Selain index single-field dasar, MongoDB menawarkan strategi indexing lanjutan — compound index ordering (ESR rule), covered queries, partial/sparse indexes, TTL indexes, dan lainnya — yang secara dramatis mempengaruhi performa query. Menguasainya adalah kunci untuk mengoptimalkan MongoDB dalam skala besar.
For a compound index supporting a query with Equality, Sort, and Range conditions,
order the fields: EQUALITY → SORT → RANGE (the ESR rule).
// query: status = "active" (equality), sort by date (sort), age > 21 (range)
db.users.createIndex({ status: 1, date: 1, age: 1 }); // E, S, R order
db.users.find({ status: "active", age: { $gt: 21 } }).sort({ date: 1 });
// → the index serves equality match, sorted output, and range scan efficiently
ESR rule (Equality, Sort, Range field order) membangun compound indexes yang melayani filter query, sort, dan range parts secara efisien — teknik optimasi kunci.
// if a query's filter AND returned fields are ALL in the index, no document fetch needed
db.users.createIndex({ email: 1, name: 1 });
db.users.find({ email: "[email protected]" }, { name: 1, _id: 0 }); // COVERED
// → answered entirely from the index (very fast — never touches the documents)
Sebuah covered query (semua field filter dan projected dalam index) dijawab sepenuhnya dari index — sangat cepat, tidak pernah membaca documents.
PARTIAL → index only documents matching a filter (smaller, targeted)
createIndex({ email: 1 }, { partialFilterExpression: { active: true } })
SPARSE → index only documents that HAVE the field (skip missing)
TTL → auto-delete documents after a time (sessions, logs, temp data)
createIndex({ createdAt: 1 }, { expireAfterSeconds: 3600 })
UNIQUE → enforce uniqueness (can combine with partial)
MULTIKEY → automatic for array fields (indexes each element)
WILDCARD → index unknown/arbitrary field names ({ "$**": 1 })
HASHED → for hashed sharding / even distribution
✓ explain("executionStats") → verify index use (IXSCAN), check docs examined vs returned
✓ $indexStats → find UNUSED indexes (remove them — they slow writes for no benefit)
✓ Atlas Performance Advisor → suggests indexes based on actual query patterns
✓ Balance: enough indexes for reads, not so many that writes suffer
Strategi indexing lanjutan adalah pengetahuan tingkat senior yang berharga untuk mengoptimalkan performa MongoDB dalam skala besar, membangun dasar indexing dasar.
Sementara index dasar membantu, menguasai strategi lanjutan adalah yang membedakan performa MongoDB yang memadai dari yang excellent.
ESR rule (mengurutkan compound index fields sebagai Equality, Sort, Range) adalah teknik kunci untuk membangun compound indexes yang secara efisien melayani filter query, sort, dan range conditions bersama-sama — optimasi yang sering diterapkan namun tidak obvious tanpa mengetahui rule ini. Covered queries (di mana semua filter dan returned fields berada dalam index, sehingga query dijawab dari index saja tanpa membaca documents) memberikan speedup dramatis untuk read-heavy queries — teknik yang powerful.
Mengetahui tipe-tipe index khusus — partial (indexing hanya documents yang cocok, lebih kecil dan targeted), sparse (hanya documents dengan field tersebut), TTL (auto-expiring data, ideal untuk sessions/logs/temp data), wildcard (untuk nama field yang tidak diketahui), multikey (automatic untuk arrays), dan unique — memungkinkan Anda memilih index yang tepat untuk setiap skenario, mengoptimalkan storage dan write cost sambil melayani queries.
Disiplin analisis dan pemeliharaan (menggunakan explain() untuk memverifikasi penggunaan dan efisiensi index, $indexStats untuk menemukan dan menghapus unused indexes yang secara tidak perlu memperlambat writes, dan tools seperti Atlas Performance Advisor) sangat penting untuk menjaga indexing tetap efektif seiring waktu.
Karena indexing adalah leverage performance MongoDB yang paling impactful, dan karena strategi lanjutan (ESR compound ordering, covered queries, tipe-tipe index khusus, dan pemeliharaan) adalah yang mengoptimalkannya dalam skala besar, memahami strategi indexing lanjutan adalah pengetahuan tingkat senior yang berharga untuk high-performance MongoDB, topik yang menunjukkan expertise optimasi yang dalam yang diharapkan untuk senior roles dan salah satu di mana teknik seperti ESR rule dan covered queries memberikan performance gains yang signifikan dan praktis.