MongoDB कोणत्या प्रगत इंडेक्सिंग रणनीती समर्थन करते?

Question

Accepted Answer

मूलभूत एकल-फील्ड इंडेक्सच्या पलीकडे, MongoDB प्रगत इंडेक्सिंग रणनीती प्रदान करते — **कंपाउंड इंडेक्स ऑर्डरिंग (ESR नियम)**, **कव्हर्ड क्वेरीज**, **आंशिक/विरल इंडेक्स**, **TTL इंडेक्स**, आणि आणखी बरेच काही — जे क्वेरी परफॉर्मंस नाटकीयपणे प्रभावित करते. त्यांमध्ये प्रभुत्व मिळवणे MongoDB ला स्केलवर अनुकूल करण्याचा मुख्य गुरुकिल्ली आहे.

## कंपाउंड इंडेक्सचा ESR नियम

```text
For a compound index supporting a query with Equality, Sort, and Range conditions,
order the fields: EQUALITY → SORT → RANGE (the ESR rule).
```

```js
// 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 नियम** (Equality, Sort, Range फील्ड ऑर्डर) कंपाउंड इंडेक्स तयार करते जो क्वेरीचे फिल्टर, सॉर्ट आणि रेंज भाग कुशलतेने सेवा देते — हे एक मुख्य अनुकूलन तंत्र आहे.

## कव्हर्ड क्वेरीज — संपूर्णपणे इंडेक्सवरून सेवा करा

```js
// 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: "ann@x.com" }, { name: 1, _id: 0 });  // COVERED
// → answered entirely from the index (very fast — never touches the documents)
```

**कव्हर्ड क्वेरी** (इंडेक्समधील सर्व फिल्टर आणि प्रोजेक्टेड फील्ड) इंडेक्सच्या एकट्या प्रयत्नांसह उत्तरित होते — अत्यंत वेगवान, कधीही दस्तऐवज वाचत नाहीत.

## विशेषीकृत इंडेक्स प्रकार

```text
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
```

## इंडेक्सचे विश्लेषण आणि देखभाल

```text
✓ 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
```

## हे महत्वाचे का आहे

प्रगत इंडेक्सिंग रणनीती **MongoDB परफॉर्मंस स्केलवर अनुकूल करण्यासाठी** मूल्यवान वरिष्ठ-स्तरीय ज्ञान आहेत, मूलभूत इंडेक्सिंगवर बांधलेले.

मूलभूत इंडेक्स मदत करत असले तरी, प्रगत रणनीतींमध्ये प्रभुत्व हेच अपुरी ते उत्कृष्ट MongoDB परफॉर्मंस वेगळे करते.

**ESR नियम** (कंपाउंड इंडेक्स फील्ड ऑर्डर करणे Equality, Sort, Range म्हणून) हे एक मुख्य तंत्र आहे जे कंपाउंड इंडेक्स तयार करते जो क्वेरीचे फिल्टर, सॉर्ट आणि रेंज परिस्थिती एकत्रितपणे कुशलतेने सेवा देते — हे वारंवार लागू होणारे अनुकूलन आहे जो नियम जाणूंना स्पष्ट नाही. **कव्हर्ड क्वेरीज** (जेथे सर्व फिल्टर आणि परिणत फील्ड इंडेक्समध्ये आहेत, म्हणून क्वेरी दस्तऐवज वाचून इंडेक्सच्या एकट्या प्रयत्नांसह उत्तरित होते) वाचन-भारी क्वेरीसाठी नाटकीय गती वाढ प्रदान करते — एक शक्तिशाली तंत्र.

**विशेषीकृत इंडेक्स प्रकार** जाणून घेणे — **आंशिक** (केवळ जुळणार्‍या दस्तऐवजांना इंडेक्स करणे, लहान आणि लक्ष्यित), **विरल** (केवळ फील्ड असलेले दस्तऐवज), **TTL** (स्वयंचलितपणे समाप्त होणार्‍या डेटा, सेशन/लॉग/तात्पुरत्या डेटासाठी आदर्श), **वाइल्डकार्ड** (अज्ञात फील्ड नावांसाठी), **मल्टीकी** (अ‍ॅरेसाठी स्वयंचलित), आणि **अद्वितीय** — प्रत्येक परिस्थितीसाठी योग्य इंडेक्स निवडू शकते, स्टोरेज आणि लेखन खर्च अनुकूल करते आणि क्वेरी सेवा देते.

**विश्लेषण आणि देखभाल** शिस्त (इंडेक्स वापर आणि कार्यक्षमता सत्यापित करण्यासाठी `explain()` वापरणे, अप्रयुक्त इंडेक्स शोधण्यासाठी आणि काढून टाकण्यासाठी `$indexStats` जे अनावश्यकतेने लेखन मंद करते, आणि Atlas Performance Advisor सारखी साधने) इंडेक्सिंग प्रभावी ठेवण्यासाठी कालांतराने आवश्यक आहे.

इंडेक्सिंग हे सर्वाधिक प्रभावशाली MongoDB परफॉर्मंस लीव्हर असल्याने, आणि प्रगत रणनीती (ESR कंपाउंड ऑर्डरिंग, कव्हर्ड क्वेरीज, विशेषीकृत इंडेक्स प्रकार, आणि देखभाल) हे त्याला स्केलवर अनुकूल करते, प्रगत इंडेक्सिंग रणनीती समजणे हे उच्च-परफॉर्मंस MongoDB साठी मूल्यवान वरिष्ठ-स्तरीय ज्ञान आहे, वरिष्ठ भूमिकांसाठी अपेक्षित खोल अनुकूलन व्यवस्थेप्रदर्शन करणारा विषय आणि जेथे ESR नियम आणि कव्हर्ड क्वेरीज सारख्या तंत्रांनी महत्त्वपूर्ण, व्यावहारिक परफॉर्मंस लाभ प्रदान करते.