Jakie zaawansowane strategie indeksowania obsługuje MongoDB?

Question

Accepted Answer

Poza podstawowymi indeksami na pojedynczych polach, MongoDB oferuje zaawansowane strategie indeksowania — **indeksy złożone z porządkowaniem (reguła ESR)**, **zapytania obejmujące**, **indeksy częściowe/rzadkie**, **indeksy TTL** i inne — które dramatycznie wpływają na wydajność zapytań. Ich opanowanie jest kluczem do optymalizacji MongoDB na dużą skalę.

## Reguła ESR dla indeksów złożonych

```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
```

**Reguła ESR** (Equality, Sort, Range — pole w kolejności równości, sortowania, zakresu) buduje indeksy złożone, które efektywnie obsługują filtrowanie, sortowanie i części zakresu zapytania — kluczowa technika optymalizacji.

## Zapytania obejmujące — obsługa całkowicie z indeksu

```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)
```

**Zapytanie obejmujące** (wszystkie pola filtru i projekcji w indeksie) jest obsługiwane wyłącznie z indeksu — niezwykle szybko, nigdy nie czytając dokumentów.

## Specjalistyczne typy indeksów

```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
```

## Analizy i utrzymanie indeksów

```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
```

## Dlaczego to ważne

Zaawansowane strategie indeksowania to cenna wiedza na poziomie starszych inżynierów do **optymalizacji wydajności MongoDB na skalę**, budująca na podstawowym indeksowaniu.

Chociaż podstawowe indeksy pomagają, opanowanie zaawansowanych strategii to to, co odróżnia wystarczającą od doskonałej wydajności MongoDB.

**Reguła ESR** (porządkowanie pól indeksu złożonego jako Równość, Sortowanie, Zakres) to kluczowa technika budowania indeksów złożonych, które efektywnie obsługują filtrowanie, sortowanie i warunki zakresu zapytania razem — optymalizacja często stosowana, która nie jest oczywista bez znajomości reguły. **Zapytania obejmujące** (gdzie wszystkie pola filtrowania i zwracane znajdują się w indeksie, więc zapytanie jest obsługiwane wyłącznie z indeksu bez odczytu dokumentów) zapewniają dramatyczne przyspieszenie dla zapytań intensywnych odczytów — potężna technika.

Znajomość **specjalistycznych typów indeksów** — **częściowe** (indeksowanie tylko pasujących dokumentów, mniejsze i ukierunkowane), **rzadkie** (tylko dokumenty z polem), **TTL** (automatyczne wygasanie danych, idealne dla sesji/logów/danych tymczasowych), **wieloznaczne** (dla nieznanych nazw pól), **multikey** (automatyczne dla tablic) i **unikatowe** — pozwala wybrać właściwy indeks dla każdego scenariusza, optymalizując magazyn i koszt zapisu podczas obsługi zapytań.

Dyscyplina **analizy i utrzymania** (używanie `explain()` do weryfikacji użycia indeksu i wydajności, `$indexStats` do znalezienia i usunięcia nieużywanych indeksów, które niepotrzebnie spowalniają zapisy, oraz narzędzia takie jak Atlas Performance Advisor) jest niezbędna, aby indeksowanie było efektywne w czasie.

Ponieważ indeksowanie jest najbardziej wpływającą dźwignią wydajności MongoDB, a zaawansowane strategie (porządkowanie złożone ESR, zapytania obejmujące, specjalistyczne typy indeksów i utrzymanie) to to, co je optymalizuje na skalę, zrozumienie zaawansowanych strategii indeksowania to cenna wiedza na poziomie starszych inżynierów do wysokowydajnego MongoDB, temat demonstrujący głęboką wiedzę optymalizacyjną oczekiwaną dla ról starszych i temat, w którym techniki takie jak reguła ESR i zapytania obejmujące zapewniają znaczne, praktyczne zyski wydajności.