此通常无法像完整前缀那样把扫描限制到一个很小的连续键范围。优化器可能仍选择该索引,也可能认为其他索引甚至集合扫描成本更低。

同样,如果查询提供 tenantId 和 createdAt,却跳过中间的 status,tenantId 仍能形成有效前缀,但后面的 createdAt 条件未必能像连续前缀那样充分缩小索引扫描范围。判断效果时不要只看“是否出现 IXSCAN”,还要比较实际扫描量。

可以使用执行统计检查扫描成本。下面的数值会受 MongoDB 版本、数据分布和执行计划影响,因此用 <VALUE> 表示实际环境中的动态结果。

js
const stats = db.orders
  .find({ tenantId: "t1", status: "PAID" })
  .sort({ createdAt: -1 })
  .hint("tenant_status_created")
  .explain("executionStats");

printjson({
  keysExamined: stats.executionStats.totalKeysExamined,
  docsExamined: stats.executionStats.totalDocsExamined,
  returned: stats.executionStats.nReturned
});

预期输出形态:

text
{
  keysExamined: <VALUE>,
  docsExamined: <VALUE>,
  returned: 2
}

实际值可能因 MongoDB 版本和执行引擎不同而变化。重点是同时观察 totalKeysExamined、totalDocsExamined 与 nReturned:如果为了返回很少的数据却扫描大量键或文档,说明索引边界仍然过宽。

字段顺序还要考虑选择性和排序

设计复合索引不能机械地把“选择性最高”的字段永远放第一位。更实用的顺序来自真实查询形状:先考虑长期存在的等值过滤字段,再考虑需要由索引承担的排序,最后处理范围条件,并用 explain("executionStats") 验证实际扫描量。

例如多租户系统几乎每个请求都带 tenantId,把它作为索引前导键通常既能隔离扫描范围,也让同一套索引服务不同租户。若某字段只有极少几个取值,例如布尔值或低基数状态,仅凭它很难大幅缩小候选范围,是否前置应结合其他等值条件和排序一起判断。

索引加速读取也会增加写入成本

每新增一个索引,插入文档时都要新增索引项;索引键发生变化时还需要维护对应的 B-Tree。索引也会占用磁盘与缓存空间。因此目标不是给每种查询组合各建一个索引,而是让少量复合索引覆盖高频查询的公共前缀,并删除长期无价值或高度重复的索引。

判断一个索引设计是否合理时,应同时回答三个问题:高频查询能否利用连续前缀快速缩小扫描范围,排序是否能沿索引顺序完成,以及额外的索引维护成本是否值得。前缀规则只是起点,最终仍要用真实数据和执行统计验证。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

理解 B-Tree 索引与前缀规则

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通